home صفحه اصلی lock person ثبت نام

هوش مصنوعی در امنیت

Star InactiveStar InactiveStar InactiveStar InactiveStar Inactive
 

 

 هوش مصنوعی در امنیت

هوش مصنوعی چندین سال است که موجب حیرت افراد شده است. ایده تولید ماشینی که قادر به تفکر مستقل، تصمیم‌گیری و واکنش مناسب باشد، موفقیت‌های زیادی ار در عرصه‌های تفریحی و حرفه‌ای در بر دارد. موارد استفاده از آن تکنولوژی در زمینه‌هایی چون خرده‌فروشی، داروسازی و امنیت چندان دور به نظر نمی‌رسد. نگاه مقاله حاضر به کاربرد هوش مصنوعی در امنیت است.

 

هوش مصنوعی در حال حاضر در چه مرحله‌ای قرار دارد؟

هنگامی که افراد در مورد این موضوع صحبت می‌کنند، اصطلاحاتی چون "یادگیری ماشینی" و "یادگیری عمیق" به کنار گذاشته می‌شوند. برای فهم جایگاه فعلی هوش مصنوعی، آشنایی با خلاصه‌ای از انواع رویکردهای اتخاذ شده توسط برنامه‌ریزها و توسعه‌دهندگان در جهت ارتقاء و توسعه بیشتر این تکنولوژی کارآمد، بسیار به ما کمک خواهد کرد.

 

شناسایی الگو در مقابل یادگیری ماشینی و یادگیری عمیق

از آنجایی که ایده هوش مصنوعی چندین سال پیش مطرح شد، در تلاش برای قادر ساختن کامپیوترها به تفکر به صورت مستقل از چندین رویکرد استفاده شده است. نخستین روش، شامل شناسایی الگو می شد. به ویژه توسعه دهندگان، برنامه‌هایی را طراحی کردند که در آن کامپیوترها روی اینکه دنیال چه نوع ویژگی‌ها و الگوهایی برای شناسایی یک شیء باشند، آموزش داده می‌شدند.

پس از آن، افراد این رویکرد را برای دربر گیری الگوریتم‌ها بسط دادند تا تفکر را به کامپیوترها بیاموزند، که این حرکت به آنچه که اکنون آن را آموزش ماشینی می‌خوانیم، منتهی شد. با استفاده از این الگوریتم‌ها و حجم زیادی از اطلاعات (که بعنوان نمونه‌هایی از پاسخ‌های درست و غلط استفاده میشود)، کامپیوتر از ریاضیات و آمار برای بیرون کشیدن الگوها بهره می‌گیرد و نتایج را طبقه‌بندی می‌کند، بنابراین به نحوی قادر به انجام نوعی تفکراولیه‌است. با این حال، در صورت نبود اطلاعات کافی برای یادگیری، مسائلی در رابطه با این رویکرد پیش خواهد آمد. همچنین، در مواردی که هیچ گونه الگوی قابل تشخیص وواضحی همچون زمانی که محیط دائما در حال تغییر است وجود نداشته باشد، سیستم به خوبی کار نخواهد کرد.

گام بعدی در تکامل هوش مصنوعی که توجه زیادی را به خود جلب کرده، یادگیری عمیق است. بزرگترین تفاوت این رویکرد در توانایی آن برای تشخیص ویژگی‌های حائز اهمیت برای تشخیص است که به کمک یک برنامه نویس/اپراتور متکی نیست.

این نوع سیستم که برگرفته از طرز کار مغز انسان است، متشکل از چندین لایه عصبی می‌باشد که الگوریتم‌های مختلف را برای مجزاسازی دوباره داده‌هایی با سطوح بالا به کار می‌گیرد. لایه پایینی این عصب‌ها به عنوان "سنسور" استفاده می‌شود که با اسکن قسمت‌های کوچک تصویر اطلاعات ارائه شده را به لایه‌های بالاتر می‌رساند؛ لایه‌های بالاتر در اقدامی برای ترکیب و جادهی آن اطلاعات در بافت یک تصویر یا الگوی بزرگتر هستند این اقدام تا جایی ادامه می‌یابد که سیستم قادر به فهم و تشخیص تصویر باشد.

 هوش مصنوعی در امنیت

موارد کاربری درامنیت

مشاهده چگونگی جای‌گیری یادگیری عمیق در تنظیمات امنیتی آسان است، مخصوصا از آنجایی که یکی از عناصر کلیدی برای یادگیری، "داده" است و حجم زیادی از داده‌ها در نظارت ویدئویی موجود است. با توجه به توانایی این تکنولوژی در شناسایی صحیح اشیاء، افزودن آن به هوشمندتر شدن سیستم کمک می‌کند. از این رو، از این تکنولوژی می‌توان برای انواع کاربری‌ها و سیستم‌های امنیتی، از تشخیص چهره، خودرو و پلاک خودرو گرفته تا آنالیز رفتار جمعیت استفاده کرد.

این سیستم را همچنین می توان به گونه‌ای برنامه‌ریزی کرد که داده‌های وارد شده از سیستم‌های نظارتی را به صورت خودکار آنالیز کند و سرعت جستجوها را بالا ببرد، اپراتورهای انسانی را از تمرکز روی جزئیات مهم آزاد و از صرف وقت بسیار برای مشاهده مقادیر زیادی از تصاویر و ویدئوهای ضبط شده جلوگیری میکند.

با پیشرفت مداوم هوش مصنوعی، تفکر در مورد این موضوع جالب است که چگونه این پیشرفت‌ها در تکنولوژی‌های نظارتی موجود گنجانده می‌شوند تا امنیت را بالاببرند. چه کسی می‌داند، شاید آیند ه از آنچه که فکر میکنیم به ما نزدیکتر باشد.

 

 

منبع: ماهنامه سیباشهر
مترجم: سارا کریمی

 

 


نظر خود را بنویسید.