НА ПОДСТУПАХ К ЦОД РОЛЬ ИИ В БЕЗОПАСНОСТИ DATA-ЦЕНТРОВ

Сначала фантастические произведения и фильмы, а теперь уже и СМИ, приучили нас относиться к технологиям машинного обучения и искусственного интеллекта не просто как к главному нашему инструменту в любых сферах деятельности, но даже как к панацее от всего, что может беспокоить человечество. И хотя большая часть такого подхода – либо откровенное жульничество, либо беспочвенный оптимизм, устройства на базе искусственного интеллекта уже полезны и практичны в некоторых областях. Сюда можно отнести обеспечение физической безопасности центров обработки данных, где ИИ занимается распознаванием изображений и звука, обнаружением аномалий и прогнозной аналитикой. 

Распознавание: изображение и звук

Одной из самых популярных задач – и больших историй успеха – искусственных нейросетей стало распознавание изображений. Но эта технология, быстро нашедшая повсеместное применение, может анализировать не только цвета и геометрию, но и звук – его фактуру, высоту, состав, ритмичность и так далее. Наверное все мы пользовались мобильными сервисами, чтобы узнать название или исполнителя понравившейся новой песни по её звучанию. 

Очевидно, что распознавание изображений напрямую связано с аутентификацией по лицу и чаще всего используется в сфере безопасности. Однако это не просто и не столько подтверждение личности объекта. Технология может подсказать находятся ли люди в чрезвычайной ситуации по их мимике, жестам или по каким-то деталям обстановки – допустим, по смене освещения или задымлению при возникшем пожаре. Алгоритмы можно использовать, чтобы определить, является ли некое движение ветки раскачиванием на ветру или же её задел злоумышленник, пытающийся перелезть через забор. Также можно идентифицировать людей с огнестрельным или другим оружием. Или, скажем, без масок, что особенно актуально в период пандемии. 

Кстати, касаемо здоровья: после того, как посетителю центра обработки данных был поставлен диагноз COVID-19, можно использовать распознавание изображений для идентификации всех мест, где побывал заражённый человек (чтобы эти места можно было тщательно очистить), и всех, с кем он контактировал, чтобы протестировать их и исключить распространение болезни.

Сейчас доступно множество коммерческих алгоритмов распознавания изображений и обучающих наборов с открытым исходным кодом. Но все они будут полезны в основном только для крупных DATA-центров с очень специфическими потребностями. Что же до небольших участников обработки данных, не имеющих собственных ИИ-разработок, то поставщики средств обеспечения безопасности всё чаще включают эти функции в свои продукты. Это, кстати, также хорошее решение для центров с очень распространёнными проблемами и не только для них: применение нейросетей в бизнесе и социальных сферах более чем оправдано. 

По данным исследовательской компании Memoori из Стокгольма, аналитика ИИ станет стандартом решений для видеонаблюдения в течение следующего десятилетия, поскольку это пока единственный способ обработать огромное количество данных. 

«Существует критическая необходимость в полной мере использовать огромные объёмы данных, генерируемых камерами видеонаблюдения, и решения на основе искусственного интеллекта – единственный практический ответ», – утверждает в недавнем отчёте управляющий директор MemooriДжеймс Макхейл.

В том же отчёте сообщается, что системы AI также могут использоваться для анализа тепловизионных изображений: «Тепловые камеры в этом году стали предметом значительного роста <… спроса у компаний и организаций…> как прямое следствие пандемии COVID-19». 

Сегодня изображения многих таких камер представляют собой простую информацию о температурной составляющей, но логика и здравомыслие желают объединения тепловых и традиционных изображений в одном корпусе. И спрос на такие двойные системы, оснащённые соответствующими алгоритмами нейронной сети для обработки поступающих в них данных, настолько быстро растёт, что, возможно, скоро эти виды визуальных наблюдений не будут мыслимы один без другого. 

Но в целом нельзя не отметить отсутствие должного понимания того, как правильно использовать эту технологию для управления и контроля в условиях пандемии. Кроме того, пандемия негативно влияет на все секторы экономики. Налагаемые ограничения заставляют компании и государства сокращать расходы и пересматривать бюджеты. Часто – не в пользу технологий.

«Клиенты будут требовать большей отдачи от своих инвестиций и будут менее охотно брать на себя авансовые капитальные затраты», – поясняет Макхейл. Но – «Это делает контроль доступа как услугу и видеонаблюдение как услугу ещё более привлекательными», – заключает он.

Обнаружение аномалий

Наряду с видеонаблюдением, широкое распространение получила также практика обнаружения аномалий. Это ещё одна система машинного обучения на основе базовых данных, но она не просто определяет общие закономерности, а к тому же выявляет несоответствия сформированным шаблонам. Другими словами, она буквально ищет необычные события, которые могут быть критичными ошибками –причинами последующих аварий – или предвестниками происшествий другого рода. 

Взять, к примеру, ситуацию с охраной какого-либо здания. Мимо объекта проезжает множество различных случайных автомобилей, и это нормально. Но если одна и та же машина за какой-то небольшой отрезок времени проезжала неоднократно и каждый раз замедлялась, а затем снова ускорялась, то система отправляет на пульт охраны предупреждение о подозрительной активности со всеми необходимыми данными по ситуации.

Таким же образом трактуется нехарактерность чьего-либо присутствия в зоне центра обработки данных: касается это несоответствие места или времени (некто не должен быть там вообще или не должен быть именно в этот момент) – не столь важно, – в штатном расписании это может быть признаком проблемы. 

«Это может помочь людям сосредоточиться на потенциальных областях компрометации <компрометацией в криптографии называют факт доступа посторонних к защищаемой информации, или подозрение в этом – Википедия>», – считает Майкл Перро, старший архитектор безопасности облачных вычислений и преобразования центров обработки данных в Insight, компании, занимающейся технологическим консалтингом и системной интеграцией, из Темпе, штат Аризона.

Обнаружение аномалий как никакой другой инструмент может выявлять возникающие проблемы охраны DATA-центров, которые обычными службами безопасности не были бы учтены. 

Прогнозирующая аналитика

Тут мы подобрались к самому интересному – к прогнозированию событий. Для этого тоже используется распознавание образов. Сегодня в центрах обработки данных эта возможность в основном применяется для профилактического обслуживания, но, хорошо настроенная и обученная, такая нейросеть выглядит почти оракулом, поскольку непосвящённым людям её внутренние процессы не видны.

Тем не менее, это всё тот же алгоритм выявления соответствий и дисбалансов. Так, если система зафиксирует повышенный нагрев части оборудования, искусственный интеллект сигнализирует о проблеме и отправляет её описание с запросом на обслуживание до того, как поломка станет критичной и полностью выведет из строя оборудование. 

По словам Перро, в настоящее время, кроме как с целью техобслуживания, прогнозная аналитика мало используется в ЦОДах. Но есть некоторые поставщики систем безопасности, работающие над технологиями, комбинирующими различные подходы. Так, путём объединения внутренних данных – таких, как электронные письма или видеонаблюдение, – с внешними данными – типа отчётов об арестах или сообщений в социальных сетях, – тоже можно обнаружить пробелы конфиденциальности и физической безопасности учреждений до того, как возникнут какие-либо проблемы.  

Например, если стало известно, что сотрудник или другой имеющий отношение к центру обработки данных человек, который отправил компании электронные письма с угрозами и написал агрессивные сообщения в социальных сетях, когда-то раньше арестовывался за насилие, то есть вероятность, что на угрозах он не остановится. Комбинированная система порекомендует охране присмотреть за этим человеком.

Конечно, предположения времени выхода из строя машины и человека – совершенно разные вещи. Причём в случае с человеком (в отличие от ситуации с оборудованием) играют роль не только умопомрачительное множество переменных, которые просто обязательно нужно учесть, но и некоторые этические вопросы, выходящие за рамки компетенции нейросетей. 

Перед нами целое поле острых вопросов. Не слишком ли навязчив сбор информации, и если да, то насколько? А стоит ли эта навязчивость того, что помогает защитить сотрудников и критически важную инфраструктуру? И, кстати, насколько навязчивыми должны или могут быть системы безопасности в отношении сотрудников и членов их семей?  Какие источники данных от широкой публики подходят к использованию, и каков вообще допустимый порог проникновения в частную жизнь – та черта, которую нельзя переступить, не поправ чужие свободы и права личности? 

Это только самые явные темы для обсуждений, но уже по ним можно сказать, что сегодня самая большая проблема новых систем состоит как раз в их относительной новизне. Как следует из полицейских сведений со всего мира, они пока не очень точны. И поэтому подвержены непреднамеренной предвзятости, которой мы сами их научили.

Но преимущество систем ИИ в том, что они всё время становятся более точными. Вскоре технология прогнозирующей безопасности станет недорогой, простой в настройке и значит – широкодоступной. На мировом рынке уже есть разработчики, предлагающие её как услугу. Они также сопоставляют внутренние данные компании с внешними источниками, чтобы прогнозировать поведение человека, и технология эта никуда не денется – будет расти и развиваться.

Поскольку прогресс всё равно неумолим, руководителям высшего звена, юристам и менеджерам по безопасности центров обработки данных необходимо проработать многие вопросы по утверждению этических норм и обеспечению их соблюдения. Очень важно это сделать заблаговременно, поскольку прогнозирование в целях безопасности (в стиле спилбергова «Особого мнения») больше не кажется такой уж фантастикой, а моральные вопросы, поднятые в фильме, больше не являются теоретическими.

По материалам DCK