機器學習和人工智能被吹捧為解決數據中心問題的萬能藥。雖然大部分都是炒作和毫無根據的樂觀主義，但人工智能工具在某些領域已經是有用和實用的。這些領域包括數據中心物理安全，人工智能在三個方面發揮著重要作用：圖像和聲音識別、異常檢測和預測分析。

圖像和聲音識別

圖像識別是人工智能的一大成功案例，而這項技術正迅速被廣泛應用于各個領域。它的近親，聲音識別也是如此。

顯然，在物理安全中，圖像識別最常用于面部認證。

但這不僅僅是確認某人是他們進入大樓時所說的那個人。圖像識別還可以用來查明在火災或其他緊急情況下某個房間里是否有人。它可以用來判斷被檢測到的運動是樹枝在風中搖曳，還是入侵者試圖翻越柵欄。

圖像識別還可以用來識別攜帶槍支或其他武器的人，或者不戴口罩的人。

說到與健康相關的問題，一旦數據中心訪客被診斷出患有COVID-19，圖像識別就可以用來識別感染者訪問過的所有位置（這樣可以徹底清潔這些地方）和每個接觸過的人，以便對他們進行檢測。

對于具有高度特定需求的大型數據中心，有許多商業和開源圖像識別算法和訓練集可用。對于較小的數據中心，那些沒有專門的人工智能開發團隊的資源，或者那些有著非常常見問題的數據中心，供應商越來越多地在他們的安全產品中加入這些功能。

根據總部位于斯德哥爾摩的研究公司Memoori的說法，人工智能分析將在未來十年成為視頻監控解決方案的標準功能。

Memoori董事總經理詹姆斯·麥克黑爾（JamesMcHale）在最近的一份報告中表示：“迫切需要充分利用視頻監控攝像頭產生的海量數據，基于人工智能的解決方案是唯一實用的解決方案。”

McHale告訴DCK，視頻監控攝像頭產生大量的數據，人工智能是處理這些數據的唯一可行方法。

人工智能系統也可以用來分析熱圖像。”他告訴我們，作為COVID-19流感大流行的直接后果，熱相機是今年一個重要的增長領域。

如今，許多熱像機都只是熱信息，但客戶越來越多地尋找一種能同時采集熱圖像和傳統圖像并應用神經網絡算法進行處理的系統。

但他補充說，人們普遍缺乏對如何將這項技術用于大流行控制的理解。此外，這一流行病正在對一些經濟部門產生負面影響，影響支出，并改變公司購買技術的方式。

他說：“客戶將要求從他們的投資中獲得更多的價值，而不太愿意承擔前期資本支出。”這使得作為服務的訪問控制和作為服務的視頻監控變得更具吸引力。”

異常檢測

機器學習的另一個非常常見和實用的用途是用于異常檢測。系統根據數據基線進行訓練，識別常見模式，然后尋找不符合這些模式的異常事件。

因此，例如，各種隨機的汽車駛過某個設施可能是正常的，但是如果同一輛汽車在過去一個小時內駕駛了幾次，并且每次都減速，然后再次加速，則警衛會提醒發生可疑事件。

同樣，如果某人位于數據中心通常不去的地方，或者在他們通常不工作時，這可能是麻煩的征兆。

總部位于亞利桑那州坦佩的技術咨詢和系統集成公司Insight的云和數據中心轉型高級安全架構師MichaelPerreault表示：“它可以幫助人們專注于潛在的威脅領域。”

它用于幫助數據中心發現安全團隊可能遺漏的正在發生的問題。

預測分析

模式識別還有另一種用途——預測事件。在今天的數據中心中，這種能力主要用于預測維護。

因此，例如，如果一個設備加熱到一個不尋常的水平，人工智能系統可以標記出問題，并在設備完全失效之前發出服務請求。

Perreault說，目前預測分析在數據中心維護之外的應用并不多。

但是，也有一些廠商正在研究技術，通過將電子郵件或視頻監控等內部數據與逮捕報告或社交媒體帖子等外部數據相結合，幫助在安全問題發生之前發現問題。

例如，如果某個數據中心的某個人或某個員工在暴力事件中被捕，向該公司發送恐嚇郵件，并在社交媒體上發表攻擊性文章，這些都可能是此人可能進一步升級的跡象。可以建議警衛注意那個人。

當然，用人工智能來預測一臺機器何時可能出故障，和用它來預測一個人何時可能出故障是兩回事，后者提出了一些棘手的倫理問題。

多少信息收集太過侵入性？如果它有助于確保員工和關鍵基礎設施的安全，那么是否值得這樣做？

今天，這類系統最大的問題是，它們仍然是相對較新的，不太準確，而且容易受到偏見的影響，正如世界各地的警察部門所發現的那樣。

但是關于人工智能系統的問題是它們一直在變得越來越精確。很快，預測性安全技術將廣泛應用，價格低廉，易于設置。已經有供應商將此作為一種服務提供，他們將公司內部數據與外部來源關聯起來，以預測人類行為，而且這項技術不會消失。

數據中心安全管理人員和高級管理人員應提前制定道德框架。當涉及到員工、他們的家庭成員或公眾時，安全系統應該有多大的干擾性？哪些數據源是合適的工具？行動的門檻是多少？

少數派報告式的預測安全技術不再是科幻小說，電影提出的道德問題也不再是理論問題。
責任編輯：YYX