Contoh Mengejutkan Dari AI Pada Keamanan Data

Contoh Mengejutkan Dari AI Pada Keamanan Data – Kecerdasan buatan dapat memberikan nilai tambah bagi hampir semua bidang masyarakat. Konvergensi alami antara keamanan fisik, keamanan siber, dan kecerdasan buatan telah menarik begitu banyak perhatian sehingga kita terus-menerus melihat solusi inovatif dan cerdas terhadap tantangan keamanan yang paling mendesak.

 

Contoh Mengejutkan Dari AI Pada Keamanan Data

newweblabz – Keamanan adalah istilah yang luas dan maknanya dapat berubah tergantung dengan siapa Anda berbicara. Dari keamanan nasional hingga perusahaan swasta dan bahkan individu, keamanan terus menjadi perhatian utama seiring semakin banyaknya perangkat yang terhubung ke Internet of Things.

Namun kita tidak hanya perlu khawatir dengan penyebaran data pribadi. Keamanan fisik tetap penting untuk melindungi data rahasia, perangkat perangkat lunak, fasilitas, dan aset perusahaan

Baik itu heuristik tingkat lanjut, pembelajaran mesin, atau analisis data, AI dapat memberikan solusi yang tidak terlalu memakan banyak tenaga dibandingkan metode tradisional dan membantu usaha kecil mencapai efisiensi operasional secara rutin dasar. hanya tersedia untuk bisnis besar.

Keamanan siber adalah salah satu kasus penggunaan AI yang paling menonjol dan merupakan arena yang dijelajahi oleh semua pemain. Kecerdasan buatan kemungkinan akan menjadi landasan prosedur keamanan siber di tahun-tahun mendatang, namun bidang keamanan apa yang akan membuat kecerdasan buatan menjadi lebih penting?

Hal mengejutkan yang dibawa oleh kecerdasan buatan di bidang keamanan.

1. Deteksi Bom Kendaraan Startup Israel

UVeye telah mengembangkan produk kecerdasan buatan dan pembelajaran mesin yang membantu petugas keamanan mendeteksi ancaman dengan memindai bagian bawah kendaraan yang lewat.

Sistem ini menggunakan kamera resolusi tinggi pada sudut strategis untuk membuat gambar 3D anomali seperti alat peledak rakitan, senjata ilegal, obat-obatan terlarang, dan bahan mencurigakan lainnya. UVeye mengklaim teknologinya bekerja bahkan ketika kendaraan melaju dengan kecepatan hingga 28 MPH, artinya dapat mendeteksi objek yang luput dari pandangan manusia.

Di sinilah kecerdasan buatan dan pembelajaran mesin berperan. Sistem memiliki akses ke sejumlah besar data yang dilaporkan, yang memastikan bahwa sistem dapat melacak karakteristik kendaraan yang lewat dengan data yang disediakan oleh pabrikan dan membandingkannya dengan data yang dikumpulkan dari kendaraan yang lewat secara real time. Ini dapat mendeteksi faktor pembeda seperti lokasi komponen dan bahkan perbedaan berat. Selain itu, sistem ini menggunakan suara untuk mendengar sesuatu yang tidak biasa.

Menurut UVeye, teknologi ini memerlukan waktu hingga tiga detik untuk menentukan apakah suatu zat melanggar hukum. Pada akhirnya, teknologi ini dapat diterapkan pada berbagai tugas keselamatan dan dapat mengubah cara penanganan keselamatan berkendara. Teknologi ini dapat digunakan di luar gedung-gedung publik, fasilitas pelabuhan, penyeberangan perbatasan, bandara, pembangkit listrik, tempat wisata dan infrastruktur penting lainnya yang dapat menjadi sasaran serangan yang ideal.

Selain untuk lingkungan keamanan nasional, teknologi ini juga berperan penting di pasar otomotif. Kemampuan untuk mendeteksi anomali pada kendaraan komersial, seperti kebocoran dan kerusakan akibat keausan, dapat menghemat waktu dan uang yang dihabiskan konsumen, bengkel, dan produsen mobil yang seharusnya dihabiskan untuk inspeksi tradisional.

Untuk tujuan pertahanan, teknologi ini kemungkinan besar akan digunakan di pos pemeriksaan militer dan tempat-tempat yang lalu lintasnya padat dapat menimbulkan ancaman keamanan. Faktanya, banyak pakar pertahanan percaya bahwa peperangan di perkotaan akan menjadi lebih umum di tahun-tahun mendatang, sehingga menggarisbawahi perlunya industri untuk mengembangkan tindakan penanggulangan IED yang proaktif.

2. Deteksi Penyakit Menular

Dari sudut pandang kesehatan masyarakat, penyakit menular dapat menjadi masalah yang serius – membahayakan banyak nyawa ketika para profesional medis berjuang untuk membendung wabah ini. Kita hanya perlu melihat Republik Demokratik Kongo dan penyebaran Ebola untuk memahami parahnya epidemi penyakit menular ini. Memastikan kampanye pencegahan epidemi dapat membantu orang yang tepat pada waktu yang tepat dan mencegah penyebaran penyakit merupakan tantangan besar bagi layanan kesehatan dan kemanusiaan.

Untungnya, teknologi berbasis AI telah mencapai kemajuan besar di bidang medis, dan perusahaan-perusahaan sedang mengembangkan alat berbasis AI yang dapat dengan cepat melacak, menganalisis, dan mendiagnosis penyakit menular sebelum menyebar.

Pada bulan September 2018, para peneliti dari Badan Lingkungan Hidup Nasional Singapura menciptakan sebuah algoritma untuk memprediksi wabah demam berdarah, virus yang ditularkan oleh nyamuk yang mempengaruhi lebih dari 400 juta orang.

Selain itu, startup medis AIME yang berbasis di Silicon Valley juga telah mengembangkan platform berbasis AI yang dapat memprediksi lokasi pasti epidemi penyakit menular seperti demam berdarah atau Zika hingga tiga bulan sebelumnya.

Sistem ini memprediksi wabah penyakit dengan menganalisis data kesehatan masyarakat, cuaca, kecepatan angin, kedekatan dengan air, dan data historis wabah. Pada dasarnya, ini memperhitungkan semua variabel yang dapat mempengaruhi tanggal, lokasi dan tingkat keparahan wabah penyakit menular. Ini akan menjadi upaya yang sangat memakan waktu bagi orang-orang yang berada dalam situasi yang kekurangan waktu.

Selain tindakan pencegahan proaktif, teknologi berbasis AI dapat membantu pengambilan keputusan melalui pemodelan. Secara tradisional, data surveilans epidemi dikumpulkan, dan lembaga kesehatan masyarakat berkonsultasi dengan para ahli dan pemangku kepentingan untuk merencanakan program surveilans dan pengobatan. Namun, hal ini tidak selalu ideal, karena pengambilan keputusan yang cepat sulit dicapai jika melibatkan banyak pemangku kepentingan.

AI pada akhirnya akan jauh lebih baik dalam mengenali pola dan mencerna tumpukan data untuk mencapai hasil kesehatan yang optimal – dan, seperti bidang lainnya, informasi kesehatan akan tumbuh seiring dengan menjamurnya catatan kesehatan elektronik dan data digital yang tidak terstruktur.

 

Baca juga : Manfaat Kecerdasan Buatan (AI) Dalam Transportasi

 

3. Keamanan Rumah

Keamanan rumah diperkirakan mencapai $74,75 miliar pada tahun 2023, naik dari $45,58 miliar pada tahun 2018, menurut studi pasar baru. Pertumbuhan ini sebagian besar disebabkan oleh penerapan kecerdasan buatan, pembelajaran mendalam, dan menjamurnya perangkat yang terhubung dengan IoT.

Memang benar, AI merevolusi keamanan rumah karena teknologinya dapat memecahkan salah satu masalah terbesar solusi keamanan rumah tradisional; kesalahan manusia dan alarm palsu. Salah satu solusinya, Lighthouse AI, menggunakan kecerdasan buatan untuk memperingatkan Anda tentang orang, hewan peliharaan, dan hal lain yang mungkin menarik perhatian Anda saat Anda jauh dari rumah.

4. Penyaringan Ancaman Peristiwa Besar

Evolve Technology adalah sistem berbasis kecerdasan buatan yang memungkinkan penyaringan ancaman berskala besar. Teknologi ini menggunakan kecerdasan buatan dan perangkat lunak pengenalan wajah untuk menganalisis gambar langsung pengunjung yang mendekat untuk menentukan apakah mereka adalah orang-orang yang disetujui seperti pengunjung biasa, VIP, karyawan, dan lainnya yang diizinkan masuk.

Jika pengunjung ditandai sebagai berwenang, profil mereka dikirim ke otoritas keamanan dan informasinya dapat dilihat dan diverifikasi oleh pakar manusia. Teknologi ini memungkinkan setidaknya satu orang masuk per detik. Teknologi ini tidak dirancang untuk sepenuhnya menghilangkan unsur manusia dalam analisis ancaman dan paling baik digunakan di tempat-tempat seperti bandara, acara olahraga, dan sekolah. Jika berhasil digunakan, ini secara efektif mengakhiri antrian panjang dan kemacetan lalu lintas.

 

AI Pada Keamanan Data

 

5. Kamera Pencegahan Kejahatan

Kecerdasan buatan dan pembelajaran mesin menambah tingkat deteksi masalah prediktif pada kamera CCTV. Dengan tambahan kecerdasan buatan, kamera CCTV dapat mendeteksi potensi pencurian dan mengingatkan pemilik toko akan perilaku mencurigakan.

Teknologi ini juga diterapkan pada kamera di luar rumah. Deep Sentinel, sebuah perusahaan San Francisco, sedang mengembangkan sistem kamera rumah berdasarkan model serupa. Ia bekerja dengan menggunakan algoritma untuk mendeteksi aktivitas mencurigakan, seperti penyusup yang merencanakan perampokan atau tetangga yang mencoba mencuri paket melalui pintu depan.

6. Intelijen Militer

Potensi militer dari kecerdasan buatan sangat besar. Terdapat konvergensi alami antara kedua bidang tersebut, dengan peralatan militer yang dilengkapi dengan kamera, sensor, jaringan komunikasi, dan data yang dapat mendukung kecerdasan buatan. Kemampuan manusia untuk memproses sejumlah besar informasi di medan perang saat ini menjadi sebuah hambatan, sehingga mempengaruhi pengambilan keputusan dan memindahkan informasi ke tempat yang paling membutuhkannya.

7. Pendeteksi kebohongan pengawasan perbatasan

Para peneliti di Manchester Metropolitan sedang mengerjakan pendeteksi kebohongan canggih yang dapat mendeteksi jika seseorang berbohong tentang siapa dirinya dan alasan mereka bepergian.

iBorderCtrl – proyek yang didanai Eropa yang dapat mengubah cara kita melakukan pendekatan pengendalian perbatasan. Penjaga perbatasan virtual yang menggunakan kecerdasan buatan untuk menentukan apakah seseorang berbohong atau mengatakan kebenaran menggunakan tanda-tanda yang tidak terlihat seperti gerakan mikro wajah.

8. Deteksi Ancaman Minyak dan Gas Lepas Pantai

Solusi berbasis AI juga telah merambah sektor minyak dan gas, yang baru-baru ini mendapatkan manfaat dari perangkat yang terhubung dengan IoT dan peningkatan konektivitas ke dunia luar. Memang benar bahwa kecerdasan buatan mengubah cara pekerja minyak dan gas lepas pantai tetap aman di platform minyak dan gas lepas pantai.

Saat ini terdapat beberapa solusi di pasaran yang menggunakan perangkat lunak berbasis AI, sensor, data real-time dan historis untuk memberikan keamanan kognitif. Misalnya, pekerja minyak lepas pantai dapat menerima rekomendasi dan cara untuk mencegah pelanggaran keamanan dan memastikan umur peralatan yang panjang.