Журнал "Системы Безопасности" № 3‘2019

И сследователи из университета KU Leuven, Бельгия, провели ряд экспери- ментов, по итогам которых заявили о про- стейшем способе обмануть современные алгоритмы идентификации объектов: "Мы хотели показать, что используемые детекто- ры людей можно достаточно просто обойти, и хотим, чтобы эту информацию использо- вали при проектировании систем безопас- ности". В эксперименте использовался современный популярный детектор YOLOv2 c открытым исходным кодом, обученный на специальном дата-сете для идентификации объектов MS COCO. Сначала пробовали подменить образы, обмануть детектор и заставить его ошибить- ся в детекции людей, перепутав их с другими объектами (животные, предметы). Но наилуч- ший результат показал подход, в котором детектор вообще теряет людей из кадра. Основ- ной инструмент иссле- дователей – специ- альным образом сгене- рированное на ком- пьютере изображение. Используя вставки изображения на фигу- рах людей, можно заставить детекторы думать, что объекта нет вообще. Тестирование проводилось с наложе- нием изображения на фотографии и в режиме реального времени. Конечно, у такого способа обхода детекции есть свои ограничения: изображение-помеха должно быть строго ориентировано на каме- ру, при поворотах или изменении размера оно теряет свою эффективность. Учитывая, что в эксперименте использовалась конкрет- ная конфигурация детектора, для обхода других детекторов нужно будет генерировать новое изображение. В настоящий момент исследователи работают на тем, чтобы сгене- рировать более универсальные изображения и учесть возможные искажения на реальной фигуре. В планах разработка шаблона для большой части тела, одежды, например для принтов на футболках, которые будут рабо- тать с любого ракурса. n По материалам сайта www.securityinfowatch.com Можно ли обмануть интеллектуальную видеоаналитику? www.securityinfowatch.com 12 июнь – июль 2019 www.secuteck.ru Обзор материалов зарубежных СМИ ДАЙДЖЕСТ Аналитика на базе искусственного интеллекта (AI) с использование алгоритмов глубо- кого обучения (Deep Learning) прогрессирует с каждым годом, завоевывая рынок свои- ми возможностями самообучения в задачах детекции и идентификации объектов. При этом совершенно неизвестно, сможет ли машинное обучение обеспечить необходимую достоверность в случае, если злоумышленники намеренно попытаются ее обмануть О сновой для роста рынка служат последние технологические усовершенствования, такие как ПО глубоко обучения, использование жид- костных линз, панорамных 360-градусных камер, гиперспектральная съемка, гибридные матрицы и растущий спрос на решения с искусственным интеллектом. Развитие тренда "Индустрия 4.0", или четвертая промышленная революция, также способствует росту данного сектора. Системы машинного зрения, использующие умные камеры, будут одним из ведущих продук- тов в отрасли. В сравнении с системами на базе ПК, которые доминируют в машинном зрении на сегодняшний день, использование умных камер позволит построить более гибкие и надежные системы. Камеры со встроенным интеллектом позволят отказаться от ряда периферийных устройств, что в итоге приведет к экономии. Системы машинного зрения играют решающую роль в контроле качества и проведении инспек- ций. Например, позволяют отследить технологи- ческий процесс, контролировать безошибочную сборку отдельных частей, наличие всех необхо- димых креплений и подшипников в дверях, дверцах, лифтах и других подвижных устрой- ствах. Работа операторов при этом значительно упрощается, для управления системой не требу- ется сложного обучения, большая часть действий автоматизирована. Ожидается, что самыми высокими темпами будет расти спрос на системы машинного зре- ния в пищевой и упако- вочной промышленно- сти. В ответ на это несколько компаний разработали специали- зированные решения в области сортировки, сортировки, порциони- рования, обработки и проверки качества про- дуктов во время обра- ботки и упаковки. Наибольший рост спроса на машинное зрение предполагается в Азиатско-Тихоокеанском регионе, который является промышленным хабом для большинства видов производства. Китай до сих пор остается идеальным местом для размещения производства в любой сфере, включая электронику и автомобилестроение, и покажет наибольший рост во всем регионе в связи с трендом на автоматизацию, особенно с учетом растущей с каждым годом стоимости ручного труда. Автоматизация производства позволит сократить издержки и себестоимость продукции, что, несомненно, является приори- тетом для большинства компаний. Ключевыми игроками на рынке машинного зрения можно назвать компании Cognex, Basler, Omron, Keyence, National Instruments, Sony, Teledyne, Allied Vision, Texas Instruments, Intel, Baumer Optronic, JAI, Mvtec, Tordivel, Isra Vision, Sick, Flir, Ametek, Qualitas, Sualab, Cadence, Ceva и Inuitive. n По материалам сайта www.securityworldmarket.com Рынок машинного зрения вырастет до 14 млрд долларов к 2024 году Согласно последним исследованиям, рынок машинного зрения вырастет до 14 млрд долларов к 2024 г. по сравнению с 9,9 млрд долларов в 2019 г., со среднегодовым темпом роста в 7,1% Пример использования распечатанной версии изображения-помехи в онлайн-режиме www.previews.123rf.com