行业深度分析|安防大数据系统安全的现状与挑战

随着大数据技术的不断成熟和发展，大数据已经在生活中的各个方面得到应用。特别是在安防这一方面，大数据具体它独特的优点和价值。通过对重要信息的筛选，特别是近年来提出的“平安城市”、“智能交通”、“雪亮工程”等概念，使得安防进入了大数据时代。大数据不仅对个人生活产生巨大影响，甚至已经成为企业、国家的重要的竞争力。大数据的核心在于算法和对数据处理能力。随着算法的不断完善，互联网的发展，安防大数据必将更加成熟、更加准确和快速。本文旨在讨论安防大数据系统安全的现状和挑战，力图从安防系统的发展现状、所存在的问题等层面阐述，一起探讨了解和探讨大数据在安防行业的发展现状和应用趋势。

在信息社会发展的今天，每时每刻都，生了大量数据，大数据的关键就是可以准确快速的分析，通过对数据的提取，剔除无用的价值，提取有用的价值。

而安防大数据的来源之一就是通过监控视频，特别是今年来。特别是近几年随着平安城市、智能交通等行业的快速发展，大集成、大联网、云技术推动安防行业进入大数据时代。近年来，得益于计算机硬件性能的突破，加上依靠以云计算、大数据为代表的计算技术的快速发展，人工智能的研究和应用掀起新高潮，信息处理速度和质量大为提高，能够快速、并行处理海量数据。

安防大数据是一种多种学科领域领域交叉的应用，因此安防大数据的研究不能仅仅局限于计算机本身，还要考虑安防大数据平台之间的不同，缺少数据之间建模的差异，因此，迫切需要进行迫切需要进行跨学科和跨领域的大数据技术和应用研究，促进和推动大数据在典型和重大行业中的应用和落地。

1. 安防大数据系统安全的现状

在过去，安防都是纯粹的人工看视频，不仅耗时耗力，且效率低下，在安防大数据时代仅仅需要一台安装了相关软件，就可以智能分析视频、图片。同时，在分析这些图片视频、图片的同时可以分析这些数据的潜在价值。在未来，随着监控点的不断增多以及这些视频、图片像素不断提高，对安防大数据的要求也是越来要高。但是对于这些原始视频、图片本身是没有价值。

在当前社会快速发展的过程中，社会矛盾呈现上升趋势，治安不容乐观。所以为了使人们活的更加安全、更加幸福，所以在安防的基础上实现“维稳、反恐，防爆”目标是较为可行的手段。所以国内安全形势的变化使我们对安防有更高的要求，这样也直接促进了安防大数据的发展。

经过一段时间摸索，安防大数据已经在安防行业取得一定成功，已经有了较为成熟的应用。

在平安城市方面，在全国范围来看，平安城市建设基本上就是视频监控的建设，也即“天网”建设，如此大规模的视频监控建设，大大提升了社会安全。所以在这一方面需求下，通过人脸识别技术高对犯罪嫌疑人追查的效率。通过对大量异常行为的模式特征提取，能提前判别违法行为，比如在火车站，通过对扒手外观打扮，行为举止，作案时的动作特征分析，能够提前把嫌疑信息告知车站治安人员，提高执法的效率。

在智能交通方面，同样的，数据是智能交通系统的基础，交通数据采集手段和处理方法的深度革新将引领智能交通系统的变革。在大数据背景下，对交通大数据进行深度分析。智能交通是以信息处理、通讯、计算机和电子技术集成的一项新技术领域。智能交通最佳利用现有宏观交通设施(道路、桥梁、隧道等);有效地缓解交通堵塞,减少交通事故,建立舒适安全的交通环境。

在雪亮工程方面，提出了加强社会治安

防控网建设要求。雪亮工程要求：“到 2020 年，基本实现全域覆盖，全网共享，全时可用，全程可控的公共安全视频监控建设联网应用，在加强治安防控，创新社会治理等方面取得显著成效。”“雪亮工程”的首要功能就是通过多种前端感知手段，全方位打造立体化治安防控体系，大量的视频监控探头，对犯罪分子形成强大的威慑;同时在重点出入口布控，及时将现场图像回传指挥中心，便于城市管理及公安部门第一时间对现场进行指挥与处置。

不仅如此，安防大数据也在智能家居，智能城市等方面发挥着重要的作用。

2. 安防大数据系统面临的挑战

随着数据的增加和数据之间的耦合度增加，模型的建立难度也随之增加，也出现了一些技术难题。在互联网领域内，大数据发展比较成熟，可以针对不同的场景有许多技术路线，同样安防大数据脱胎于大数据，大数据中的许多技术可以直接应用在安防领域。但是安防大数据系统毕竟不同于大数据，也面临着许多挑战。

2.1 数据的获取和储存

数据不是凭空产生的，而是人们对于周围事物产生交集从而产生的记录。其中绝大部分的原始数据都是无用的，即可以通过过滤压缩掉好几个数量级，而不影响我们提取出其中的价值。另外原始数据往往过于庞大，甚至不能先存储。这便带来了一个挑战，如何定义和设计有效的“在线”滤波器?另外，由于传感器的测量误差，当一个传感器读数与其余的读数相差很大时，可能是传感器出现了故障，但也有可能是发现了新的现象，我们该如何取舍?

此外，如何储存海量数据往往也是一个挑战，有资料表明，一平方公里产生的数据集每天可产生数万TB字节的数据。可想而知，一年下来一个普通小型城市，安防领域的图片和视频这个数据量更为巨大。且安防大数据由于自身的特殊性，往往无法覆盖之前的数据，所以需要大量的储存空间。

2.2 数据可视化

数据可视化涉及到数据的视觉表现形式。这种数据的视觉表现形式一般是以某种概要形式抽提出来的信息，包括相应信息单位的各种属性和变量。

对大数据进行分析以后，为了方便用户理解结果，也需要把结果展示出来。与立体建模之类的特殊技术方法相比，数据可视化所涵盖的技术方法要广泛得多。

目前安防大数据的可视化处于起步阶段，应用案例还比较少。随着智慧城市建设的加速，市场需求不断扩展，用图形、图像处理、计算机视觉以及用户界面，通过表达、建模以及对立体、表面、属性以及动画的显示，对数据加以可视化解释将获得更大的关注与发展。

2.3 数据共享和兼容

缺乏统一标准是大数据安防进一步深化应用的硬伤。比如平安城市要求数据共享，跨区域视频联网监控、监控资源整合与共享以及政府各部门之间的视频监控资源共享等等。但是不同的地方城市，不同的行业类别，不同的管理方式都会有不同的监控系统方案，数据融合或者共享兼容性问题更多。

且共享数据源可能出现数据不兼容，其中原因包括传感器可能有故障、可能经过人类有偏见的处理过程、通过远程网络传输的数据可能会被污染等。而现状是，这些误差大部分来自数据源和所依赖的应用程序。

2.4 数据建模

安防大数据的查询和挖掘方法与传统的小样本统计分析方法有本质的区别。传统的小样本统计大多通过概率学存在局限性。其次，城市的大数据是承载知识和信息实体，他们可以是结构化数据，过去原始数据，也可以是非结构化数据，比如语音、图片、视频等等，来自于格式不统一，而且既使是同一个时间版本不统一，极大的增加了数据难度处理的效率，所以需要统一的模型。

3. 展望

我们已经进入了一个大数据时代，许多行业的决策越来越依赖一个数据驱动的决策模型，核心业务依赖于不断完善的大量数据分析。而安防大数据在发展的同时，各种前端设备采集大量的图片、音频、视频，这个数据在一个较小的区域一个较短的时间内，就能积攒海量的数据，要掌握并且成功挖掘出这些数据的价值，更好的为安防服务，急需我们掌握大数据技术。

在安防大数据背景下，对于企业来说是挑战更是机遇。只有当我们具备深入挖掘安防大数据价值，一定能让安防大数据更好的服务安防业，保证我们的幸福安康。