تصور کنید در میان مسافرانی که در یک فرودگاه بین‌المللی حضور دارند؛ مسافری هست که رفتارهای غیرعادی و مشکوکی دارد؛ مثلا مدام به اطرافش نگاه می‌کند، بی‌قرار به نظر می‌رسد و بارها و بارها جهت حرکتش را تغییر می‌دهد. در همین لحظه، دوربین نظارتی که بالای سقف فرودگاه نصب شده، بدون اینکه نیاز باشد فیلم را جهت بررسی به مرکز کنترل بفرستد، همان‌جا رفتار مشکوک مسافر را تشخیص می‌دهد و به مامور امنیتی فرودگاه هشدار می‌دهد. این مثال قدرت تشخیص لبه (Edge Analytics) را در سیستم‌های نظارتی نشان می‌دهد.
حالا تصور کنید که در همان فرودگاه، دوربینی وجود داشت که به جای تشخیص سریع و اطلاع دادن به مامور امنیتی؛ تصاویر و ویدئوهای ضبط شده را برای بررسی بیشتر به یک سرور مرکزی می‌فرستاد؛ جایی که هزاران نرم‌افزار قدرتمند، تصاویر را برای تشخیص موارد مشکوک بررسی می‌کنند. این مثال نیز رویکرد تحلیل سرور (Server Analytics) را در نظارت تصویر نشان می‌دهد. در این یادداشت همراه ما باشید تا به بررسی دقیق دو رویکرد تشخیص لبه و تحلیل سرور و بیان مزایا و معایب هر یک بپردازیم.
تشخیص لبه، قابلیتی هوشمند در خود دوربین
در رویکرد تشخیص لبه، داده‌های ویدئویی به جای اینکه به یک مرکز کنترل منتقل شوند، در همان دوربین یا دستگاهای که تصاویر را ضبط می‌کند، پردازش و تحلیل می‌شوند. به عبارت دیگر، در این روش مغز سیستم یعنی همان واحد پردازش، درست در جایی وجود دارد که چشم‌ها یا همان دوربین قرار گرفته؛ یعنی دوربین فقط ضبط نمی‌کند، بلکه کار فکر کردن و تحلیل را هم انجام می‌دهد. این روش پردازش بلادرنگ (Real-time) برای واکنش‌های فوری بسیار مهم است.
مزایا:
- کاهش تأخیر (Latency): با پردازش فوری داده‌ها در این روش می‌توان بلافاصله رفتارهای مشکوک را تشخیص داد و هشدارهای لازم را بدون وقفه برای تصمیم‌گیری سریع انتقال داد.
- کارایی در مصرف پهنای باند: در این روش از آنجا که فقط اطلاعات مهم به شبکه ارسال می‌شود، مصرف پهنای باند به حداقل می‌رسد. این موضوع به‌ویژه در محیط‌هایی با زیرساخت ضعیف شبکه، مانند کارخانه‌ها یا روستاهای دورافتاده، بسیار ارزشمند است.
- قابلیت مقیاس‌پذیری: در این روش هر دوربین داده‌های خودش را پردازش می‌کند و این به آن معناست که اگر فروشگاهی بزرگ بخواهد تعداد دوربین‌های خودش را افزایش بدهد، نیازی به گسترش سرور نخواهد داشت.
معایب:
- قدرت پردازشی محدود: دوربین‌ها از نظر توان پردازشی با سرورهای عظیم قابل مقایسه نیستند. بنابراین تحلیل‌های پیچیده مانند شناسایی چهره با دقت بالا ممکن است در این روش دشوار و یا غیرممکن باشد.
- هزینه اولیه بیشتر: یکی از معایب این روش، هزینه بالای آن است زیرا دوربین هوشمندی که بتواند خودش تحلیل انجام دهد، طبیعتا از دوربین‌های ساده بسیار گران قیمت‌تر است.
- نگهداری و مدیریت دشوارتر: تصور کنید یک سازمان برای نظارت 200 دوربین داشته باشد، معمولا به‌روزرسانی و مدیریت جداگانه هر یک از این دستگاه‌ها دشوار است و حجم کاری زیادی را به تیم IT وارد می‌کند.
تحلیل سرور، قدرت متمرکز در یک نقطه مرکزی
در روش تحلیل سرور، ابتدا داده‌های خام توسط دوربین ضبط می‌شود و سپس به یک سرور مرکزی که می‌تواند محلی مشخص یا فضای ابری باشد، ارسال می‌گردد. در این رویکرد به واسطه توان پردازشی بالای سرورها امکان تحلیل‌های پیچیده و هوشمندانه مانند تشخیص رفتارهای مشکوک فراهم می‌شود.
مزایا:
- قابلیت اجرای تحلیل‌های پیچیده: فرض کنید می‌خواهید علائم اضطراب را در چهره یک مجرم تحلیل کنید، چنین تحلیل‌های به توان پردازشی بالا نیاز دارند که معمولا فقط از عهده یک سرور قدرتمند برمی‌آید نه دوربین‌های مجهز به فناوری لبه.
- مدیریت متمرکز: در رویکرد تحلیل سرور حتی اگر صدها دوربین هم در یک پروژه داشته باشید، به‌روزرسانی نرم‌افزارها، پشتیبانی و مدیریت سیستم در یک سرور مرکزی به‌صورت متمرکز انجام می‌شود که ساده‌تر از رسیدگی به هر دستگاه یا دوربین به صورت جداگانه است.
- ظرفیت بالای ذخیره‌سازی: مراکز حساس دولتی یا بیمارستان‌ها که به حفظ اطلاعات ویدئویی برای ماه‌ها یا سال‌ها نیاز دارند؛ بهتر است از روش تحلیل سرور استفاده کنند که امکان آرشیو طولانی مدت و بازیابی سریع ویدئوها را فراهم می‌کند.
معایب:
- وابستگی شدید به شبکه: در صورت محدود بودن پهنای باند یا ناپایداری ارتباطات، امکان انتقال داده‌ها از دوربین به سرور کاهش پیدا می‌کند و باعث تاخیر در عملکرد می‌شود که این مسئله در زمان‌های حساس و رویدادهای اضطراری که نیاز به واکنش فوری دارند می‌تواند مشکل‌ساز باشد.
- چالش‌های مقیاس‌پذیری: دقیقا نقطه مقابل تشخیص لبه، چالش مقیاس‌پذیری در تحلیل سرور است. اگر تعداد دوربین‌ها افزایش پیدا کند، سرور مرکزی ممکن است توان پردازشی کافی نداشته باشد و به ارتقاء سخت‌افزار یا سرورهای متعدد نیاز داشته باشد.
- هزینه بالای زیرساخت: رویکرد تحلیل سرور به خرید، راهاندازی و ایمن‌سازی یک یا چند سرور مرکزی هزینه‌بر نیاز دارد و به غیر از این موارد، نگهداری مداوم از این سرورها به هزینه و نیروی متخصص احتیاج دارد.
جمع‌بندی
انتخاب بین رویکرد تشخیص لبه یا تحلیل سرور به مولفه‌های زیادی بستگی دارد، مولفه‌هایی مانند نوع پروژه، بودجه، زیرساخت شبکه و اهداف امنیتی همگی می‌توانند در این انتخاب دخیل باشد. برای مثال می‌توان گفت اگر شما یک فروشگاه خرده‌فروشی دارید، تشخیص لبه می‌تواند گزینه مناسبی باشد؛ اما اگر با سازمان‌های پیچیده مثل فرودگاه‌ها و مراکز کنترل شهری سر کار دارید، تحلیل متمرکز در سرور انتخاب منطقی‌تری خواهد بود. روی هم رفته می‌توان گفت در بسیاری از موارد بهترین انتخاب، یک رویکرد ترکیبی است که از نقاط قوت هر دو روش بهره‌برداری کند و بیشترین کارایی و اثربخشی را نیز داشته باشد.
