AI-alapú videóelemzés az adatközpontok védelmében: hol fusson az elemzés?

Létrán álló technikus csőkamerát szerel egy adatközpont betonfalára, és kábelt csatlakoztat egy nyitott kötődobozban; a rácsos polcon álló laptop a kamera képét mutatja, rajta kerettel jelölt személy
Elemzőkamera szerelése egy adatközpontnál: a laptopon már látszik a személy köré rajzolt észlelési keret.

Az AI, a felhőszolgáltatások és az összekapcsolt rendszerek egyre több számítási kapacitást igényelnek, ezért az adatközpontok üzemeltetőinek gyorsan kell építeniük. John Lutz Boorman, a Hanwha Vision Europe termék- és marketingvezetője friss cikkében arra hivatkozik, hogy az európai kolokációs létesítményekbe 2026 és 2031 között összesen várhatóan 176 milliárd eurós beruházás érkezik. Data Centre Solutions – így alakítja át az AI-alapú videó az adatközpontok fizikai biztonságát

A szerző szerint a fizikai biztonság ugyanolyan prioritás, mint a kiberbiztonság, és az AI-alapú videó megváltoztatja, mit csinál egy kamerarendszer egy ilyen telephelyen. A Counterpoint Research öt nappal korábban megjelent elemzése azt a kérdést teszi fel, amelyhez előbb-utóbb minden rendszertervező eljut: hol fusson valójában az AI-feldolgozás – a kamerában, egy külön dobozban, vagy a kettő között megosztva? Counterpoint Research – az AI több úton halad a videómegfigyelésben. A két írás együtt a feladatot és az architektúrát írja le; ez a cikk a kerítéstől a rackig köti össze őket.

Miért kevés egy adatközpontban a rögzítés?

Kiberoldalon a cikk az ENISA-ra hivatkozik, amely a zsarolóvírust tartja az EU-t leginkább érintő kiberfenyegetésnek. Fizikai oldalon a jogosulatlan belépés, a lopás, a rongálás és a szabotázs veszélyezteti az embereket, az eszközöket és az üzletmenet folytonosságát, miközben az erdőtüzek és a hőhullámok is terhelik az üzemeltetést.

A csapatnak ezért nemcsak azt kell látnia, ki lép be, hanem azt is, mi történik a kerület mentén, a szervertermekben és a kritikus üzemi területeken. Hogy mekkora infrastruktúra áll a mai AI-szolgáltatások mögött, azt az Amikor az AI-következtetés megawattokban mérhető című írásomban mutattam be. Minél értékesebb egy telephely, annál kevésbé elég az utólag visszanézett felvétel.

  1. Kerület
  2. Járművek és kapu
  3. Épület­bejárat
  4. Szerver­terem
  5. Diszpécser­központ

Egy VMS, egy kép: riasztás, keresés és bizonyíték minden rétegben

A cikkben tárgyalt rétegek; a diszpécserközpont köti össze őket.

A kerítésnél: a rögzítéstől a korai jelzésig

A hagyományos CCTV azt rögzíti, ami történt. A cikk szerint az AI-alapú videó a szokatlan mozgást már a történés közben is felismerheti, és az emberi figyelmet arra irányíthatja, amit ki kell vizsgálni.

Adatközponti kerület éjjel, ködben: horganyzott oszlopon dóm PTZ-kamera egy nedves szervizút mellett, megvilágított növénysáv és szögesdróttal koronázott kettős kerítés, amelynek külső oldalán egy ember sétál
Éjszaka, eső és köd: az oszlopra szerelt kamera a kerítést figyeli, kívül valaki elsétál mellette.

A kerület mentén a látható és a hőkamerás kép elemzéssel kiegészítve segíthet a mozgást sötétben, rossz látási viszonyok között vagy kedvezőtlen időben is észlelni, és korán jelezni, ha valaki tiltott területhez közelít. Az elemzés a valóban fontos eseményt elválaszthatja a téves riasztások gyakori forrásaitól, például a vadállatoktól vagy a mozgó fáktól. A járműveknél a rendszámfelismerést a típus, a gyártmány, a modell, a szín és a haladási irány egészítheti ki, így az operátor kamerától kameráig követheti a járművet: honnan jött, hová ment, és a telephelyen van-e még.

Mérnökként hozzátenném: a kevesebb téves riasztás nem csak a szoftveren múlik. A kamera helye, a megvilágítás, a háttér és a helyszíni hangolás ugyanúgy számít, ezért a téves riasztások arányát az üzembe helyezéskor érdemes megmérni, éjjel és rossz időben is. Ahol a köd korlátozza a kamerát, egy másik érzékelő segíthet, ahogy A radar nem kamera című cikkemben írtam. A korai jelzés pedig csak annyit ér, amennyi intézkedés követi; erről szól a Riasztásból intézkedés.

Keresés hétköznapi nyelven

A cikk szerint egyes videómenedzsment-rendszerek (VMS) már szemantikus keresést is támogatnak: az operátor hétköznapi nyelven írja le, mit keres, ahelyett hogy előre megadott jellemzők közül választana. A cikk példája a „telefont tartó személy”; a hasonlósági keresés ezután ugyanannak a személynek a több kamerán rögzített megjelenéseit kapcsolhatja össze.

Adatközpontban az érték az időponttal és a hellyel való összekapcsolásból fakad. Egy olyan lekérdezés, mint „személy a szerverterem bejáratánál 22:00 után” – ez a saját példám, nem a forrásé –, ha a rendszer támogatja, órákig tartó kézi visszanézést percekre rövidíthet. A cikk óvatosabb: szerinte ezek a képességek jelentősen rövidíthetik a keresést.

Két dolgot érdemes élesítés előtt rendezni. A keresés eredménye nyom, nem bizonyíték; a bizonyító erő az eredeti felvételen és annak kezelésén múlik, ahogy A felvétel útja a kamerától a tárgyalóteremig című írásomban kifejtettem. A személyek kamerák közötti követése pedig személyesadat-kezelés: az EU-ban a célt, a megőrzési időt, a hozzáférési jogokat és a keresések naplózását előre meg kell határozni. EDPB 3/2019-es iránymutatás

Az ajtónál és a racknél: az érvényes kártya még nem bizonyíték

Sötét munkaruhás férfi kártyát tart az olvasóhoz egy nyitott szerverterem-ajtónál, közvetlenül mögötte egy hátizsákos, arany körvonallal kiemelt második férfi lép be; a falon dómkamera figyeli a bejáratot
Szorosan követő belépés a szerverterem ajtajánál: az egyik ember kártyát mutat, a másik nélküle követi.

Az épületnél a videó újabb réteget ad a beléptetéshez. Az érvényes azonosító nem feltétlenül jelenti, hogy aki használja, jogosult a belépésre. A videóelemzés segíthet felismerni a szorosan követő belépést (tailgating), amikor egy jogosulatlan személy egy jogosult után jut át az ellenőrzött bejáraton, a vizuális ellenőrzés pedig azt, hogy a belépő egyezik-e a bemutatott azonosítóval. A kétirányú hanggal a távoli csapat is szólhat a látogatókhoz.

Az épületen belül a cikk szerint az AI-alapú videó jelezheti, ha váratlan helyen jelenik meg valaki, ha munkaidőn kívül van mozgás, vagy ha valaki szokatlanul viselkedik a kritikus eszközök körül – például ok nélkül időzik egy szerverrack mellett, akkor is, ha jogosultan lépett be. A központi rendszer az esemény közben teljesebb képet ad, utólag a kereshető felvétel segíti a kivizsgálást.

Szerintem az elemzés riasztást és összefüggést adjon az operátornak, az ajtónyitásról pedig a beléptetőrendszer döntsön, ahogy Az AI mint elemző, nem mint ajtónyitó vezérlő című cikkemben is érveltem. A szorosan követő belépésre szóló riasztás csak akkor hasznos, ha az eljárásrend rögzíti, ki ellenőrzi, mennyi idő alatt, és mi történik, ha beigazolódik.

Hol fusson az AI? Három architektúra

Kalpana Rautela, a Counterpoint elemzője három lehetőséget vizsgál négy szempont szerint: hol fut az elemzés és milyen képminőséget igényel, jelez-e a rendszer hálózati vagy szerverkimaradáskor, mennyire illeszthető a meglévő infrastruktúrához, és hogyan skálázható sok kamerára. Költségoldali megjegyzést is tesz: az alkatrészárak emelkedése és a hiperskálás AI-adatközpontok memória- és chipigénye miatt az AI-alapú videómegfigyelési hardverek piaca az előrejelzés szerint a 2026-os 8,9 milliárd dollárról 2030-ra 24,6 milliárd dollárra nő. Az irónia szembeötlő: az AI-boom, amely értékesebbé teszi az adatközpontokat, a védelmük hardverét is megdrágítja.

Falra szerelt csőkamera metszeti illusztrációja: látszanak az objektív lencsetagjai, a képérzékelő és egy nyomtatott áramkör nagy processzorlapkával, amelyet arany vezeték köt az érzékelőhöz
AI a kamerában: objektív, képérzékelő és a képet a házon belül elemző processzor.

AI a kamerában. A feldolgozás a kamerában, NPU-n vagy peremprocesszoron fut; a képességet a számítási teljesítmény, a hőtűrés és az ár határozza meg. Az elemzés szerint az Axis több mint 25 éve fejleszti ARTPEC-chipjeit; a 2024-es ARTPEC-9 háromszor jobb videóelemzési teljesítményt nyújt a korábbi generációknál, és támogatja az AV1 kódolást, amely 20%-kal csökkenti a bitrátát. A Hanwha Vision Wisenet 9 SoC-ja két NPU-t használ, így a képfeldolgozás és az elemzés nem verseng. A döntés helyben születik: a riasztás gyors, kapcsolatkiesésnél is működik, és a kamera a tömörítés előtti képet elemezheti. A korlát az egyetlen látómező: egy személy telephelyen átívelő követéséhez egy kamera kevés.

AI-doboz a peremen. Egy külön helyszíni eszköz dekódolja a meglévő kamerák adatfolyamát, és központilag futtatja az elemzést. A Counterpoint példái a Motorola Solutions Avigilon-eszközei, amelyek a telephelyen keresnek személyt vagy járművet, és ONVIF-kompatibilis, más gyártótól származó kamerákat is kezelnek, valamint a Hanwha Vision NVIDIA Orin NX modulra épülő, nyolccsatornás AIB-800 doboza. Azokhoz a telephelyekhez illik, ahol a kamerák több ütemben, különböző gyártóktól kerültek fel, mert elkerülhető vele a csere, az újrakábelezés és az üzemzavar. Korlátja a csatornaszám, az elemzés összetettsége és a számítási kapacitás.

Hibrid AI. Az elemzés szerint ez nem egyszerűen kamera plusz doboz: az értéke abban rejlik, hogy eldönti, melyik feladat hol fusson. Az időkritikus észlelést és riasztást a kamera végzi, a peremeszköz pedig több kamera adatait dolgozza fel, és közös adatbázist tart fenn.

ArchitektúraErősségKorlátHová illik
AI a kamerábanKis késleltetés, hálózatkiesésnél is riaszt, a tömörítetlen képet elemziEgy látómező; a több kamerát igénylő feladat nehézKerületi észlelés, szabotázsjelzés, munkaidőn kívüli riasztás az ajtóknál
AI-dobozElemzést ad a meglévő kamerákhoz, csere nélkülCsatornaszám, elemzési összetettség és kapacitás dobozonkéntBővített vagy átvett, vegyes kameraparkú telephely; keresés a teljes telephelyen
HibridGyors helyi reakció, nagyobb kapacitás és rendszerszintű rálátásNem tárgyaljaNagy telephely; a feladatok elosztását tervezni és tesztelni kell
Az erősség és a korlát a Counterpoint Research elemzése, a „Hová illik” a saját értékelésem.

Hibrid a gyakorlatban: munkamegosztás feladat szerint

A Counterpoint a hibrid megoldást egy bankfiókkal szemlélteti: a kamera éles képet rögzít a belépőről, észleli a zárás utáni ácsorgást az ATM-előtérben, vagy jelzi a kamera megrongálását, a közös rendszer pedig központi figyelőlistával veti össze a személyeket, és több kamera eseményeit kapcsolja össze. Adatközpontra átültetve – ez már a saját megfeleltetésem, nem a forrásé:

  • A kamerán: közeledés a kerítéshez éjjel, a kamera megrongálása, mozgás zárt területen munkaidőn kívül.
  • A közös rendszeren: egy jármű követése a kaputól a rakodóig, a szorosan követő belépésre szóló riasztás összekapcsolása a beléptetőrendszer eseménynaplójával.

Egy folyamatosan bővülő telephelyen a négy szempont egyike – hogyan bővül a rendszer, ha új terem épül – többet dönthet el, mint bármely adatlap. A Counterpoint következtetése: nincs mindenhol legjobb architektúra, a feladat dönt.

A videórendszer ne legyen a gyenge láncszem

A Data Centre Solutions cikke olyan gondolattal zárul, amelyet legalább olyan fontosnak tartok, mint magát az elemzést: a videórendszer maga is célponttá válhat. A kiberellenálló képességnek ezért a kiválasztás részének kell lennie, különösen mivel az uniós kiberrezilienciáról szóló rendelet (CRA) magasabbra teszi a mércét a digitális elemeket tartalmazó termékeknél. A cikk szerint érdemes beépített biztonságra (secure by design) utaló gyakorlatot és elismert tanúsítást keresni, például a német BSI IT-biztonsági címkéjét. A CRA bejelentési határidőit a Gyorsabb kibertámadások az AI korában című írásomban foglaltam össze.

Egy NPU-val szerelt kamera saját firmware-rel, modellekkel és hálózati csatlakozással rendelkező számítógép; hogy ez miért számít, arról A kamera is számítógép és A kiber- és fizikai biztonság összefonódása szól. Több intelligencia a peremen több frissítendő, szegmentálandó és felügyelendő eszközt jelent.

Mindkét forrást érdemes az eredetük ismeretében olvasni: az elsőt egy gyártó termékvezetője írta, a második a Hanwha Vision termékeit is példaként használja. A terméknevek itt illusztrációk, nem ajánlások. A közös üzenet márkától függetlenül megáll: az AI segít az operátoroknak a figyelmet igénylő eseményekre összpontosítani, és jól megvalósítva ellenállóbb, többrétegű védelmet ad.

Források: Data Centre Solutions (John Lutz Boorman, 2026. november 11.) · Counterpoint Research (Kalpana Rautela, 2026. november 6.) · EDPB 3/2019-es iránymutatás a videóeszközökről

Utoljára felülvizsgálva:

Kérdésed van, vagy átbeszélnéd valamelyik témát?

Legyen szó biztonsági rendszerről, a mögötte lévő informatikai hálózatról vagy egy gondolatról ezekből a cikkekből, szívesen meghallgatlak.

Kapcsolatfelvétel
Hasznosnak találtad? Megosztás LinkedInen
Horváth Gábor biztonságtechnikai mérnök

Horváth Gábor

Biztonságtechnikai mérnök

Horváth Gábor biztonságtechnikai mérnök, több mint húsz év tapasztalattal a biztonságtechnikai rendszerek tervezése, telepítése és üzemeltetése területén. Dolgozott kormányzati intézmények, diplomáciai képviseletek, valamint EU- és NATO-környezetben működő szervezetek számára.

Kapcsolat a LinkedInen →
WhatsApp-csevegés