在邊緣計算下，如何提升監控下的隱私安全

安全面前無小事，作爲在保護整個社會安全中起着重要作用的安防行業，一直以來都是大家關注的領域，而隨着科技的不斷髮展，智能安防通過技術與算法的不斷深入與完善，逐漸成爲安防行業的重頭兵。
智能安防發展的最初幾年裏，主要通過前端攝像頭採集數據，將數據傳輸到後端服務器、NVR或者雲端通過雲計算進行智能分析，但隨着視頻數據量迅猛遞增，以及網絡傳輸帶寬的壓力和成本問題，安防行業開始尋找新的解決方案，邊緣計算和邊緣存儲的應用由此開始。
隨着亞馬遜、阿里、華爲、微軟等巨頭的戰略佈局，邊緣計算已經逐步成爲互聯網時代的另一新爆點。IDC數據顯示，未來超過 50% 的數據需要在網絡邊緣側分析、處理和存儲，邊緣計算市場規模將超萬億，成爲與雲計算平分秋色的新興市場。
根據CB Insights的市場規模量化工具，到2022年，全球邊緣計算市場規模預計將達到67.2億美元。而根據Research and Markets發佈的報告，邊緣計算的市場規模複合年均增長率高達35.2%。當然，安防也不例外，目前來看，邊緣計算正在安防監控領域孕育着巨大的市場。
現階段凡是需要做圖像數據採集進行分析和反饋的場景都會需要攝像頭，而安防行業的核心終端設備之一就是攝像頭。邊緣計算可就近計算的特質，讓其可對人臉數據、人羣分析、生物識別、車輛識別等分析結果進行高效的處理，讓原先智能場景不再需要在現場佈署昂貴笨重的硬件設備，降低了成本，極大提高智能場景的落地效率和複製速度，讓安防場景能夠更好更快地落地實施。相比於傳統視頻監控，邊緣計算+視頻監控，通過對視頻圖像進行預處理，去除圖像冗餘信息，使得部分或全部視頻分析遷移到邊緣處，由此降低對雲中心的計算、存儲和網絡帶寬需求，提高設備響應速度，相當於在邊緣直接對視頻圖像進行處理分析，彌補了雲計算響應不及時、功耗高等問題，並滿足了安防行業在實時業務、安全與隱私保護等方面的需要，因此被廣泛應用。
而邊緣計算在安防行業落地會有不同場景，具體可分爲以下兩種：
第一類是私有網絡：通常採用邊緣存儲私有化+邊緣計算私有化部署，該方案的優點是可內網保證數據私密性，可打開網絡出口，把數據備份到公網上，本地計算資源不足時也可打開公網出口，業務降級到中心計算資源去計算處理。
第二類是互聯網：與私有網絡不同，互聯網因爲公網的問題通常會存在幾個痛點：
1、鏈路質量問題。主要是設備到計算中心機房通信的延遲，同時網絡鏈路不可靠。
2、私有協議和利舊問題。因爲安防領域存在歷史監控設備，不一定可以直接做嵌入程序升級，而很多廠家的設備也需要支持非標準的多媒體協議。
3、資源成本問題。本地攝像頭的數據如果全部上傳到存儲，很多無價值數據也會佔用傳輸通道和存儲空間，如果能夠就近處理刪除無用數據，將減少很多資源浪費。
4、傳輸時效問題。尤其在監控歷史數據遷移等過程中，長距離的到中心計算機房的傳輸會帶來極大的時間成本損失。
5、隱私安全問題。部分公網存在易破解等缺點，容易將個人隱私被盜取。
綜上，邊緣計算可以從運營成本、帶寬利用率、丟包率、業務延遲、保護隱私安全等指標上給整個行業的性能和運營帶來極大的改善，而堃乾智能提出的邊緣計算安防解決方案，提供了一系列特性如流式上傳、倍速播放、去SD卡化、邊緣智能分析等，賦能各行各業，讓各個合作企業能夠享受邊緣計算所帶來的便捷。
邊緣計算在安防領域的實踐從根本上打破了原本“智能”應用落地的壁壘，讓原本受限於計算力、傳輸環境、存儲環境等諸多問題的應用設想得以實現，進一步提升了視頻分析速度，也在保護用戶隱私安全方面提高了安全指數。值得一提的是，邊緣計算最終目的不是取代雲端，而是通過分佈式架構拓展雲端邊際，使之更靠近用戶網絡，以滿足對於網絡等待時間、帶寬更高需求的新興應用。