9/11襲擊是最著名的安全威脅之一，它改變了我們出行的方式。為了保護乘客和機組人員，機場已經(jīng)將尋找危險物品作為首要任務。通過物聯(lián)網(wǎng)預測分析和機器學習識別危險行為，可以補充當前的安全措施并促進更好的飛行條件。

圖片來源：https://pixabay.com/photo-1105980/

譯：冬夜

9/11襲擊是最著名的安全威脅之一，它改變了我們出行的方式。為了保護乘客和機組人員，機場已經(jīng)將尋找危險物品作為首要任務，通過物聯(lián)網(wǎng)預測分析和機器學習識別危險行為，可以補充當前的安全措施并促進更好的飛行條件。
 
行為識別背后的理論基礎(chǔ)是這樣的：當某人正在或準備實施犯罪或恐怖行為時，該人的表現(xiàn)行為會超出常態(tài)。傳感器、視頻數(shù)據(jù)以及其他技術(shù)為行為識別、識別緊張、壓力等提供了關(guān)鍵因素。
 
根據(jù)datanami的說法，這種類型的行為通?？梢员憩F(xiàn)出來，可以分為兩類——微觀行為和宏觀行為。面部表情、出汗、缺乏眼神交流都是微觀的例子；宏觀行為是在整個空間中更廣泛的活動，或者當有人接近或投來目光時，試圖躲避、隱藏他或她的臉。
 
目前，是由人工負責行為監(jiān)測，如果使用技術(shù)自動監(jiān)測這些行為可能會更加準確?；谛碌姆治龉ぞ?，機場現(xiàn)在可以創(chuàng)建每個人的行為軌跡和360度視圖。通過應用物聯(lián)網(wǎng)預測分析并查看這些大型結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)，并通過地圖繪制工具、地理位置信息等提供支持，機場安全將能夠?qū)γ總€人的潛在風險進行評級。
 
諷刺的是，在識別非典型人類行為方面，技術(shù)通常比人類更好。對工作人員來說，最困難的是追蹤所有與恐怖主義行為相結(jié)合的行為。這些行為中的每一個可能都不會引起懷疑，只有當我們能夠看到他們的所有行為表現(xiàn)時，我們才能獲得完整的分析結(jié)果。
 
雖然威脅可能來自恐怖分子或乘客等外部來源，但也可能是由心懷不滿的機場員工或合同工從內(nèi)部煽動。通過使用預測分析，安全運營經(jīng)理可以監(jiān)控內(nèi)部員工和承包商的訪問和行為，識別危險的內(nèi)部人員，并在攻擊發(fā)生之前阻止。
 
安全團隊應該知道哪些機場員工可以訪問資產(chǎn)，包括物理資產(chǎn)（行李、飛機）和日常運營中使用的網(wǎng)絡信息等。通過收集大數(shù)據(jù)和使用物聯(lián)網(wǎng)預測分析，可以自動監(jiān)控和記錄不規(guī)范的員工活動。
 
機器學習平臺可以整合來自員工的各種來源數(shù)據(jù)，例如績效歷史、犯罪記錄、信息系統(tǒng)訪問，包括現(xiàn)場VPN（虛擬專用網(wǎng)絡）使用，以及機場終端內(nèi)的物理移動——從工作胸牌掃描或基于物聯(lián)網(wǎng)的門鎖和地理空間掃描儀接收的數(shù)據(jù)。
 
像美國其他警察部門一樣，法國國家憲兵隊正在向其武器庫中添加數(shù)據(jù)分析。他們并沒有放棄成熟的技術(shù)，而是將軍隊現(xiàn)代化。