互联网
物联网
Shodan，官方给自己定义是Computer Search Engine（计算机资源搜索引擎） 它搜索的是各类设备端口产生的系统旗标信息，换言之， 他在搜索IP地址。
IP地址意味着什么？在每一个IP背后，是放在某处的路由 器、冰箱、摄像头或者是前文所述的某家企业的能源管 理系统。
基本智能
DB33（浙江）
D1/微光
1080P/星光
数字化 D1
H.264 1080P
星光
视频 结构化
H.265 4K
超星光
视频 实战化
安防
AI
产品部件？ 系统级方案？
AI对安防监控系统全流程的挑战
数据可视化 业务应用
结构化（含物联网传感数据）、半结构化数据
图片、视频 图片、视频
结构化、半结构化数据
AI融合 多维大数据
合成作战
安Байду номын сангаасIT化2.0
业务融合
视图大数据
视频内容加密
“看”得稳
视图信息安全
“看”得准
视图智能分析
数据定义智能
看得广
车辆大数据 视频网闸
视频安全准入
深度智能
场景智能
GB/T-28181
视图大联网
GA/T1400 视图联网应用
8K+/全天候 4K/全景联动/ 超星光
看得清
全天候超高清
单位3
实战业务
定制业务
第 三
业务接口
方
SDK
视图信息综合应用平台
新
息
系
标准接口
SDK
统
前端
前端
用户对于个性需求的不确定性
整合现网非标前端产品
对接用户方已有各类信息系统，
定制业务的分支版本管理
获取各类业务数据
复杂，平台升级困难
技战法因各地地情不同需要本地化、
贴身定制开发
AI 时代信息安全面临的挑战
部署 规模
300路 100车道 800车道
500路 500人车 300基站
数据 模型
1万人/天 0.2万车/天 1.5万车/天 2万目标/天
1条/5S 1条/S
每天 数据
300万 150万 1200万 1000万 864万 2592万
数据 总量
11亿/年 5亿/年 44亿/年 37亿/年 31.5亿/年 94.6亿/年
合计：200亿
百亿级数据响应
AI带来的结构化/半结构化数据动辄百亿；在 “以图搜X”时代须实现百亿的秒搜处理能力
系统轻量化
规模增长的数据量带来系统级的机房空间扩张 与投资压力
数据挖掘与可视化
海量数据需要进行有效的数据价值挖掘，并进 行友好业务呈现
AI 对业务应用的挑战
单位1
单位2
业务的个性化和不确定性VS业务厂商的产品的标准化
如果仅是如此，shodan似乎还不足以让我们恐惧，但是 值得注意的是，shodan搜索出来的设备都是存在安全漏 洞的——比如几十万台从来没改变过用户名和密码的用 “admin”和“1234”就能登录的机器。
人工智能与安防融合的挑战
AI成为安防技术与政策中最热的关键词
关关键键词词：： 大联网、大数据 、人脸智能、视图库、视图解析、信息安全、物联网
基本业务 人、车、物、流程
AI增值 提升效率，扩展功能
AI 加速安防IT化3.0 转型
IT
深度 学习 大数据 云计算 IP化
安防IT化3.0
“看”得懂 大数据
N
智能
A智能后端
业务
A融合架构/多业务应用标准接口
多厂商博弈，私有接口开放
B
D
E
A智
C智
智
算能
算能
能
法前
法后
业
端
端
务
ABCDE接口
趋势：
架构之争 产品之争
AI 对大数据的挑战
某大型游乐园区一年的数据采集量:
数据类型
人脸识别数据 车牌识别数据 车脸二次识别 视频流结构化 实时安保数据 RFID数据采集
应用开发接口 标准/协议
前端采集
深度智能摄像机 物联网摄像机
图片、视频
视频图像存储
视图云存储
视频图像智能分析 大数据研判检索
视图解析系统
传统认知 算力 + 算法 / 样本 = 好 AI
好AI更需要好的架构与产品
智能业务
计算存储平台
前端-后端/算力
智能算法
单厂商基础方案，业务开放
A算法
A智能前端
A算法