机器学习和人工智能被吹捧为解决数据中心问题的灵丹妙药。虽然其中大部分是炒作和毫无根据的乐观，但人工智能工具在某些领域已经非常有用和实用。这些领域包括数据中心物理安全，其中人工智能在三个领域发挥着重要作用：图像和声音识别、异常检测和预测分析。图像和声音识别图像识别是人工智能的成功案例之一，这项技术正在迅速广泛应用于各个领域。它的近亲语音识别也是如此。显然，在物理安防中，图像识别最常用于人脸认证。但这不仅仅是确认某人是他们进入大楼时所说的那个人。图像识别还可用于查明火灾或其他紧急情况期间房间内是否有人。它可用于判断检测到的运动是在风中摇曳的树枝，还是试图攀登栅栏的入侵者。图像识别还可用于识别携带枪支或其他武器或未戴口罩的人。说到与健康相关的问题，一旦数据中心访问者被诊断出患有COVID-19，图像识别可用于识别感染者访问过的所有位置（以便彻底清洁这些地方）和所有接触过的人,为了检测它们。对于具有高度特定需求的大型数据中心，有许多商业和开源图像识别算法和训练集可用。对于较小的数据中心，那些没有专门的AI开发团队资源的数据中心，或者那些存在非常常见问题的数据中心，供应商越来越多地将这些功能构建到他们的安全产品中。根据总部位于斯德哥尔摩的研究公司Memoori的说法，人工智能分析将在未来十年内成为视频监控解决方案的标准功能。Memoori董事总经理JamesMcHale在最近的一份报告中表示：“迫切需要充分利用视频监控摄像头产生的海量数据，而基于人工智能的解决方案是唯一可行的解??决方案。”McHale告诉DCK，视频监控摄像头会产生海量数据，而人工智能是处理这些数据的唯一可行方式。人工智能系统也可用于分析热图像。他告诉我们，由于COVID-19大流行的直接后果，热像仪是今年的一个重要增长领域。今天，许多热像仪只是热信息，但客户越来越多地寻找一种方法来捕获处理热图像和传统图像并应用神经网络算法的系统。但他补充说，人们普遍缺乏对这项技术如何用于大流行病控制的了解。此外，大流行病正在对某些经济部门产生负面影响。影响、影响支出并改变公司购买技术的方式。“客户将要求他们的投资获得更多价值，并且不太愿意承担前期资本支出，”他说。这使得访问控制即服务和视频监控即服务更具吸引力。机器学习用于异常检测的另一个非常常见和实际的用途是异常检测。该系统根据数据基线进行训练，识别常见模式，然后查找不符合这些模式的异常事件。因此，例如，各种随机的汽车驶过一个设施可能是正常的，但如果同一辆车在过去一个小时内被驾驶了几次，并且每次都减速然后再次加速，警卫就会发出可疑事件的警报。同样，如果有人在数据中心不经常去哪里，或者他们不经常工作，这可能是麻烦的迹象，”Insight云和数据中心转型高级安全架构师MichaelPerreault说，总部位于亚利桑那州坦佩的技术咨询和系统集成公司。它可以帮助人们关注潜在的威胁区域。“它用于帮助数据中心发现安全团队可能遗漏的持续问题。预测分析模式识别还有另一种用途——预测事件。在当今的数据中心，此功能主要用于预测性维护。因此，例如，如果一台设备升温到异常水平，人工智能系统可以在设备完全失效之前标记问题并发出服务请求。Perreault表示，目前除了数据中心维护之外，预测分析的应用并不多，Perreault说。然而，一些供应商也在研究技术，通过将电子邮件或视频监控等内部数据与逮捕报告或社交媒体帖子等外部数据相结合，帮助在安全问题发生之前检测到这些问题。暴力事件、向公司发送威胁性电子邮件以及在社交媒体上发表攻击性帖子都可能表明此人可能会升级进一步。可以建议警卫将那个人留在他们的雷达上。当然，用人工智能来预测机器何时可能会失败与用它来预测人类何时可能会失败是不同的，后者会引发一些棘手的伦理问题。有多少信息收集过于侵入？如果它有助于确保员工和关键基础设施的安全，那么它值得吗？今天，此类系统的最大问题是它们仍然相对较新、不准确且容易产生偏差，世界各地的系统都是如此。警察部门发现了这一点。但是关于人工智能系统的事情是它们一直在变得越来越准确。很快，预测性安全技术将广泛应用、价格低廉且易于设置。已经有供应商将此作为一项服务提供，将公司内部数据与外部资源相关联以预测人类行为，而且这项技术不会消失。数据中心安全经理和高级管理人员应提前制定道德框架。当涉及员工、他们的家庭成员或公众时，安全系统应该具有多大的侵入性？哪些数据源是合适的工具？行动的门槛是多少？少数派报告式的预测安全技术不再是科幻小说，电影提出的道德问题不再是理论。
