- Künstliche Intelligenz
Moderne digitale Technologie wird immer mehr zu einem festen Bestandteil der täglichen Arbeit von Sicherheitsexperten. Unternehmen in der gesamten Sicherheitsbranche setzen zunehmend auf künstliche Intelligenz, um ihre Arbeit zu erleichtern und die wachsende Komplexität ihrer Sicherheitspraktiken zu bewältigen, die auf die heutige Datenflut angemessen reagieren und mit den Erwartungen der Kunden Schritt halten müssen. Wie genau hat KI also die Sicherheitverbessert?
Zunächst: Was ist künstliche Intelligenz in der Sicherheitsbranche?
Die Abkürzung "KI" steht für künstliche Intelligenz und ist eine Disziplin der Informatik, die heute in vielen Aspekten der Sicherheit steckt: Um unsere Sicherheit zu gewährleisten, kommt KI in vielen Bereichen der Sicherheit zum Einsatz, nicht zuletzt bei der Videoüberwachung, der Sicherheit in den eigenen vier Wänden oder der Bedrohungsanalyse bei Großveranstaltungen. Kurz gesagt, wenn Maschinen von sich aus und ohne menschliche Anleitung intelligente Dinge tun, um Sie zu schützen, können Sie ziemlich sicher davon ausgehen, dass KI ihr Rückgrat ist.
Damit Sicherheitssysteme in der Lage sind, Aufgaben zu erfüllen und Probleme so zu lösen, wie wir es tun würden, müssen sie mit menschenähnlicher Intelligenz ausgestattet sein. Aber wie kann menschliche Intelligenz nachgeahmt werden? KI-Entwickler verwenden mathematische Funktionen und komplexe Algorithmen, um die menschliche Intelligenz in der Sicherheitstechnologie zu imitieren. Was viele jedoch nicht wissen, ist, dass KI auch stark von der Psychologie, den Neurowissenschaften, der Philosophie und der Kommunikation beeinflusst wird. Die Informatik kann als bloßer Ermöglicher betrachtet werden, als Mittel zum Zweck bei der Implementierung von KI.
Je nach ihrem spezifischen Ziel können zwei Arten von KI-Sicherheit unterschieden werden: Die so genannte starke KI (auch "Superintelligenz" genannt) und die schwache KI. Während starke KI darauf abzielt, die intellektuellen Fähigkeiten des Menschen zu erreichen oder sogar zu übertreffen, indem sie menschliches Denken und Verhalten imitiert, arbeiten schwache KI-Sicherheitslösungen auf einem relativ oberflächlichen Intelligenzniveau. Sie entwickeln zwar kein tiefes Verständnis von Problemen, um diese zu lösen, aber ihre Fähigkeit, Aufgaben autonom und automatisch auszuführen, eröffnet den Sicherheitsunternehmen, die sie einsetzen, bereits unglaubliche Möglichkeiten. Ein herausragendes Beispiel für starke KI im Sicherheitsbereich ist das Alarmmanagement, wo sie die Genauigkeit der Alarmverifizierung verbessert und die Zahl der Fehlalarme reduziert.
Künstliche Intelligenz (KI), maschinelles Lernen (ML) und Deep Learning (DL): Eine Begriffsklärung
Die Begriffe "künstliche Intelligenz", "maschinelles Lernen" und "deeplearning" werden oft synonym verwendet. KI ist dabei einfach der Oberbegriff und die weiter gefasste Definition schließt sowohl maschinelles Lernen als auch deeplearningein. Wenn man jedoch weiß, welche Aspekte sich unterscheiden und welche spezifischen Fähigkeiten sie haben, können Sicherheitsverantwortliche bei der Suche nach Sicherheitslösungen fundiertere Entscheidungen treffen und das geeignete KI-basierte Tool für eine bestimmte Sicherheitsmaßnahme auswählen.
Machine Learning
ls "die Fähigkeit von Computern, zu lernen, ohne explizit programmiert zu werden" (Arthur Sand), ist maschinelles Lernen (ML) eine Art von KI, die ein schnell wachsender Trend in der Sicherheitsbranche ist. Es beschreibt Systeme, die selbstständig Wissen aus Erfahrung generieren, ohne vorher programmiert zu werden. Seine Engines basieren auf intelligenten selbstlernenden Algorithmen, die von vielen Sicherheitssystemen verwendet werden, z. B. SIEM oder Malware-Analyse. ML-Anwendungen können Schlüsse ziehen und Vorhersagen treffen, indem sie Muster und bestimmte Regelmäßigkeiten in großen Datenmengen erkennen und diese intelligent miteinander verknüpfen und korrelieren. Um Bedrohungen eigenständig zu erkennen und Sicherheitsvorfälle zu verstehen, versuchen sie, normale von verdächtigen Verhaltensweisen zu unterscheiden. Die Programme, die dieser Art von KI zugrunde liegen, durchsuchen große Datenmengen nach bestimmten Regelmäßigkeiten und Mustern. Sie ordnen Sicherheitsereignisse in Gruppen ein und setzen sie auf intelligente Weise zueinander in Beziehung. Wenn sie zusätzlichen Datenströmen ausgesetzt werden, verbessern Systeme mit maschinellen Lernfähigkeiten ihre Leistung mit der Zeit - sie werden intelligenter. Auf diese Weise können ML-Anwendungen im Sicherheitsbereich dazu beitragen, Ressourcen freizusetzen und Mitarbeiter von langweiligen, unproduktiven und sich wiederholenden Aufgaben zu entlasten.
ML-Anwendungen können ihre Erfahrungen auch an andere Maschinen wie Roboter oder Drohnen weitergeben. In der Praxis helfen ML-Anwendungen den Sicherheitsbehörden, Bedrohungen zu erkennen und Vorfälle in Maschinengeschwindigkeit vorherzusagen. Das macht sie besonders wertvoll für datenorientierte Unternehmen, die für ihr Geschäft auf eine operative Cybersicherheitsumgebung angewiesen sind.
Im Bereich der physischen Sicherheit wird KI - und genauer gesagt ML - bereits in großem Umfang im Einzelhandel eingesetzt: Zum Beispiel, um Betrug an Supermarktkassen zu verhindern. In Kombination mit Kameras wird KI eingesetzt, um gescannte Artikel gegenzuprüfen. Indem sie dazu beiträgt, die betrügerische Verwendung von Barcodes durch Verbraucher zu erkennen und zu verhindern, hat diese Technologie das Potenzial, dem Einzelhandel jährlich Milliarden zu sparen.
Deep Learning
Deep Learning ist maschinelles Lernen. Es ist in der Tat eine Form und Weiterentwicklung des maschinellen Lernens und der künstlichen Intelligenz (KI), die die Art und Weise nachahmt, wie Menschen Wissen erwerben, indem sie künstliche neuronale Netze, statistische Methoden und große Datenmengen verwendet. Es geht darum, "(...) der Technologie beizubringen, die Welt um uns herum so zu verstehen, wie wir sie verstehen" (Willem Ryan, Senior Director, Global Marketing bei Avigilon).
Auf der Grundlage der verfügbaren Informationen können Systeme, die DL nutzen, das Gelernte immer wieder mit neuen Inhalten verknüpfen und so kontinuierlich Neues lernen. Ab einem gewissen Punkt sind diese Systeme dann in der Lage, Prognosen zu erstellen, eigenständig Entscheidungen zu treffen und diese kritisch zu hinterfragen.
Der Hauptunterschied zwischen Anwendungen des maschinellen Lernens und des Deep Learnings besteht darin, dass der Mensch bei Letzteren in der Regel nicht in den Lernprozess eingreift. Das muss er auch nicht: Mithilfe programmierbarer neuronaler Netze können Systeme, die auf DL-Mechanismen aufbauen, ohne menschliche Hilfe präzise Entscheidungen treffen.
Deep Learning eignet sich besonders für die Vorhersage des Kundenverhaltens durch Sprach-, Objekt-, Foto- oder Gesichtserkennung. Aus diesem Grund wird DL dort eingesetzt, wo große Datenmengen auf zugrundeliegende Muster untersucht werden müssen.
Künstliche Intelligenz in der Sicherheit auf dem Vormarsch
KI hat verschiedene einzigartige Eigenschaften, die ihr den Weg in den Bereich der Sicherheit ebnen. KI wird immer häufiger für verschiedene Anwendungen eingesetzt, darunter auch für die physische und Cybersicherheit.
Diese Entwicklung wird durch das Zusammentreffen mehrerer Faktoren ermöglicht und vorangetrieben: In erster Linie ermöglicht die Verfügbarkeit einer Vielzahl von Daten ("Big Data") den Sicherheitsexperten, ihre Systeme effektiv zu trainieren. Im Bereich der physischen Sicherheit werden diese Daten beispielsweise von vielen Sensoren erzeugt, darunter Wärme- und Infrarotsensoren und Bewegungsmelder, die in Videoüberwachungskameras eingesetzt werden. Weitere Faktoren, die das Wachstum von KI im Sicherheitsbereich beschleunigen, sind Open-Source-Software, die Zunahme von tiefen neuronalen Netzen und die Computerarchitektur der nächsten Generation.
Da Unternehmen mit mehreren unabhängigen Endpunkten verbunden sind, werden sie immer anfälliger für Bedrohungen im Bereich Cyber Security. Dies wird durch die Zunahme von immer mehr vernetzten Unternehmen, Geräten und Anwendungen noch verstärkt. Indem sie Sicherheitsexperten proaktive Funktionen zur Bedrohungsabwehr wie Echtzeitwarnungen zur Verfügung stellen, ermöglichen KI und Anwendungen ihren Nutzern, jedes System zu schützen. Das maschinelle Lernen in der KI kann Bedrohungen und Malware proaktiv verhindern, anstatt sie nur zu erkennen. Dies trägt wesentlich zum enormen Potenzial und Wertbeitrag der KI für den Sicherheitsmarkt bei.
Die Vorteile der künstlichen Intelligenz: Warum sind sie für die Sicherheitsbranche wichtig?
Menschen allein sind nicht mehr in der Lage, die dynamische Bedrohungsoberfläche eines Unternehmens angemessen zu schützen. KI bietet die dringend benötigten Funktionen zur Analyse und Identifizierung von Bedrohungen, die Cybersecurity-Experten einbeziehen müssen, um das Risiko von Sicherheitsverletzungen zu verringern und die Sicherheitslage zu verbessern.
KI ermöglicht es Sicherheitsexperten, fundiertere Entscheidungen zu treffen, um Wertsachen und Menschenleben mit weniger Personal in den Kontrollräumen besser zu schützen: Durch die Integration von KI in Überwachungssysteme kann KI sich wiederholende oder lästige Arbeiten für Menschen eliminieren, wie z. B. das Durchsuchen von stundenlangem Videomaterial. Gleichzeitig verbessert sie die Überwachungseffizienz und -genauigkeit durch die maschinelle Erkennung von Bedrohungen in Maschinengeschwindigkeit.
Derzeitige Sicherheitsanalysten haben oft Schwierigkeiten, die Zeit zu finden, um neue Bedrohungen zu erkennen. Darüber hinaus sind die Methoden, die sie für die Bedrohungssuche verwenden, oft zeit- und ressourcenintensiv, was häufig zu einer Ermüdung führt. KI-Sicherheit hilft, Zeit bei der Suche nach Bedrohungen zu sparen, und zielt darauf ab, Cyber-Bedrohungen mit weniger menschlichen Eingriffen zu erkennen und zu stoppen, als dies bei herkömmlichen Sicherheitsansätzen zu erwarten oder erforderlich ist.
Wie können Sicherheitsexperten künstliche Intelligenz nutzen, um bessere Leistungen zu erzielen?
Im Sicherheitskontext birgt KI das Potenzial, Sicherheitsexperten bei der Identifizierung und Priorisierung von Risiken zu helfen. Sie kann sie dabei unterstützen, Malware in einem Netzwerk sofort zu erkennen, die Reaktion auf Vorfälle zu steuern und Einbrüche zu erkennen, bevor sie überhaupt stattfinden. Im Bereich der physischen Sicherheit sorgt KI für eine reaktionsschnellere, leistungsfähigere und effektivere Fernüberwachung, Perimeter-Sicherheitssysteme und Zugangskontrollen. Und wie? Durch die Erkennung ungewöhnlicher Situationen, wie z. B. bestimmte Bewegungen in einem Bereich, in dem zu diesem Zeitpunkt keine Bewegungen stattfinden sollten, unterstützt KI die Fernüberwachungsagenten erheblich. Da diese Agenten dadurch die Situation vor Ort schneller verstehen, können sie auch schneller reagieren. Darüber hinaus kann die KI sogar zwischen allgemeinen und menschlichen Bewegungen unterscheiden, wodurch Fehlalarme reduziert werden.
Erkennung von "Herumlungern"
KI in Überwachungskameras kann sich bewegende Objekte verfolgen und längeres Verweilen in bestimmten Bereichen erkennen. Wenn sich Personen zu lange außerhalb des Bereichs aufhalten, ist dieses Verhalten verdächtig, da es bedeuten könnte, dass sie sich auf einen Einbruch vorbereiten. Wenn sich beispielsweise Personen nach Schulschluss auf dem Schulgelände aufhalten, kommt es häufig zu Sachbeschädigungen oder Graffiti. In Verbindung mit den Ereignismanagementfunktionen einer intelligenten Kamera können automatische Reaktionen auf Ereignisauslöser definiert und programmiert werden, z. B. das automatische Einschalten der Beleuchtung in einem bestimmten Bereich oder das Abspielen einer Nachricht über Lautsprecher. KI in der Sicherheitstechnologie hilft also, Verbrechen wie Vandalismus und Einbrüche zu verhindern.
In Verbindung mit der Robotik kann die KI der Überwachungsindustrie erhebliche Vorteile bringen. Sie bietet die Möglichkeit, den Umfang der Überwachungsbereiche auszuweiten, ohne dass zusätzliches Wachpersonal oder Strafverfolgungsbehörden erforderlich sind. Auch wenn Drohnen heute noch menschliche Bediener benötigen, um ihre Flugrouten festzulegen, verbessert die Entwicklung der künstlichen Intelligenz (KI) die Fähigkeit dieser Maschinen, autonom zu agieren. Das Potenzial, das sich daraus für die Sicherheit von Gütern und Menschen ergibt, ist enorm: Man denke nur an den beträchtlichen Nutzen, den Roboter oder Drohnen bieten könnten, indem sie autonom durch ein bestimmtes Gebiet navigieren und auf verdächtiges Verhalten oder hilfsbedürftige Personen, wie verirrte oder verletzte Wanderer, achten, um Ersthelfer oder Rettungskräfte zu alarmieren.
Um auf das Beispiel des Einzelhandels zurückzukommen: KI kann auch in Überwachungsgeräten in Geschäften oder in Geschäften ohne Kassierer eingesetzt werden, um verdächtiges Verhalten zu erkennen. Abgesehen von bildbasierten Geräten kann KI auch in "Aggressionsdetektoren" eingesetzt werden: Sicherheitsgeräte, die mit Mikrofonen und Algorithmen ausgestattet sind, um Stress und Wut zu erkennen, bevor es zu Gewaltausbrüchen kommt.
Erkennung von Ausrutschen und Stürzen
Viele KI-Geräte, die im Einzelhandel eingesetzt werden, nutzen heute die "Rutsch- und Sturzerkennung": Dabei handelt es sich um eine auf maschinellem Lernen basierende Technologie, die Ausrutsch-, Stolper- und Sturzvorfälle sofort erkennt und rechtzeitig behandelt. Wenn ein Geschäft unbesetzt ist oder kein Personal anwesend ist, bemerkt möglicherweise niemand, wenn ein Kunde oder Mitarbeiter ausrutscht, stolpert, fällt oder ohnmächtig wird. Ohne sofortige Hilfe könnte die Person ernsthafte Verletzungen davontragen oder sogar sterben, was für das betreffende Geschäft zu erheblichen Haftungsansprüchen führen kann.
Künstliche Intelligenz in der Sicherheit ist keine Patentlösung
Insbesondere die Cybersecurity-Branche ist dafür berüchtigt, sich auf Methoden zu versteifen, die als Allheilmittel gelten, anstatt die wirklich nutzenbringensten Anwendungen zu betrachten. Dies gilt auch für KI-Sicherheitstools, wobei einige Cybersecurity-Experten KI-Sicherheit als den Königsweg zur Erkennung von Bedrohungen ansehen. Es ist wichtig zu wissen, dass KI die Cyber Security verbessern kann, wenn Unternehmen ihre Grenzen verstehen. Wie bei der KI gilt auch hier: Wenn man sich zu sehr auf sie verlässt, bürdet man dem Unternehmen nur unnötige Risiken auf - dies gilt es zu vermeiden.
Für Sicherheitsexperten ist es wichtig, eine klare Vision und Strategie zu haben, die sich auf die Gegenwart und ihre Möglichkeiten konzentriert und gleichzeitig die sich ständig weiterentwickelnde Bedrohungslandschaft im Auge behält.
Die Zukunft der künstlichen Intelligenz in der Sicherheit
Wir haben gelernt, dass KI nicht nur ein schnell wachsender Trend über alle Branchen hinweg ist, sondern dass ihr vielfältiges Potenzial, Daten intelligent zu verknüpfen, selbstständig und automatisch Schlüsse zu ziehen und Vorhersagen zu automatisieren, völlig neue Möglichkeiten eröffnet. Gerade in Märkten wie der Sicherheitsbranche, wo große Datenmengen sinnvoll verarbeitet werden müssen, sollten KI-Appliances nicht fehlen, um zukunftsfähig zu sein.
Der Einflussbereich der KI auf die physische Sicherheitsbranche wird sich in Zukunft noch ausweiten. Es bleibt spannend zu sehen, wie sich dieser Einfluss in den nächsten Jahren voll entfalten wird. Hersteller von KI-Geräten und Sicherheitsforscher gehen davon aus, dass Deep-Learning-Technologien einen noch nie dagewesenen Einblick in das menschliche Verhalten liefern werden, so dass Videosysteme Verbrechen genauer überwachen und vorhersagen können. KI wird wahrscheinlich zunehmend skalierbare Lösungen für eine Reihe von vertikalen Märkten anbieten.