隨著城市區域不斷擴大、人口增加及流動、自然災害的突襲、世界反恐形勢的嚴峻,在城市中部署了大量維護公共安全和提升社會治理效率的攝像頭和物聯網傳感器設備。通過強大的資產數據庫,資產大腦能夠對上百種類型的物聯網資產進行自動識別和實時狀態采集,并通過適配用戶業務場景來擴展和增強數據資源池,結合資產視覺組件向用戶呈現百萬量級的資產可視化效果。
目前國內應用于用戶網絡、雪亮工程、特定行業/機構的監控攝像機已達到上億臺,如何低成本、高效率的對海量前端資產及后端監控數據進行管理,并保障海量前端資產的健康運行,充分實現視頻網投入價值最大化?
在國內獨家采用基于plug&play的前端數據采集技術,能夠針對現有視頻網絡的前端設備、網絡接入、網絡傳輸、平臺服務器、數據存儲等,提供設備狀態分析、環境干擾預警、視頻優化、故障診斷、一鍵運維、業務數據治理、大數據統計/分析/挖掘等功能,實現對新技術環境下監控業務“全天候、全過程、全方位”的全景式運維。
現有基于圖像數據的業務網絡(如視頻專網),圖像的實際應用水平并不高,主要原因就是大量不合格的垃圾數據拉低了整體的業務計算價值。
基于網未圖像識別引擎,能夠對深度學習算法進行場景化增強,從而應用到各類基于圖像數據進行業務分析的物聯上下文中,剔除垃圾數據,提升物聯數據有效性30%以上。結合NVIDIA高端GPU,釋放出領先同行的業務挖掘能力,搭建用戶在物聯時代的大數據生產力工具。
如同人體機能老化,物聯設備的硬件或系統也會存在“亞健康”狀態,在發生故障前,會表現出不穩定或性能衰退。傳統運維手段無法及時察覺,不僅無法預測故障點,甚至對已發生的故障都難以進行定位,導致實際業務表現大大低于投資預期。
通過關鍵指標的大數據采集,及AI技術對各類故障的趨勢學習、模型訓練及模型部署,設備運行過程中發生了什么問題、為什么發生問題、將發生什么問題等均能被及時地發現和準確地判別和預測。網未“云診斷”技術能夠集成上百種物聯場景的故障傳感參數,形成標簽分類,迅速找到故障的同質化載體和預警閾值,及時止損,加速物聯業務表現。
由于物聯網絡傳感設備及業務系統與PC網差異極大,行業中缺乏專業手段進行安全保障,傳統安全工具在物聯網中水土不服,難以有效應對合規性要求和突發事件。
通過多年對物聯傳感設備的研究,網未物聯深度安全引擎立足于豐富的物聯網數據倉庫,能夠迅速適配各種復雜物聯環境,無須防火墻即可抵御各類物聯網威脅,并靈活適配已有安全組件,幫助用戶快速搭建物聯網立體安全框架,滿足合規要求。