Se ha denunciado esta presentación.

Critical Infrastructure Protection

0

Compartir

Cargando en…3
×
1 de 32
1 de 32

Critical Infrastructure Protection

0

Compartir

Descargar para leer sin conexión

Intervento di Andre Busà, Head of Cloud & Intelligence Technical Unit di Leonardo,
per l'evento "La Computer Vision nell'era dei Big Data"
organizzato da Big Data for You, l'8 novembre 2019.

Intervento di Andre Busà, Head of Cloud & Intelligence Technical Unit di Leonardo,
per l'evento "La Computer Vision nell'era dei Big Data"
organizzato da Big Data for You, l'8 novembre 2019.

Más Contenido Relacionado

Libros relacionados

Gratis con una prueba de 30 días de Scribd

Ver todo

Audiolibros relacionados

Gratis con una prueba de 30 días de Scribd

Ver todo

Critical Infrastructure Protection

  1. 1. COMPUTERVISION La Computer Vision nell'era dei Big Data
  2. 2. Agenda Azienda01 Contesto02 Critical Infrastructure Protection Platform 03
  3. 3. C O M P U T E R V I S I O N Azienda
  4. 4. 4© 2019 Leonardo - Società per azioni Leonardo – Attività Altre attività 1%
  5. 5. 5© 2019 Leonardo - Società per azioni Una Divisione Leonardo per la Sicurezza e la Digital Transformation Garantiamo la sicurezza e la resilienza di infrastrutture pubbliche, private attraverso soluzioni tecnologiche innovative, contribuendo a migliorare la qualità della vita del cittadino Circa 1500 addetti tra Italia e UK Cyber Protection Analysis & Intelligence Secure ICT Infrastructures Government & Enterprise secure digital platform Professional Communications Control Rooms, Platforms & Sensors Transportation Solutions Rom a Napo li Lamezia Terme Chiet i Genova Firenze Siena Milano Southampton Bristol Struttura Persone e presidio geografico Cyber Security Division Homeland Security & Critical Infrastructures Cyber Security & ICT Solutions Staff ProForma Key data (Mln€): 400 orders Catania
  6. 6. C O M P U T E R V I S I O N Contesto
  7. 7. 9© 2019 Leonardo - Società per azioni Le infrastrutture critiche sono un sistema, una risorsa, un processo, un insieme, la cui distruzione, interruzione o anche parziale o momentanea indisponibilità ha l'effetto di indebolire in maniera significativa l'efficienza e il funzionamento normale di un Paese, ma anche la sicurezza e il sistema economico-finanziario e sociale, compresi gli apparati della pubblica amministrazione centrale e locale. Le caratteristiche principali sono l’elevata distribuzione geografica e la molteplicità ed eterogeneità di asset da proteggere quali data center, persone, software, componenti meccaniche, asset. Scenario WORKER SOCIAL CHANNEL MECHANICAL COMPONENT DATA CENTER ASSET INFRASTRUCTURE CRITICAL INFRASTRUCTURE
  8. 8. 10© 2019 Leonardo - Società per azioni Le infrastrutture critiche sono soggette ad attacchi provenienti da canali fisici, logici, sociali e ambientali La sicurezza delle infrastrutture critiche dipende da molteplici operatori che lavorano con singoli obiettivi per raggiungere risultati comuni. Una visione integrata migliora la capacità di una infrastruttura critica di affrontare i problemi consentendo la convergenza tra gli operatori Critical Infrastructure Attack WORKER INJURY SOCIAL REPUTATION ATTACK MECHANICAL WEAR & MALFUNCTIONAL CYBER ATTACK PHYSICAL ATTACK ENVIRONMENTAL THREATS CRITICAL INFRASTRUCTURE
  9. 9. 11© 2019 Leonardo - Società per azioni La soluzione Leonardo per la protezione di infrastrutture critiche è la Sala Situazioni Multidominio, una piattaforma integrata che elabora una grande quantità di dati per analizzare e correlare tramite tecniche di intelligenza artificiale anche i segnali deboli Critical Infrastructure Protection Platform WORKER SAFETY SOCIAL ALERT DEVICE TWIN & PREDICTIVE MAINTENANCE CYBER PROTECTION PHYSICAL CONTROL EARLY WARNING CRITICAL INFRASTRUCTURE
  10. 10. 12© 2019 Leonardo - Società per azioni Critical Infrastructure Protection Platform: Architettura Una piattaforma integrata a supporto della sicurezza e della protezione logica e fisica Integration & Elaboration Platform Workflow Rule Engine Real-time analysis What-if Forecast Correlation Anti-intrusion systems Video Access Control Systems IoT devices Open & Social Data Environment Sensors SCADA Energy Sensors Early Warning & Emergency Management Energy Efficiency Access Control Video Analytics Interoperability Comms Big Data & Analytics Artificial Intelligence Edge Computing & Edge AI Blockchain RFID ENABLING TECHNOLOGIES Social Analytics Device Twin & Predictive Maintenance
  11. 11. C O M P U T E R V I S I O N Critical Infrastructure Protection Platform
  12. 12. 14© 2019 Leonardo - Società per azioni • Sensor: • Raccolta dati per temperatura, dir/velocià vento, radiazìoni, pressione atmosferica, umidità, qualità aria • Estensimetri • Data Visualization: • Mappa geografica • Grafici acqua accumulata, temperatura, dir/velocità vento, pressione atmosferica, umidità • Radiazioni • Qualità aria • Traffico • Early Warning: • Motore a regole/correlazione eventi • Real-time Alerting - Early Warning: generazione automatica di eventi di allenamento per: allagamenti latenti, “bombe d’acqua”/nubifragi, qualità dell’aria, social network (analisi semantica) • Predizione frane (Fukuzono/Bayes) Lo strumento di supporto all'Early Warning permette il monitoraggio eterogeneo e per tutti i centri di competenza di aree sensibili e a maggior rischio idrologico, idrogeologico, geologico, sismico, tramite la disponibilità di dati, validati provenienti da diverse sorgenti e aggregati da un centro di elaborazione dati integrato per la generazione automatica multiprovider di allarmi georiferiti. Critical Infrastructure Protection Platform: Early Warning & Emergency Management
  13. 13. 15© 2019 Leonardo - Società per azioni Critical Infrastructure Protection Platform : Device Twin & Predictive Maintenance EasyConfiguration Possibilità di aggiungere nuovi device in pochi click CustomProperties Possibilità di creare e impostare proprietà personalizzate RuleDefinition L’operatore può creare regole custom in tempo reale, al fine di ricevere allarmi /segnali Alert Alert avanzati con notifica push, sms, telefonata Monitoring Creazione interattiva di dashboard utilizzando dati live Plant Possibilità di creare e gestire il plant aziendale Details Visualizzazione dei dettagli della macchina e della telemetria Customization Possibilità di personalizzare dashboard e visualizzazione Security Sicurezza integrata con active directory Search Ricerca di dati di telemetria anomali
  14. 14. 16© 2019 Leonardo - Società per azioni Critical Infrastructure Protection Platform : Device Twin & Predictive Maintenance Obiettivo: modellazione tridimensionale di strutture e infrastrutture al fine di monitorarne lo stato conservativo nel tempo. (presenza di fuori piombo, collassi, fessurazione, ecc.) Modellazione 3D: • Fotogrammetria • Laser a scansione Restituzione di nuvole di punti 3D a partire da misure di angoli e distanze Restituzione di nuvole di punti 3D a partire dall’acquisizione di fotogrammi Nuvola di punti Insieme di punti con posizione nota (X,Y,Z) in un sistema di riferimento locale o globale • Utilizzo di RPAS per la scansione delle nuvole di punti • Utilizzo di algoritmi di confronto immagini per generare indicatori di stabilità strutturale Visualizzazione 3D & Holografica:
  15. 15. 17© 2019 Leonardo - Società per azioni Motori di regole per la generazione di allarmi e/0 azioni, appicati agli algoritmi di pre/post calcolo. Algoritmi per la identificazione di anomalie con il supporto dell’analisi di sequenze storiche di dati Algoritmi per il clustering e la classificazione dei dati Stream - Rule Engine Anomaly Clustering Modelling Algoritrmi di analisi delle previsioni basati su ARIMA, ANN, logistic regression e deep learning RUL - Forecast Piattaforma per la Gestione e Analisi Dati Data Collection – Validation - Integration – Enrichment • Gestione Data Lake • Analytics • Data Visualization Critical Infrastructure Protection Platform : Device Twin & Predictive Maintenance Overall Equipment Effectiveness: • Disponibilità della Macchine • Qualità della Produzione • Performance della Produzione • Integrazioni con il Manufacturing Execution System Predictive Maintenance: Correlation: Correlazione Telemetrie RUL: Vita Utile Residuale Model: possibilità di creare modelli digitali
  16. 16. 18© 2019 Leonardo - Società per azioni • Collection: recupero dati da fonti web aperte (social, blog, news) • Processing & Exploitation: arricchimento dei dati recuperati, estrazione di metadati, organizzazione e fusione dei dati arricchiti disponibili per ulteriori analisi • Analysis: analisi di una specifica area basandosi sui dati raccolti • Alarm: creazione di allarmi in specifiche aree geografiche Critical Infrastructure Protection Platform : Social Analysis
  17. 17. 19© 2019 Leonardo - Società per azioni Critical Infrastructure Protection Platform: Video Analytics Sistema basato su eventi distribuiti per l’ingestion e il processamento parallelo e distribuito di dati video, strutturati e non strutturati Event& BigData Possibilità di orchestrare sequenze di analisi di machine learning e di deep learning per object classification, face identification, clustering e sentiment analysis AI E’ possibile ottenere scenari di Behaviural Analisys, Land Surveillance and traffic analysis Capability Behavioural Analysis LandSuirveillance TrafficAnalisys Sistema di Video Sorveglianza Smart, usa un un set di servizi innovativi basati sull’elaborazione in real time di sorgenti video.
  18. 18. 20© 2019 Leonardo - Società per azioni Big Data Layer AI Layer Application Layer Web Portal Notification Back-EndFront-End Stream Services Micro Service Sentiment Analysis Classification Clustering Micro Service Batch Services Infrastructure Web API Persistence Cluster Services Visualization Serices Trasformation/ Enritchment/ Rule Object identification Micro Service Face Identification Emotion Micro Service Training Operator Radar Camera Video Analytics – Architettura Big Data
  19. 19. 21© 2019 Leonardo - Società per azioni Kafka SOLR (search) HBase Kudu Distributed stream queue Spark streaming Mini-batch Stream HA Security Management Cluster services Persistence BATCHSERVICESTREAMSERVICE Very low latency Stream Flink Storm Kafka streams Akka streams VISUALIZATION SERVICE BI Tools Dashboards Visualization / Data interfaces SQL Interface (Impala) Notebook Auditing HDFS Spark H2O Batch Job MapReduce SQL Engine (Hive) REST JDBC FTP Batch NIFI STREAMSERVICEBATCHSERVICE AI LAYER Video Analytics – Architettura Big Data
  20. 20. 22© 2019 Leonardo - Società per azioni Imported data Training dataset R Python Machine learning tools Deep Learning tools Tensorflow CNTK Keras Bayesian & BOW SVM Classification / Clusterization K-Mean Random Forest BIG DATA LAYER External data Decision tree Rule classifier Sentiment analysis Feature extraction Polarity FFN CNN Object identification RNN / LSTM Emotion Identification Face (SDK) Gender Hair Training Inference Micro services Infrastructure Video Analytics – Architettura Big Data - AI
  21. 21. 23© 2019 Leonardo - Società per azioni Stage1 Stage2 Stagen …………….....…….. Persistence Layer Rest API Layer Video Analytics – Distribuited & Parallel Pipeline
  22. 22. 24© 2019 Leonardo - Società per azioni Video Analytics – Traditional Deep Learning Architecture
  23. 23. 25© 2019 Leonardo - Società per azioni Unified Storage Parallel Engine Spark (Training + Inference) Microsoft Machine Learning for Apache Spark DL ModelData Unified Resource Management (CPU + GPU) Video Analytics – Distributed Deep Learning on Big-Data
  24. 24. 26© 2019 Leonardo - Società per azioni Rete neurale Open source per il Real Time Object Detection YOLO Libreria open source per il Riconoscimento delle targhe OpenALPR Framework opensource per l’elaborazione delle immagini. OpenCV Deep Learning tools Machine learning tools Libreria Python per l’implementazione di algoritmi di machine learning (Clustering) e tracking oggetti, Scikit-learn Video Analytics – AI Layer
  25. 25. 27© 2019 Leonardo - Società per azioni Feature Extractor Object Classifier Video Analytics – YOLO - Real-Time Object Detection
  26. 26. 28© 2019 Leonardo - Società per azioni COCO (Common Objects in Context) • Object segmentation • Recognition in context • Superpixel stuff segmentation • 330K images (>200K labeled) • 1.5 million object instances • 80 object categories • 91 stuff categories • 5 captions per image • 250,000 people with keypoints Video Analytics – YOLO Trained Model
  27. 27. 29© 2019 Leonardo - Società per azioni OpenALPR is an open source library: • written in C++ • with bindings in C#, Java, Node.js, Go, and Python Detection Binarization Char Analysis Plate Edges Deskew Character Segmentation OCR Post Processing Video Analytics – Automatic License Plate Recognition
  28. 28. 30© 2019 Leonardo - Società per azioni Video Analytics: Hierachical Approach YOLO DPI & Face IDALPR CAR PERSON Streaming Source To Cosmos DB and Redis Cache
  29. 29. 31© 2019 Leonardo - Società per azioni Video Analytics: Hierachical Approach
  30. 30. 32© 2019 Leonardo - Società per azioni Critical Infrastructure Protection Platform: Video Analytics Sistema per il riconoscimento di oggetti: veicoli, zaini, persone Objectidentification Sistema per la classificazione di oggetti: tipo del veicolo, modello del veicolo, etc. Objectclassification Possibilità di identificazione di volti su un dataset di soggetti ritenuti sensibili Faceidentification Possibilità di identificare emozioni e tratti visive di un individuo FaceEmotionDetection Classificazione dei comportamenti tramite schemi di frequenza e identificazione di comportamenti anomali Pattern& BehaviourAnalysis Possibilità di avere una stima precisa del numero di persone e il livello di congestion in una folla. CrowdCountingandCrowdDensityLevelClassification Classificazione del comportamenti delle persone , anche all’interno di una folla, per identificare comportamenti violenti ViolentBehaviourDetection Sistema per la tracciatura di oggetti/entità su flussi video Distribuitedtracking Sistema per la verifica della presenza dei dispositivi di protezione individuale DPIDetector
  31. 31. 33© 2019 Leonardo - Società per azioni Background Extractor Direction ClusteringHeat Map Traffic Video Analytics: Pattern Analysis & Machine Learning
  32. 32. Grazie! Head of Cloud & Intelligence Technical Unit Andrea Busà Mobile: 366 9126324 Mail: andrea.busa@leonardocompany.com Linkedin: https://www.linkedin.com/in/andreabusa/

×