Possono convivere privacy e moderni sistemi di videosorveglianza, basati sull'intelligenza artificiale?
Un recente articolo apparso su safetysecuritymagazine.com (https://www.safetysecuritymagazine.com/articoli/telecamere-intelligenti-privacy-preserving-privacy-e-sorveglianza-nellera-dellintelligenza-artificiale/) analizza le possibilità di convivenza tra garanzie per la privacy dei cittadini e operatività degli apparentemente sempre più pervasivi moderni sistemi di viedosorveglianza.
L'approfondito articolo illustra diverse tecnologie di tutela della privacy applicabili alla videosorveglianza, evidenziandone la maturità e il potenziale di implementazione nel mondo reale. La privacy differenziale aggiunge rumore calibrato ai dati video per proteggere le identità individuali preservandone al contempo l'utilità statistica. Il calcolo multipartitico sicuro consente a più organizzazioni di collaborare all'analisi video senza condividere dati privati. L'apprendimento federato consente l'addestramento dell'intelligenza artificiale su dati distribuiti senza centralizzarli. Il mascheramento dinamico è la tecnologia più matura, che utilizza la visione artificiale per oscurare volti e figure umane mantenendo visibili i dettagli di sicurezza rilevanti. Queste tecnologie supportano la privacy nei moderni sistemi di sorveglianza.
Prosegue poi nel portare esempi dell’implementazione delle tecnologie privacy-preserving nelle smart cities (Singapore, Barcellona, etc.)
Dopo una analisi economica delle tecnologie privacy-preserving per la videosorveglianza (che rivela dinamiche complesse che vanno ben oltre la semplice valutazione di costi e benefici per toccare questioni fondamentali di equità sociale e accesso democratico ai diritti) il saggio si occupa del General Data Protection Regulation, e di come dopo sette anni di implementazione, abbia profondamente trasformato il modo in cui le organizzazioni approcciano la videosorveglianza. L’Articolo 35 GDPR, che richiede obbligatoriamente Data Protection Impact Assessment per la “sorveglianza sistematica di aree pubbliche su larga scala”, ha costretto migliaia di organizzazioni europee a ripensare radicalmente i loro approcci alla sicurezza video.
Tutto ciò mentre l’EU AI Act (formalmente denominato Regulation EU 2024/1689) disattivare o modificare sistemi di videosorveglianza che utilizzano riconoscimento facciale automatico in aree pubbliche.
Si passa poi a parlare delle sfide tecniche e dell'implementazione pratica delle tecnologie di tutela della privacy nella videosorveglianza, evidenziando i seguenti punti chiave:
Sovraccarico computazionale e limitazioni prestazionali: le tecnologie di tutela della privacy come il mascheramento dinamico richiedono hardware di fascia alta (ad esempio, GPU specializzate) e comportano una latenza più elevata (160-200 ms), che può essere critica nelle applicazioni di sicurezza.
Precisione e vincoli ambientali: la precisione del riconoscimento di volti e figure varia in base a diverse condizioni di illuminazione, occlusione e altre condizioni ambientali, richiedendo sistemi e protocolli di backup.
Problemi di larghezza di banda e interoperabilità: i flussi video crittografati o elaborati richiedono una maggiore larghezza di banda (dal 30 al 50% in più rispetto allo standard) e presentano problemi di interoperabilità con sistemi legacy e protocolli proprietari, aumentando i costi e i rischi di dipendenza da un fornitore.
Uno sguardo alle Tecnologie emergenti: – Sensori neuromorfici: imitano il sistema visivo umano e offrono vantaggi intrinseci in termini di privacy, ma sono attualmente troppo costosi e privi di ecosistemi software maturi. – Federated Learning (FL): consente l'addestramento dell'IA senza dati centralizzati, ma introduce un sovraccarico di comunicazione e problemi di sincronizzazione. – Differential Privacy (DP): aggiunge rumore calibrato per proteggere la privacy individuale nell'analisi dei dati, ma richiede un attento bilanciamento tra privacy e utilità dei dati.
Strategie di implementazione e best practice
Le organizzazioni devono condurre una valutazione approfondita delle proprie esigenze, inclusi i requisiti di privacy, le prestazioni e il budget. Un quadro di conformità strutturato è essenziale, che integri considerazioni legali, tecniche e operative. Privacy by design, minimizzazione dei dati e crittografia sono principi raccomandati per sistemi sicuri.
Prospettive future – Sebbene siano improbabili innovazioni, si prevedono miglioramenti incrementali nelle tecnologie crittografiche e di IA. – Si prevede una crescita del mercato, trainata dalla conformità normativa e dalla consapevolezza dei consumatori. – Interoperabilità e standardizzazione sono fondamentali per ridurre la frammentazione e consentire un'adozione più ampia.
Contesto sociale e normativo: – Il GDPR europeo e l'AI Act stanno plasmando il panorama normativo, promuovendo tecnologie che tutelano la privacy. – Un'implementazione di successo richiede non solo soluzioni tecniche, ma anche accettazione sociale, governance e collaborazione interdisciplinare.
#ai #videosorveglianza #privacy #gdpr #safetysecuritymagazine.com #euaiact
Segui il blog con il tuo favorito RSS reader (https://noblogo.org/cooperazione-internazionale-di-polizia/feed/) e interagisci con i suoi post nel fediverso (@cooperazione-internazionale-di-polizia@noblogo.org). Scopri dove trovarci: https://l.devol.it/@CoopIntdiPolizia Tutti i contenuti sono CC BY-NC-SA (https://creativecommons.org/licenses/by-nc-nd/4.0/) Le immagini se non diversamente indicato sono di pubblico dominio.