تحول در امنیت خرده‌فروشی با هوش مصنوعی + پایان سرقت‌های پنهان

به گزارش خبرگزاری ایمنا، از دههٔ ۱۹۹۰ میلادی، با افزایش چشمگیر سرقت‌های خرد در فروشگاه‌ها و مراکز تجاری، مدیران و مالکان واحدهای خرده‌فروشی به‌دنبال راهکاری مؤثر و ماندگار برای کنترل این چالش فزاینده بودند. در آن سال‌ها، دوربین‌های مداربسته (CCTV) به‌عنوان خط دفاعی نخست در تأمین امنیت فروشگاه‌ها معرفی شدند. هدف اصلی از نصب این تجهیزات، ثبت لحظه‌ای وقایع و حرکات مشکوک در فضای فروشگاهی بود؛ اقدامی که امید می‌رفت به بازدارندگی از سرقت و تسهیل در شناسایی مجرمان منجر شود، بااین‌حال این فناوری نوظهور از همان آغاز با دو چالش جدی روبه‌رو شد. نخستین چالش این بود که تعداد دوربین‌های نصب‌شده به‌سرعت افزایش یافت و در بسیاری از فروشگاه‌ها، ده‌ها دوربین در بخش‌های مختلف همچون ورودی‌ها، راهروها، قفسه‌ها و صندوق‌ها مستقر شدند. دومین چالش این بود که توانایی نیروی انسانی برای پایش مداوم این حجم از داده‌های تصویری بسیار محدود بود، اپراتورهای امنیتی بیشتر تنها قادر به تمرکز بر یک یا دو صفحه‌نمایش بودند، و در نتیجه بسیاری از رفتارهای مشکوک، به‌ویژه حرکات زیرکانه سارقانی که با مهارت عمل می‌کردند، از دیدرس انسانی پنهان می‌ماند، مطالعات آن زمان نشان می‌داد که از میان هر صد مورد سرقتی که توسط دوربین‌ها ثبت می‌شد، تنها دو مورد منجر به دستگیری و پیگیری قضائی می‌شد، این آمار نگران‌کننده زنگ خطری برای صنعت خرده‌فروشی بود و لزوم بهره‌گیری از راه‌کارهای فناورانه‌تر و دقیق‌تر را گوشزد می‌کرد.

آغاز عصری نو با ورود تحلیل داده و هوش مصنوعی

با آغاز هزاره سوم، شیوه‌های سرقت و کلاهبرداری نیز هوشمندانه‌تر و پیچیده‌تر شدند. در مقابل، متخصصان امنیت خرده‌فروشی رویکردی جدید را در پیش گرفتند (استفاده از داده‌های حجیم و الگوریتم‌های تحلیل‌گر) در قلب این دگرگونی، هوش مصنوعی و یادگیری ماشینی قرار گرفتند؛ فناوری‌هایی که نه‌تنها توانایی شناسایی الگوهای رفتاری مشکوک در زمان واقعی را داشتند، بلکه قادر بودند وقوع جرایم آتی را نیز پیش‌بینی و خنثی کنند.

در همین راستا، شرکت‌هایی نظیر Auror پیشگام توسعه پلتفرم‌های امنیتی نوین شدند، این شرکت‌ها سیستم‌هایی را ارائه دادند که امکان هم‌زمان‌سازی داده‌های دریافتی از دوربین‌های مداربسته، اطلاعات تراکنش‌های نقطهٔ فروش (POS) و موجودی انبار را فراهم می‌کردند. عملکرد این سامانه‌ها به گونه‌ای است که اگر دوربین، حرکتی مشکوک یا برداشتن کالایی بدون ثبت پرداخت را تشخیص دهد، بلافاصله آن را با داده‌های فروش مطابقت داده و در صورت مغایرت، هشدار بلادرنگ برای مدیر فروشگاه و واحد امنیت ارسال می‌کند، این هوش مصنوعی علاوه‌بر اجرای قواعد از پیش تعریف‌شده، به‌واسطه الگوریتم‌های یادگیری مداوم، قادر است الگوهای نوین سرقت را نیز شناسایی کند. برای نمونه، بعضی از سرقت‌ها به‌صورت گروهی و با برداشتند چندین کالا در بدو عبور از صندوق صورت می‌گیرد، سیستم با تحلیل داده‌های تصویری و ثبت نشدن آیتم‌ها در سامانه فروش، این رفتار را به‌عنوان یک تراکنش مشکوک شناسایی کرده و هشدار لازم را صادر می‌کند.

با بهره‌گیری از هوش مصنوعی، سامانه‌های امنیتی نوین با تحلیل هم‌زمان تصاویر و داده‌های فروش، الگوهای سرقت را شناسایی کرده و به بهینه‌سازی چیدمان و مدیریت فروشگاه کمک می‌کنند.

یکی از قابلیت‌های بسیار کاربردی این سامانه‌ها، تحلیل الگوهای زمانی سرقت است، به‌کمک داده‌کاوی، می‌توان تشخیص داد که در چه ساعات یا روزهایی سرقت بیشتر رخ می‌دهد. مطالعات آماری متعدد نشان داده‌اند که بسیاری از سرقت‌ها در شیفت‌های اولیه صبح یا پس از ساعات تعطیلی فروشگاه رخ می‌دهند، زمانی که پرسنل دچار خستگی یا کاهش تمرکز هستند، این داده‌ها به مدیران فروشگاه اجازه می‌دهد تا منابع انسانی و زیرساخت‌های امنیتی خود را متناسب با زمان‌های پرخطر، بازتنظیم و تقویت کنند.

مزیت دیگر این سامانه‌ها در یکپارچگی آن‌ها با دیگر بخش‌های کسب‌وکار است. به‌عنوان نمونه، اگر یک کالای خاص به‌صورت مکرر در سرقت‌ها نقش داشته باشد، مدیر فروشگاه می‌تواند اقداماتی نظیر تغییر مکان چیدمان، بازبسته‌بندی یا حتی تعدیل قیمت را در دستور کار قرار دهد تا جذابیت آن برای سرقت کاهش پیدا کند، این اطلاعات به تیم مدیریت زنجیرهٔ تأمین کمک می‌کند تا سطح موجودی، برنامه‌ریزی خرید و تأمین کالا را به‌صورت هوشمندانه‌تر انجام دهند.

یکی دیگر از فناوری‌های تحول‌آفرین در این حوزه، سیستم Veesion است. این سامانه با بهره‌گیری از الگوریتم‌های بینایی کامپیوتری و یادگیری ماشینی، قابلیت اتصال به دوربین‌های نظارتی فروشگاه را داشته و رفتار مشتریان، حرکات دست و بدن آنان را به‌صورت لحظه‌ای تحلیل می‌کند.

برخلاف دوربین‌های سنتی که تنها برای ثبت تصاویر و بازبینی پس از وقوع جرم طراحی شده‌اند، Veesion به‌صورت پیش‌بینی‌گر عمل می‌کند، چنانچه فردی کالایی را برداشته اما اقدام به اسکن آن نکند یا تلاش کند کالا را در لباس یا کیف پنهان کند، سامانه به‌سرعت وارد عمل شده و از طریق اپلیکیشن‌های تلفن همراه، کارمندان فروشگاه را مطلع می‌سازد، که این هشدار سریع نه‌تنها از بروز سرقت جلوگیری می‌کند، بلکه موجب افزایش اعتماد کارکنان به کنترل مؤثر محیط می‌شود.

تجربه عملی فروشگاه‌ها در آمریکا

یکی از فروشگاه‌های محلی در ایالت مریلند آمریکا، پس از نصب سیستم Veesion، طی سه ماه موفق شد میزان سرقت‌های خرد را بیش از ۴۰ درصد کاهش دهد. علاوه‌بر کاهش سرقت، کارمندان فروشگاه نیز احساس امنیت بیشتری گزارش کرده‌اند، در موارد بسیاری، کارکنان با دریافت به‌موقع هشدار، موفق شدند از وقوع سرقت جلوگیری کرده یا با مداخله محترمانه، رفتار مشکوک را متوقف کنند.

تروی ولش، مالک چند فروشگاه در خلیج سان‌فرانسیسکو، دربارهٔ تأثیر این فناوری می‌گوید: پیش از نصب سیستم Veesion، ماهانه با ده‌ها مورد سرقت کوچک روبه‌رو بودیم که بسیاری از آن‌ها هرگز دیده نمی‌شدند؛ اما اکنون به‌محض وقوع رفتار مشکوک، از آن مطلع می‌شویم و می‌توانیم بلافاصله واکنش نشان دهیم.

با وجود مزایای انکارناپذیر این فناوری‌ها، برخی نگرانی‌ها درخصوص حریم خصوصی مشتریان مطرح شده است. منتقدان بر این باورند که تحلیل حرکات بدن ممکن است منجر به سوءبرداشت یا برچسب‌زنی ناعادلانه شود. در واکنش به این انتقادات، شرکت‌های توسعه‌دهنده تأکید دارند که الگوریتم‌ها به‌صورت مداوم آموزش دیده و بازنگری می‌شوند تا خطاهای انسانی و تبعیض‌های احتمالی به حداقل برسد.

نوآوری ایرانی

در ایران نیز شرکت‌های فناورمحور، گام‌هایی در مسیر توسعه فناوری‌های مشابه برداشته‌اند. حسین شیرانی، عضو هیئت مدیره یکی از شرکت‌های فعال در حوزه برق و الکترونیک، در این زمینه بیان می‌کند: تمرکز ما بر توسعه سیستم‌های الکترونیکی پیشرفته است که بتوانند نیازهای امنیتی روز جامعه را پاسخ دهند. از زمان شیوع ویروس کرونا، ما محصولاتی چون دستگاه‌های ضدعفونی‌کننده هوشمند و ابزارهای پزشکی خودکار را توسعه دادیم.

وی افزود: محصول جدید ما، یک سیستم امنیتی هوشمند برپایه هوش مصنوعی است که با تشخیص سارق، می‌تواند سناریوهایی همچون انتشار گاز دودزا را اجرا کرده و جلوی پیشروی سارق را بگیرد، این سیستم هم برای مراکز حساس همچون خزانه‌ها کاربرد دارد و هم برای منازل شخصی و همچنین کاربران می‌توانند از راه دور و با تلفن همراه، روشنایی و امنیت خانه را مدیریت کنند.

شیرانی همچنین به استفاده از ظرفیت‌های دانشگاهی اشاره کرده و گفت: با استقرار یکی از دفاتر کاری‌مان در دانشگاه مهاجر، زمینه بهره‌مندی از نیروی جوان و علمی کشور فراهم شد. اکنون پنج نیروی متخصص به‌صورت مستقیم و حدود ده نفر به‌صورت غیرمستقیم با ما همکاری می‌کنند که هم موجب رشد علمی شرکت و هم فرصت اشتغال برای دانشجویان شده است.

مشارکت جهانی برای امنیت

با گسترش فعالیت شرکت Auror، این پلتفرم اکنون به ابزاری قدرتمند برای همکاری میان فروشگاه‌ها و نیروهای انتظامی در سطح جهانی بدل شده است. این سیستم در حال حاضر بیش از ۱۵۰ هزار کاربر در ۴۵ هزار فروشگاه و ۳ هزار آژانس انتظامی دارد. ماژول‌هایی همچون «Connect the Dots»و «LPR» (بازشناسی پلاک خودرو) و «Investigate» به این سامانه امکان می‌دهند تا افراد و خودروهای مشکوک را ردیابی کرده و داده‌ها را میان فروشگاه‌ها و پلیس به اشتراک بگذارد، طبق گزارش‌ها، تنها ۱۰ درصد از مجرمان مسئول ۶۲ درصد از خسارت‌های سرقت هستند و ۸۰ درصد تخلفات مکرر از طریق پلاک خودرو قابل شناسایی‌اند. این اطلاعات ارزشمند، فرآیندهای تعقیب و پیگیری قانونی را سریع‌تر، دقیق‌تر و بازدارنده‌تر کرده‌اند.

باید گفت که فناوری‌هایی همچون Veesion با تکیه بر بینایی کامپیوتری و تشخیص ژست، راه را برای آینده‌ای ایمن‌تر در حوزه خرده‌فروشی باز کرده‌اند. این سامانه بدون نیاز به شناسایی ظاهری افراد، تنها بر اساس رفتار مشکوک عمل کرده و هشدار زنده ارسال می‌کند. گزارش‌های اخیر حاکی از آن است که بیش از ۵۰۰۰ فروشگاه در اروپا، کانادا و آمریکا از این فناوری استفاده می‌کنند و توانسته‌اند میزان سرقت را تا ۵۰ درصد در برخی مناطق کاهش دهند. جالب‌تر آنکه بیش از ۸۵ درصد هشدارهای صادره، توسط اپراتورها معتبر و درست ارزیابی شده‌اند، این تحولات نشان می‌دهند که عصر جدیدی در امنیت فروشگاهی آغاز شده است؛ عصری که در آن انسان و ماشین به‌جای رقابت، در همکاری با یکدیگر، امنیت را بازتعریف می‌کنند.