Алгоритм машинного обучения анализирует данные, поступающие в панель системы охранной сигнализации, и находит в них признаки ложных тревог. Далее он даёт конечному пользователю набор действий, которые следует совершить, чтобы ложных тревог у него стало меньше.

Как и всякая система машинного обучения, новая разработка прошла тренировку, в ходе которой она узнавала, какие тревоги являются ложными. Для этого использовались данные от 750 тысяч охранных панелей, накопленные за пять лет.

Бета-тестирование у заказчиков, которое длилось полтора года, дало результаты, на основании которых компания может выдать конечным пользователям рекомендации, позволяющие снизить число ложных тревог на 50-70%. Точность работы самого алгоритма, по данным компании, составляет 96%.

Разработанное решение компания предоставила ограниченному числу бизнес-заказчиков в виде облачной системы по принципу «ПО как услуга» (Software as a service — SaaS). Никакие компоненты решения не нужно размещать у заказчика. При этом система работает с панелью любого производителя и на любой облачной платформе.

Единственно ограничение — необходимость использовать интегрированную программную платформу MASterMind, разработку компании United Technologies. Искусственный интеллект анализирует поступающие от неё данные, чтобы выявлять в них повторяющиеся комбинации.

При необходимости, система может размещаться в крупном центре мониторинга, имеющемся у заказчика. В этом случае ему надо будет приобрести лицензию на ПО.

В число участников бета-тестирования входила сеть, объединяющая 219 магазинов мужской одежды, разбросанных по США. В 2017 году в ней было получено около 6000 ложных тревог. Искусственный интеллект смог самостоятельно выявить 5800 из них.

Далее предстоит перевести на коммерческую основу сам новый сервис, а также применяемые в нём модели и алгоритмы.

Новость представлена на сайте газеты SecurityNews