边缘计算可以保护监控下的隐私吗

智能安防发展的最初几年里，主要通过前端摄像头采集数据，将数据传输到后端服务器、NVR或者云端通过云计算进行智能分析，但随着视频数据量迅猛递增，以及网络传输带宽的压力和成本问题，安防行业开始寻找新的解决方案，边缘计算和边缘存储的应用由此开始。

随着亚马逊、阿里、华为、微软等巨头的战略布局，边缘计算已经逐步成为互联网时代的另一新爆点。IDC 数据显示，未来超过 50％ 的数据需要在网络边缘侧分析、处理和存储，边缘计算市场规模将超万亿，成为与云计算平分秋色的新兴市场。

现阶段凡是需要做图像数据采集进行分析和反馈的场景都会需要摄像头，而安防行业的核心终端设备之一就是摄像头。边缘计算可就近计算的特质，让其可对人脸数据、人群分析、生物识别、车辆识别等分析结果进行高效的处理，让原先智能场景不再需要在现场布署昂贵笨重的硬件设备，降低了成本，极大提高智能场景的落地效率和复制速度，让安防场景能够更好更快地落地实施。

相比于传统视频监控，边缘计算＋视频监控，通过对视频图像进行预处理，去除图像冗余信息，使得部分或全部视频分析迁移到边缘处，由此降低对云中心的计算、存储和网络带宽需求，提高设备响应速度，相当于在边缘直接对视频图像进行处理分析，弥补了云计算响应不及时、功耗高等问题，并满足了安防行业在实时业务、安全与隐私保护等方面的需要，因此被广泛应用。

而边缘计算在安防行业落地会有不同场景，具体可分为以下两种：

第一类是私有网络：通常采用边缘存储私有化＋边缘计算私有化部署，该方案的优点是可内网保证数据私密性，可打开网络出口，把数据备份到公网上，本地计算资源不足时也可打开公网出口，业务降级到中心计算资源去计算处理。

第二类是互联网：与私有网络不同，互联网因为公网的问题通常会存在几个痛点：

1、链路质量问题。主要是设备到计算中心机房通信的延迟，同时网络链路不可靠。

2、私有协议和利旧问题。因为安防领域存在历史监控设备，不一定可以直接做嵌入程序升级，而很多厂家的设备也需要支持非标准的多媒体协议。

3、资源成本问题。本地摄像头的数据如果全部上传到存储，很多无价值数据也会占用传输通道和存储空间，如果能够就近处理删除无用数据，将减少很多资源浪费。

4、传输时效问题。尤其在监控历史数据迁移等过程中，长距离的到中心计算机房的传输会带来极大的时间成本损失。

5、隐私安全问题。部分公网存在易破解等缺点，容易将个人隐私被盗取。

综上，边缘计算可以从运营成本、带宽利用率、丢包率、业务延迟、保护隐私安全等指标上给整个行业的性能和运营带来极大的改善，而堃乾智能提出的边缘计算安防解决方案，提供了一系列特性如流式上传、倍速播放、去SD卡化、边缘智能分析等，赋能各行各业，让各个合作企业能够享受边缘计算所带来的便捷。

边缘计算在安防领域的实践从根本上打破了原本“智能”应用落地的壁垒，让原本受限于计算力、传输环境、存储环境等诸多问题的应用设想得以实现，进一步提升了视频分析速度，也在保护用户隐私安全方面提高了安全指数。值得一提的是，边缘计算最终目的不是取代云端，而是通过分布式架构拓展云端边际，使之更靠近用户网络，以满足对于网络等待时间、带宽更高需求的新兴应用。