IA Inteligente en Acción: Comparación entre Edge y Cloud en la Seguridad por Video
Con la creciente demanda de soluciones de videovigilancia avanzadas y escalables, el debate entre Edge AI y Cloud AI ha ganado considerable atención. Tradicionalmente, los dispositivos perimetrales se centraban en el almacenamiento local y la gestión de vídeo. Sin embargo, el crecimiento explosivo de la IA en los últimos dos años ha llevado a la adopción generalizada de soluciones de Edge AI.
Por Katherine Balabanova, 3dEYE, y Sascha Kylau, OneTel Security
Publicado en la edición de otoño de 2024 de la revista DISPATCH, una publicación trimestral de The Monitoring Association
Las principales ventajas y desventajas de la IA en la nube y la IA en el borde (Edge AI)
Consideraciones de seguridad
Una de las ventajas más significativas de la IA en la nube frente a la IA en el borde es la seguridad. Las plataformas en la nube utilizadas en el monitoreo de video a gran escala —como AWS, Google o Azure— aprovechan una infraestructura sólida con protocolos de seguridad avanzados. Estos incluyen cifrado, autenticación multifactor y actualizaciones regulares para proteger contra amenazas emergentes. Centralizar los datos en la nube garantiza que los flujos de video en tiempo real, los archivos y los registros de eventos estén protegidos de manera consistente bajo los más altos estándares de seguridad.
Ventajas de la IA en la nube:
• Superficie de ataque en el borde mínima
• Sin servidores físicos que proteger
• Sin dispositivos de caja negra en la red local que puedan verse comprometidos
• Las conexiones cifradas directas a la nube eliminan la necesidad de reenvío de puertos, firewalls o dispositivos expuestos
• La responsabilidad de la seguridad del proyecto pasa del personal de TI local al proveedor de la nube
• Actualizaciones de software y parches de seguridad centralizados
• Monitoreo centralizado y detección de anomalías por IA
• Gestión centralizada de identidades y accesos (IAM)
• Cifrado de datos de extremo a extremo (por ejemplo, estándares de AWS)
• Cifrado KMS flexible para claves de protección de datos personalizadas
• Alta durabilidad de los datos (por ejemplo, AWS S3 ofrece una durabilidad de 11 nueves)
• Soporte de cumplimiento integral
Desventajas de la IA en la nube:
• Costos recurrentes asociados con el almacenamiento de datos en la nube
• Requiere suficiente ancho de banda de red para cargar y descargar grandes conjuntos de datos
Desafíos y limitaciones de la IA en el borde (Edge AI)
Los dispositivos de borde, aunque capaces de realizar procesamiento localizado, enfrentan limitaciones debido a recursos computacionales reducidos. Estos recursos deben dividirse entre tareas como archivo, decodificación, transmisión y procesamiento de IA, lo que a menudo resulta en compromisos:
• Tamaño y complejidad del modelo de IA restringidos
• Número reducido de módulos de IA que pueden ejecutarse simultáneamente
• Limitaciones en la cantidad de video procesado simultáneamente
Además, los dispositivos de IA en el borde a menudo requieren actualizaciones frecuentes para admitir modelos de IA nuevos y más intensivos desde el punto de vista computacional. También representan una carga significativa para TI:
• Los dispositivos de borde tienen una superficie de ataque similar a la de los servidores locales, pero carecen de transparencia de TI, lo que los convierte en «cajas negras».
• Si se ven comprometidos, es posible que el personal de TI no tenga forma de controlar o incluso detectar el problema.
• Las instalaciones en múltiples ubicaciones aumentan la presión sobre los equipos de TI, requiriendo redes, firewalls y sistemas de monitoreo separados para cada dispositivo de borde.
«La capacidad de la IA en la nube para procesar vastas cantidades de datos en tiempo real cambia las reglas del juego en el monitoreo de video.»
Escalabilidad y flexibilidad
Las plataformas de IA en la nube están diseñadas para la escalabilidad, lo que las hace ideales para el monitoreo de video a gran escala. A diferencia de los dispositivos de borde, que tienen limitaciones de hardware, los sistemas en la nube pueden expandir su potencia de procesamiento y capacidad de almacenamiento a medida que crece la demanda.
A medida que avanzan las capacidades de la IA, especialmente en visión artificial y modelos de lenguaje grande (LLM), la IA en la nube maneja sin esfuerzo escenarios cada vez más complejos.
Esta escalabilidad es crucial para supervisar aplicaciones que deben procesar volúmenes de datos en constante crecimiento sin comprometer el rendimiento.
Factores clave de crecimiento que impulsan la adopción de la IA en la nube:
• Se proyecta que las instalaciones de cámaras de seguridad crezcan de 1.200 millones a 2.000 millones para 2030.
• El mercado de monitoreo de alarmas, valorado en 100.000 millones de dólares, está migrando hacia cámaras conectadas a la nube.
• El mercado de Video como Servicio (VSaaS) está creciendo rápidamente, con un crecimiento interanual del 30% en cámaras conectadas a la nube.
A medida que la IA continúa creciendo de forma exponencial, la escalabilidad, la flexibilidad y la seguridad mejorada de la IA en la nube la convierten en la opción óptima para las soluciones de seguridad de video.
