Cell_NVIDIA - 非影像辨識門禁系統技術報告

核心背景與隱私革命

在現代智慧建築與高安全需求場所中，門禁系統（Access Control）正逐步擺脫單一的「刷卡」或「影像辨識」模式。尤其是隱私法規（例如歐盟 GDPR）日益嚴格，加上 AI 技術的高速發展，傳統門禁系統面臨了前所未有的挑戰。

聲紋與語音辨識的資安漏洞

隨著生成式 AI（如 ElevenLabs, ChatTTS）技術成熟，僅需 3~5 秒的音訊樣本即可完美克隆人聲。因此，單純依賴語音/聲紋進行主要門禁解鎖，極易受到「重放攻擊（Replay Attack）」或「合成音訊欺騙」，安全風險極高。

為了在保護隱私（無相機鏡頭）的前提下達到極高安全性，技術架構應轉向以下兩大維度：**邊緣實體層的防尾隨感測融合** 與 **雲端系統層的門禁大數據資安分析**。

graph TD A[非影像/非語音智慧門禁] --> B(邊緣實體層: 防尾隨感測融合) A --> C(雲端系統層: 門禁大數據資安分析) B --> B1[感測器: 毫米波雷達 / 3D 光達 / 壓力地墊] B --> B2[NVIDIA 運算平台: Jetson Edge AI] C --> C1[資安場景: 異常路徑 / 幽靈刷卡 / 卡片克隆] C --> C2[NVIDIA 運算平台: Morpheus + GNN 圖神經網路]

方向一：防尾隨感測融合 (Anti-Tailgating)

很多辦公大樓或機房最怕「一人刷卡，兩人進入」（尾隨）。在剔除影像辨識（相機）的前提下，利用非視覺物理感測器來構建通道的三維空間感知：

毫米波雷達 (mmWave Radar)

發射高頻電磁波，精準偵測人體的位置、速度與呼吸微動，不受光線（黑暗、強光）影響。

固態光達 (Solid-State LiDAR)

獲取高精度的 3D 空間點雲數據（Point Cloud），重構通道內物體的立體輪廓。

重力感應地墊 (Pressure Sensors)

埋設於通道地板，根據踩踏重力分佈判斷有幾雙腳（幾個人）同時通過。

紅外線光柵 (Infrared Grids)

作為輔助，確認人體切斷光線的順序與流速。

NVIDIA 技術的角色 (NVIDIA Jetson)：

雷達與光達產生的三維點雲數據流量極大。NVIDIA Jetson 平台 (如 Jetson Orin Nano/NX) 具備強大的 GPU 邊緣算力，可在邊緣端直接運行 3D 深度學習模型（如 PointNet、VoxelNet），在毫秒內融合點雲與重力數據，精準判斷是否有「一人刷卡，兩人通過」的尾隨行為，並即時控制閘門或觸發警報。

絕對的隱私合規 (GDPR Ready)

由於完全不擷取、不儲存任何臉部或身體影像，本方案天生具備極高的隱私保護屬性。非常適合部署於跨國企業總部、政府機關、更衣室入口、研發重地等對隱私法律（如歐盟 GDPR）要求極度嚴苛的場景。

方向二：門禁大數據資安分析 (Access Analytics)

這是一個將「物理安全（OT）」上升�

方案對比與架構建議

比較維度	方向一：防尾隨感測融合	方向二：門禁大數據資安分析
技術主戰場	邊緣端硬體與感測器融合 (OT)	伺服器/雲端大數據分析 (IT)
NVIDIA 核心工具	NVIDIA Jetson 平台 (Orin)	NVIDIA Morpheus, Rapids, cuGraph
主要防禦對象	當下的實體強行闖入、尾隨	持續性的卡片複製、內部權限濫用、異常行為
隱私敏感度	極低（不記錄任何個人識別資訊）	中（需處理員工刷卡代碼，但可去識別化）
部署難度	需要改造通道硬體（裝設雷達/光達）	無需動硬體，只需對接現有門禁系統 API

最佳實踐建議：雙管齊下

對於追求極致安全性的企業（如半導體廠、金融總部、軍工產業），最理想的架構是「邊緣阻斷 + 後台稽核」結合：
1. 在實體通道使用 Jetson 進行感測融合防尾隨，保障進場人數精準度。
2. 在後台系統使用 Morpheus 進行大數據資安分析，確保員工物理軌跡的資安安全性。

硬體採購與建置策略

在導入非影像門禁系統時，邊緣端與伺服器/雲端端的硬體架構完全不同，以下為針對不同技術方向與專案階段的硬體採購與租用策略：

邊緣實體端：Jetson 邊緣運算平台

需要採購特定實體嵌入式硬體與感測器以部署於現場門禁閘門：

運算核心：前期開發與驗證建議採用 Jetson Orin Nano 開發套件 (40 TOPS 算力)；若需融合多路 3D 光達點雲進行大容量邊緣重構，建議採用 Jetson Orin NX (100 TOPS 算力)。
物理感測器：Texas Instruments (TI) IWR6843/IWR1843 毫米波雷達開發板、工業級固態光達 (LiDAR) 或重力感應地墊。

雲端/伺服器端：Morpheus, RAPIDS, cuGraph

無須採購實體嵌入式開發板，但需部署於搭載 NVIDIA 獨立 GPU 的伺服器或雲端環境：

雲端 GPU VM：推薦開發與 POC 階段使用，租用雲端（如 AWS、GCP）搭載 NVIDIA T4, L4, A10G 或 A100 的 GPU 執行個體。
本機開發工作站：配備 NVIDIA 獨立顯卡（RTX 30/40 系列，建議顯存 12GB+）的 Linux 或 Windows 工作站即可。
地端伺服器：若因資安與個資規範限制必須地端部署 (On-Premise)，可採購搭載企業級 GPU（如 NVIDIA L40S, A100）的伺服器。

專案不同階段的採購建議表

專案階段	防尾隨感測融合 (邊緣端)	門禁大數據資安 (雲端/伺服器端)
階段一：概念驗證 (POC)	採購 1~2 套 Jetson Orin Nano 開發套件與評估用毫米波雷達板（如 TI IWR6843AOPEVM）。	無需採購實體硬體。直接租用雲端 GPU 實例或使用現有獨立顯卡工作站進行軟體研發。
階段二：實地部署 (Production)	採購具備工業級防護外殼的 Jetson Orin 邊緣運算盒及符合工程規範的毫米波雷達/光達感測器。	部署地端 GPU 伺服器（搭載 NVIDIA L4/T4 GPU）或將雲端 GPU 資源租用納入年度營運預算。

NVIDIA Morpheus 框架 是一個 GPU 加速的資安大數據 AI 框架。它可以將企業成千上萬的門禁日誌（RFID / NFC / 手機藍牙憑證）實時導入 GPU 管道中，利用 AI 模型進行微秒級的異常模式過濾。同時，利用 **圖神經網路 (GNN)** 將「員工」、「卡片」、「讀卡機位置」、「時間」建模為一個行為圖譜（Graph）。利用 NVIDIA GPU 加速的 DGL 或 cuGraph，AI 可以自動學習每個員工的正常路徑，一旦出現異常連線，系統將自動發出高風險警報。