بررسی نقش فناوری (مثل iot، ویدیو-نظارت، تحلیل داده و غیره) در پیشگیری از جرم و چالش‌های مرتبط

کاربرد فناوری‌های اینترنت اشیا (iot) و مدل‌های یادگیری عمیق را در نظارت بر اقدامات خشونت‌آمیز و فعالیت‌های مجرمانه در شهرهای هوشمند تجزیه و تحلیل کند. مدل‌های پیشرفته شبکه عصبی، مانند شبکه‌های عصبی کانولوشن (cnn)، شبکه‌های حافظه کوتاه مدت بلند (lstm) و رویکردهای ترکیبی، نرخ دقت بالایی را نشان داده‌اند که به طور متوسط بیش از 97.44٪ در تشخیص رفتارهای مشکوک است. این مدل‌ها در شناسایی ناهنجاری‌ها در امنیت اینترنت اشیا عملکرد خوبی دارند. با این حال، آنها در درجه اول در محیط‌های شبیه‌سازی (آزمایش شده‌اند که اکثر آنها داده‌های دنیای واقعی را در بر می‌گیرند. از منظر حقوقی، طرح‌های پیشنهادی موجود عمدتاً بر امنیت و حریم خصوصی تاکید دارند. توسعه این سیستم‌ها چالش‌های اخلاقی و قانونی نیز به همراه دارد؛ اجرای آن‌ها بدون چارچوب مقرراتی مناسب می‌تواند منجر به نقض حریم خصوصی و سوءاستفاده از داده‌های شهروندان شود.

exploring the role of technology (e.g. iot, video surveillance, data analytics, etc.) in crime prevention and related challenges

analyze the application of internet of things (iot) technologies and deep learning models in monitoring violent acts and criminal activities in smart cities. advanced neural network models, such as convolutional neural networks (cnn), long short-term memory networks (lstm), and hybrid approaches, have shown high accuracy rates, averaging over 97.44% in detecting suspicious behaviors. these models perform well in identifying anomalies in iot security. however, they have been tested primarily in simulation environments, most of which involve real-world data. from a legal perspective, existing proposals mainly emphasize security and privacy. the development of these systems also poses ethical and legal challenges; their implementation without an appropriate regulatory framework can lead to privacy violations and misuse of citizens’ data.