• Login
    View Item 
    •   FFI Publications Home
    • Publications
    • Rapporter
    • View Item
    •   FFI Publications Home
    • Publications
    • Rapporter
    • View Item
    JavaScript is disabled for your browser. Some features of this site may not work without it.

    Teknologiske muligheter for Tolletaten – breddestudie

    View/Open
    17-16605.pdf (8.494Mb)
    Date
    2017-10-27
    Author
    Author::Engøy, Thor
    Author::Botnan, Jan Ivar
    Author::Løkken, Kristin Hammarstrøm
    Author::Frømyr, Tomas Roll
    Author::Aronsen, Morten
    Author::Stolpe, Audun
    Author::Blix, Tom Arild
    Author::Dyrdal Idar
    Author::Aurdal, Lars
    Metadata
    Show full item record
    Abstract
    Tolletaten har gitt Forsvarets forskningsinstitutt (FFI) oppdrag om å gjennomføre en teknologisk mulighetsstudie som kan bidra til etatens strategi for utvikling av organisasjonen på kort, mellomlang og lang sikt. Denne rapporten tar for seg anvendelse av sensorer og maskinlæring, og peker på gryende muligheter innen automatisering og digitalisering av vareflyten. Befaringer hos Tolletaten, på Oslo havn, postsentralen på Alnabru, tollkontoret på Gardermoen og grensestasjonen på Svinesund, har gitt FFIs prosjektgruppe bakgrunn for å forstå teknologienes mulige anvendelse for Tolletaten. Av de sensorteknologiene som er interessante kan nevnes kjemiske detektorer, TeraHertz, hyperspektral avbildning, radar samt forskjellige teknologier for deteksjon og overvåkning av fartøy på sjøen. Alle sensorteknologier, såvel som andre kilder til informasjon, kan brukes som grunnlag for maskinlæring. Et datasett som består av sensordata sammenholdt med en domeneeksperts tolkning av dataene må etableres først. Etter opplæring vil maskinen kunne finne mønstre og sammenhenger som man er ute etter f.eks. i en strøm av sensordata. Vi gir noen eksempler på hvordan maskinlæring (dyp læring) kan anvendes på sensorsystemer som Tolletaten bruker i dag, ANPR og røntgen. Et datasystem med flere ulike sensorer og informasjonskilder kan over tid lære seg hva som er normalt, og deretter melde fra om avvik fra normalsituasjonen. Dette vil kunne understøtte bedre planlegging og utnyttelse av Tolletatens ressurser. Disse teknologiene kan bidra til å forbedre treffprosenten ved utvelgelse av objekter for kontroll. For å få oversikt over de ulovlige varestrømmene må det i tillegg gjennomføres kontroller basert på statistiske metoder. Hvis disse ulovlige varestrømmene skal stanses må antall kontroller øke vesentlig. Automatisering og robotisering innen post- og varemottak, kontroll av konteinere og overvåking av varestrømmer vil i fremtiden gi mulighet for et slikt økt kontrollvolum. Teknologier som “blockchain” og “internet of things” vil sannsynligvis forbedre informasjontilgangen som følger vareflyten og dermed gi grunnlag for bedre kontroll. Hvordan data lagres, bearbeides og tilgjengeliggjøres vil endre seg gjennom skytjenester og bruk av lenkede data (“semantic web”). Imidlertid innebærer også teknologiutviklingen en trussel ved at kriminelle tar i bruk lett tilgjengelige løsninger for å anonymisere datatrafikk og taletjenester.
     
    The Norwegian Customs Agency has tasked The Norwegian Defense Research Establishment (FFI) to carry out a technology feasibility study that can contribute to the agency’s strategy for developing the organization in the short, medium and long term. This report deals with the use of sensors and machine learning, and points to emerging opportunities in automation and digitization of the flow of goods. Visits to customs stations at Oslo harbour, Alnabru mail center, Oslo Airport Gardermoen and Svinesund border station, have been carried out and given the FFI team background for understanding the possible application of the technologies within the Customs Agency. Sensor technologies that are of interest include chemical detectors, TeraHertz, hyperspectral imagery, radar and various technologies for detection and surveillance of vessels at sea. All sensor technologies, as well as other sources of information, can be used as the basis for machine learning. A data set consisting of sensor data along with a domain expert’s interpretation of the data must be prepared first. After training, the machine will be able to find patterns that are sought after, for example in a stream of sensor data. We provide some examples of how machine learning (deep learning) can be applied to sensor systems the Agency is currently using, ANPR and X-ray. A computer system with several different sensors and sources of information can over time learn what is normal, and then report deviations from the normal situation. This may support better planning and utilization of the Customs Agency’s resources. These technologies can help improve the hit rate in selecting objects for control. In addition, in order to estimate the illegal goods flows, checks must be performed based on statistical methods. If these illegal goods are to be stopped, the number of checks must increase significantly. Automation and introduction of advanced robots in mail processing, control of containers and monitoring of goods flows will in the future support this required increase in control volume. Technologies like “blockchain” and “internet of things” are likely to improve the information quality that follows the flow of goods and thus provide a better basis for control. How data is stored, processed and made available will change through cloud services and use of linked data (“semantic web”). However, technology development also poses a threat from criminal use of readily available solutions such as anonymous data traffic and voice services.
     
    URI
    http://hdl.handle.net/20.500.12242/2205
    Collections
    • Rapporter

    Related items

    Showing items related by title, author, creator and subject.

    • Base defence demonstration at Trident Juncture 2018 – TACT unmanned systems for base and force protection 

      Author::Mathiassen, Kim; Author::Hyndøy, Jens Inge; Author::Østevold, Einar; Author::Valaker, Sigmund; Author::Danielsen, Tone; Author::Baksaas, Magnus; Author::Olsen, Lars Erik; Author::Thoresen, Marius; Author::Ruud, Else-Line; Author::Selvåg, Jarle; Author::Sandrib, Jarle (2019-09-16)
      Trident Juncture 2018 (TRJE18) var en høyprofilert militærøvelse i Norge høsten 2018. Sammen med NATO Allied Command Transformation (ACT) arrangerte Forsvarets forskningsinstitutt (FFI) en stor arena for demonstrasjoner ...
    • Studying the effect of source proximity in sperm whales and continous sonar in pilot whales using operational sonars - the 3S-2019-OPS cruise report 

      Author::Kvadsheim, Petter H.; Author::Lam, Frans-Peter A.; Author::Isojunno, Saana; Author::Wensveen, Paul J.; Author::Ijssemuide, Sander P. van; Author::López, Lucia Martina Martin; Author::Riet, Martijn W. G. van; Author::McGhee, Elizabeth Henderson; Author::Siemensma, Marije L.; Author::Bort, Jacqueline; Author::Burslem, Alexander; Author::Hansen, Rune Roland; Author::Miller, Patrick J. O. (2020-07)
      The 3S project is an international collaborative effort with the aim to investigate behavioral reactions of cetaceans to naval sonar signals. The objectives of the third phase of the project are to investigate if exposure ...
    • Selekteres de riktige personene til dagens Forsvar? -beskrivelse av dagens seleksjonsordning til førstegangstjenesten 

      Author::Teien, Hilde Kristin; Author::Aandstad, Anders; Author::Gulliksrud, Kristine; Author::Kåsin, Jan Ivar; Author::Køber, Petter Kristian; Author::Lereggen, Finn Arne; Author::Rones, Nina; Author::Sagen, Terje; Author::Gjein, Gaute; Author::Garang, Stein; Author::Thorsby, Grete; Author::Lang-Ree, Ole Christian; Author::Eriksen, Christoffer; Author::Voie, Øyvind (2019-09-09)
      I Norge har vi kjønnsnøytral verneplikt (allmenn verneplikt) som vil si at alle unge menn og kvinner må delta i seleksjonsprosessen til førstegangstjeneste. Førstegangstjenesten er en lovpålagt tjeneste hvor hensikten er ...

    Browse

    All of FFI PublicationsCommunities & CollectionsBy Issue DateAuthorsTitlesThis CollectionBy Issue DateAuthorsTitles

    My Account

    Login

    CONTACT US

    • FFI Kjeller
      FFI, PO Box 25, 2027 Kjeller
    • Office Address: Instituttvn 20,
      Phone 63 80 70 00
    • biblioteket@ffi.no

    HELPFUL

    • About FFI
    • Career
    • Reports

    Sitemap

    • About cookies (cookies)
    • Newsletter
    • Sitemap

    FOLLOW US

     

     

    © Copyright Norwegian Defence Research Establishment
    Powered by KnowledgeArc