एक IoT कैमरा सिर्फ एक लेंस और एक नेटवर्क केबल से कहीं ज़्यादा है। यह एक पूरी तरह से काम करने वाला, विशेष कंप्यूटर है, जिसे एक ही काम करने के लिए डिज़ाइन किया गया है: वीडियो कैप्चर करना, उसे प्रोसेस करना और उसे नेटवर्क पर भेजना। यह समझने के लिए कि इन उपकरणों को कैसे सुरक्षित किया जाए, हमें पहले यह समझना होगा कि वे अंदर से कैसे बने होते हैं।

आर्किटेक्चर को तीन मुख्य परतों में विभाजित किया जा सकता है: हार्डवेयर, एम्बेडेड ऑपरेटिंग सिस्टम और नेटवर्क संचार स्टैक। प्रत्येक परत की अपनी कमजोरियां हो सकती हैं जिन्हें एक हमलावर फायदा उठा सकता है।

हर IP कैमरे के मूल में कुछ प्रमुख हार्डवेयर घटक होते हैं जो एक साथ काम करते हैं। ये एक छोटे, कुशल पैकेज में एक पूर्ण कंप्यूटिंग सिस्टम बनाते हैं।

मुख्य घटक हैं:

• इमेज सेंसर और लेंस: ये कैमरे की "आंख" हैं, जो प्रकाश को कैप्चर करके उसे डिजिटल सिग्नल में बदलती हैं।
• सिस्टम ऑन ए चिप (SoC): यह कैमरे का "मस्तिष्क" है। यह एक शक्तिशाली प्रोसेसर है जो इमेज प्रोसेसिंग, वीडियो कम्प्रेशन (जैसे H.264 या H.265), और ऑपरेटिंग सिस्टम चलाने सहित सब कुछ संभालता है।
• मेमोरी (रैम और फ्लैश): रैम का उपयोग अस्थायी संचालन के लिए किया जाता है, जबकि फ्लैश मेमोरी में फर्मवेयर होता है - वह स्थायी सॉफ्टवेयर जिसमें ऑपरेटिंग सिस्टम और कैमरे के सभी एप्लिकेशन शामिल होते हैं।
• नेटवर्क इंटरफेस: यह आमतौर पर एक ईथरनेट पोर्ट या वाई-फाई मॉड्यूल होता है, जो कैमरे को स्थानीय नेटवर्क और इंटरनेट से कनेक्ट करने की अनुमति देता है।

अधिकांश आधुनिक IP कैमरे एम्बेडेड लिनक्स के एक विशेष संस्करण पर चलते हैं। यह एक पूर्ण डेस्कटॉप ऑपरेटिंग सिस्टम नहीं है, बल्कि एक न्यूनतम संस्करण है जिसे डिवाइस के विशिष्ट कार्यों को चलाने के लिए अनुकूलित किया गया है।

यह OS फ्लैश मेमोरी पर संग्रहीत फाइल सिस्टम के भीतर रहता है। इस फाइल सिस्टम में OS के लिए आवश्यक सभी फाइलें, कैमरे के संचालन को नियंत्रित करने वाले एप्लिकेशन और कॉन्फ़िगरेशन फाइलें शामिल हैं। सबसे महत्वपूर्ण बात यह है कि इसमें अक्सर एक हल्का वेब सर्वर भी शामिल होता है।

यह वेब सर्वर दो प्रबंधन इंटरफेस में से एक को होस्ट करता है:

1. स्थानीय इंटरफेस: आप अपने वेब ब्राउज़र में कैमरे का IP पता टाइप करके इस तक पहुँचते हैं। यह आपको सीधे कैमरे पर सेटिंग्स, जैसे कि नेटवर्क कॉन्फ़िगरेशन, इमेज गुणवत्ता और उपयोगकर्ता खातों को प्रबंधित करने की अनुमति देता है।
2. रिमोट इंटरफेस: यह आमतौर पर निर्माता के क्लाउड सर्वर के माध्यम से पहुँचा जाता है, अक्सर एक मोबाइल ऐप या वेब पोर्टल के माध्यम से। जब आप ऐप का उपयोग करके अपने कैमरे से जुड़ते हैं, तो आप वास्तव में डिवाइस से सीधे नहीं, बल्कि क्लाउड के माध्यम से संचार कर रहे होते हैं।

एक बार जब SoC ने वीडियो को प्रोसेस और कंप्रेस कर दिया, तो इसे नेटवर्क पर भेजा जाना चाहिए। यह दो प्राथमिक तरीकों से होता है: स्थानीय स्ट्रीमिंग और क्लाउड संचार।

स्थानीय नेटवर्क पर, कैमरे अक्सर वीडियो स्ट्रीम करने के लिए RTSP (रियल-टाइम स्ट्रीमिंग प्रोटोकॉल) का उपयोग करते हैं। यह नेटवर्क वीडियो रिकॉर्डर (NVR) या वीडियो प्रबंधन सॉफ्टवेयर (VMS) को सीधे कैमरे से वीडियो फ़ीड प्राप्त करने की अनुमति देता है।

दूरस्थ पहुँच के लिए, कैमरा निर्माता के क्लाउड सर्वर से एक कनेक्शन स्थापित करता है। यह कनेक्शन आमतौर पर HTTP या HTTPS का उपयोग करके एन्क्रिप्ट किया जाता है। कैमरा समय-समय पर सर्वर को "हार्टबीट" सिग्नल भेजता है ताकि यह पता चल सके कि यह अभी भी ऑनलाइन है। जब आप अपने फोन पर ऐप खोलते हैं, तो ऐप क्लाउड से जुड़ता है, जो फिर आपके कैमरे से वीडियो स्ट्रीम को आपके फोन पर रिले करता है।

सुरक्षा के दृष्टिकोण से ये संचार पथ महत्वपूर्ण हैं। स्थानीय इंटरफेस और RTSP स्ट्रीम पर एक हमलावर आपके स्थानीय नेटवर्क के भीतर कैमरे तक पहुंच प्राप्त कर सकता है। क्लाउड संचार में कमजोरियां एक हमलावर को इंटरनेट पर दुनिया में कहीं से भी आपके कैमरे को नियंत्रित करने या उसकी निगरानी करने की अनुमति दे सकती हैं।