使用藍牙通信會對我們的個人信息造成威脅嗎

藍牙的出現給我們的生活帶來了很大的便利,但我們偶然還是會看到一些關於藍牙安全的科技新聞。其中不乏一些的"藍牙安全缺陷使數百萬設備處於危險當中",或者"藍牙漏洞使你的設備容易受到攻擊"等等。而本文主要是想正確地闡述關於藍牙安全的問題。

安全研究所與藍牙技術聯盟的合作

安全研究所和藍牙技術聯盟(SIG)之間存在著一種有計劃、有目的的合作關係,SIG是一個非營利的行業協會,主要負責監督藍牙技術。

藍牙技術聯盟鼓勵社區積極審查規範,因為這些規範都是公開的。在實驗室的特定環境中,發現和查找這些漏洞是不容易的。

我們現在使用和依賴的科技技術,對其的安全性關注是十分必要的,而藍牙技術聯盟以及他的成員們也在時刻關注著藍牙的使用是否產生了威脅行為。無線藍牙的便捷性和重要性對我們來說不言而喻,同時確保其安全性更為關鍵,這也是藍牙安全技術一直在不斷改進的重要原因。

藍牙技術的發展

通過20年的努力,藍牙SIG與其成員公司合作,使藍牙技術成為現實無線低功耗的標準。根據2020藍牙市場更新的數據,今年將有46億台使用藍牙技術的設備上市。

我們已經確保藍牙技術可以從一個簡單但出色的無線音頻配對解決方案發展到智能建築、智能工業和智能城市等新興市場物聯網智能自動化的基礎。

為了提供卓越的藍牙連接,我們與成員社區中的近36000家公司合作,每個公司都使用藍牙技術作為各種應用的連接組織。

傳統產業和新興產業的發展,以及維持這些產業所需的互聯設備的爆炸式增長,意味著安全性必須始終是技術專業人士的首要考慮。然而,安全實現既不是交鑰匙,也不是一刀切。讓藍牙技術真正普及是很不容易的。

因為藍牙無處不在,但實際上不可能無處不在。

藍牙的無所不在正是藍牙SIG開發了一種三管齊下的方法來優先考慮安全性和保護藍牙技術。

該方法解決了藍牙規範和接口中的安全問題,為藍牙SIG成員提供了持續的安全教育。教育部分包括藍牙安全響應程序。它還專門為藍牙技術的不斷創新和迭代留下空間。

沒有技術是完美無缺的。通過解釋藍牙SIG的安全過程的範圍和意圖,我們希望為有關藍牙安全的敘述提供一個教育性的視角,並將其從頭條新聞轉移到一個對我們的安全過程透明化的視角,這將繼續加強現有的保護,並引入新的安全措施,以滿足不斷變化的連接環境要求。

規範:所有藍牙設備的構建板塊

為了理解安全性,理解藍牙技術的組成部分-藍牙規範是很重要的。

本質上,規範是開發人員用來在藍牙設備之間建立連接和互操作性的需求。除了音頻流和簡單的數據傳輸之外,藍牙的更多用例已經出現,包括設備網絡和所有應用的定位服務。藍牙的應用包括工業資產跟踪到商業照明。

隨著藍牙規範的擴展,它們所包含的安全措施也不得不隨之擴展。

最突出的藍牙規範是核心規範,它定義了開發人員用來創建可互操作設備的基本構建塊,這些設備構成了蓬勃發展的藍牙生態系統。

但也有100多個附加的配置文件和協議規範定義瞭如何構建從可互操作的藍牙耳機到創建用於照明控制的大規模藍牙網狀設備網絡。

開發者指南

開發人員遵循每個規範中的指導原則,以便根據產品設計的需要來實現調整。

每個規範都有自己的技術和工具,允許開發人員解決產品的安全預防措施和藍牙設備之間的安全通信。

可以將其視為一個工具箱,開發人員可以從中選擇為其產品實現適當的安全級別。藍牙低能耗產品開發人員可以使用的一些安全功能包括:

防止被動竊聽

防止中間人(MITM)攻擊

利用AES-CCM加密技術在兩個藍牙低能設備之間進行加密通信

隱私和身份跟踪保護

安全審查

雖然規範在開發過程中要經過安全性審查,但要由SIG的36000個成員中的每一個選擇實現它們所需的最佳安全選項。

例如,工廠中啟用藍牙功能的狀態監測系統需要與無線鼠標顯著不同的安全功能。這是由開發人員選擇必要的安全功能來實現在他們的藍牙產品。

藍牙規範提供了這些選項和靈活性,這使藍牙技術在各種低功耗無線技術中獨樹一幟。

這些選項使成員可以自由選擇其產品的最佳安全功能,但這也可能意味著成員可能會選擇不足以滿足其應用程序的安全或隱私功能。這就引出了第二部分——教育。

教育:設計、開發和部署安全藍牙設備的工具

為了幫助會員為他們的應用選擇合適的安全選項,藍牙SIG定期發布學習指南、培訓視頻和各種各樣的其他教育材料。

這些教材解釋了為什麼某些安全選項在特定應用程序中比其他安全選項更有效。它們還解釋了每個規範中常見的安全風險以及如何最好地避免它們。

常見的實施最佳做法包括:

遵循最新版本的藍牙規範,以確保開發者有最新的指導

記錄產品設計的安全要求,以便在實施過程中使用適當的安全性 Continue reading

Verizon:全國5G速度將與4G速度"類似"

Verizon本週二宣布將在全球範圍內推出5G服務,但該公司的以為高管提醒客戶現在不應該賦予過高的期待。

同時,他表示,隨著Verizon在改善其網絡上的努力,未來數月和數年的情況會發生很大的變化。 “現在是初期,",他說,"我們會一直努力下去。"

考慮到運營商今年早些時候抨擊T-Mobile的5G網絡提供的速度與T-Mobile的4G服務類似,Verizon提出的情況是值得注意的。

有人表示,Verizon將主要在其850MHz頻譜上運行其全國5G服務,但也可以在其PC和AWS頻譜控股公司的選定地點運行。

這樣的評論並不讓人感到驚訝。 Verizon首席執行官漢斯·維斯特伯格(Hans Vestberg)今年5月在被問及Verizon的全國5G計劃時也曾發表過類似聲明。 “一開始,規模會很小," 維斯特伯格談到Verizon在全國范圍內推出的5G產品時說。

Verizon在全國范圍內推出5G產品的同時,蘋果推出了新的iPhone12產品。事實上,Verizon的維斯特伯格在蘋果長達一小時的發布會上扮演了主角,討論了新設備可以支持的快速連接。

不過,維斯特伯格明確表示,新iPhone 12支持的4Gbit/s峰值速度只能在運營商的毫米波5G網絡上使用。該網絡僅在幾十個城市的部分地區可用。 Verizon將其毫米波5G服務標為"超寬帶"或UWB。

Verizon表示,它將通過手機上的圖標來區分這兩個網絡。 “"5G"將表示其全國網絡,而"5G UW"將表示其毫米波網絡。AT&T在自己的5G產品中使用了類似複雜的圖標品牌。

Verizon表示,其"5G全國范圍"服務將通過動態頻譜共享(DSS)技術覆蓋2億美國人。 DSS是一種5G標準,允許4G和5G以1ms的增量共享同一頻段。

考慮到T-Mobile高管對這項技術提出的問題,Verizon推出的動態頻譜共享值得我們注意。這項複雜技術的標準和實現存在嚴重缺陷,例如芯片組和設備無法消除動態頻譜共享造成的複雜干擾,"T-Mobile的Mark McDiarmid,運營商的一位網絡高管,大約兩週前在LinkedIn上寫道此外,還沒有協調小區間干擾消除的標準。動態頻譜共享還會產生動態干擾!這並不是什麼新鮮事,我們在4G中遇到了這個問題,但它花了幾年的時間來彌補干擾消除方面的不足。動態頻譜共享是否重複這種模式?"

Verizon的高管不理會這些評論,並表示:"這絕對是一個很棒的工具。"。

他還指出,Verizon將其毫米波 5G網絡擴展到55個城市,這使得該運營商有望在2020年年底前擴展到60個城市。他說,該運營商正在通過八組分載波聚合技術在其毫米波網絡上記錄最高下載速度,最高可達4gbit/s,並通過兩組分載波聚合技術記錄250mbit/s的上傳速度。

但真正使用起來是否如他所說,我們拭目以待。

諾基亞預測5G將在2030年為全球GDP增加8萬億美元

關於5G的消息更新和關註一直都存在很高的熱度。最近,諾基亞發表了報告預測5G將在2030年為全球GDP增加8萬億美元。

華為此前贊助過幾家公司,並提醒英國,如果當局禁止數字技術應用,英國會在科技領域處於弱勢(但他們還是禁止了和華為的合作)。

與此同時,華為的主要競爭對手也越來越迫切地想要證明一項技術的合理性,這種技術可能從現在起到2020年之後6G問世,讓企業繼續運營下去。

5G不僅僅是4G的連通性更新,它是一場革命。華為受到了美國的貿易和政治威脅,被禁止科技和產品的進出口和供需等。

華為創始人任正非在最近的一份報告中表示:"事實上,人類社會並不迫切需要5G,現在人們需要的是寬帶,而5G的主要內容不是寬帶。"

諾基亞的數字預測

諾基亞8萬億美元的數字吸引了人們的注意,畢竟萬億真的是一個很不可思議的數字。

去年,按名義價值計算,全球GDP大約是89億美元。根據諾基亞的報告,到2030年,8萬億美元將會這一數字的7%。這是由貝爾實驗室諮詢公司(Bells Labs Consulting)的專家計算得出的,該公司是一家諾基亞研究機構。

不過,很明顯,諾基亞和貝爾實驗室會從5G的預測假設開始。

來源:諾基亞

他們的計算可能低估了5G最壞的情況——儘管在未來幾年內,它將成為智能手機服務的默認標準,但它未能生產出與Uber相當的5G,這或許是一家沒有4G就無法生存的公司最明顯的例子,而且在商業領域的影響也不大。

有趣的是,如果全球跳過5G而等待6G,那麼移動對GDP的貢獻將是多少,而這份報告似乎並未考慮到這一點。

這一數字與移動在5G世界的總貢獻之間的差距可能小於2030年GDP的7%。

就連5G的狂熱者也承認,許多針對行業的服務都可以使用4G提供——5G只會帶來更高的效率和安全性。

在私人商務網絡市場,今年7月,諾基亞180家客戶中,除30家外,其餘全部使用5G前技術。

很有可能,4G帶來的更長的信號延遲將它排除在一些前沿的新工業應用中。同樣,缺乏5G自動化水平的4G系統可能難以應對數百億個連接的工廠傳感器。

然而,5G設備供應商未能對延遲敏感應用的許多實例進行概念化。

根據思科和愛立信2010年的預測,關於物聯網,現在應該包括大約500億個連接對象。愛立信6月份的上一份流動性報告指出,不到110億美元。

等待這些突破的時間越長,從現在到2030年5G的影響就越小。

4G行動

毫無疑問,在4G的廣泛使用下,5G會被賦予更多期待。它的前身被認為是迄今為止最成功的移動通信技術之一。

儘管如此,根據蜂窩電信行業協會(Cellular Telecommunications Industry Association)委託進行的一項研究,僅在美國發達市場,4G的經濟貢獻就遠遠低於GDP的7%。該報告引用的數字為7000億美元,相當於2019年美國國內生產總值的約3.3%。

總的來說

如果各國要想有機會實現更大的利益,它們要做的不僅僅是投資5G基礎設施。

儘管政府對華為的行動造成了乾擾,但在Omdia最近的5G進展排名中,英國在22個國家中名列第七。芬蘭和德國的表現也相當不錯,分別排在第八和第十。

然而,只有4%的英國公司、2%的芬蘭公司和3%的德國公司是諾基亞稱之為"5G成熟"的公司。在Omdia的報告中,這個比例上升到了13%,雖然沒有被Omdia的研究所發現,但這一比例並沒有被認為是全球5G的領導者。

諾基亞首席戰略官Gabriela Stif Sjöman在向Light Reading解釋上述結論時說:"我們想了解誰在試點,誰在參與,並試圖了解性能,5G在連通性方面帶來了什麼,以及如何將其轉化為特定的用例。"。

人工智能在牙科醫療領域是一片藍海

導讀:好像害怕看牙醫是大部分人與生俱來的恐懼

在過去的二十年裡,世界在技術上取得了巨大的進步,並影響了人類生活的許多方面。牙科健康也得益於技術進步。智能牙刷、虛擬現實、激光技術和3D打印從根本上改變了牙科領域的面貌。

牙科的下一個大課題是人工智能在診斷和治療中的應用。

人工智能目前在牙科中的應用

在牙科中,人工智能有著廣泛的應用。例如,它用於語音命令,如DEXvoice。

由Simplifeye和DEXIS創建的DEXvoice是牙醫的"Alexa"。 DEXvoice可以提取x光片、病人記錄和圖表。 DEXvoice解決方案創造了一種"免提"的方法,並最終可以加快牙醫的工作速度,因為技術人員或助理不必不斷嘗試在計算機上查找文檔、x光片和圖表。它還使工作區更乾淨和安全,因為不需要戴上或摘下手套來使用電腦。

任何接受過牙醫治療的人都知道這個過程有多痛苦。如果人工智能能幫助治療變得更快、更少痛苦,這將推動人工智能更好地在牙科領域發展。

解讀X光片

解讀X光片和正確計劃治療是牙醫必須掌握的一些最重要的技能。儘管如此,它仍然是一項最難掌握的技能,因為許多圖像用肉眼看不清。目前,人工智能正在幫助檢測齲齒。

人工智能公司ParallelDots推出了一款基於雲的人工智能應用程序,用於在牙科x光片上檢測蛀牙。他們把這個新的臨床設備命名為牙科學.AI. 該設備包含數千個作為數據集的X射線圖像。

人工智能算法經過訓練,可以從大量數據中識別模式。另外,工業4.0技術,區塊鏈,保證了這些數據對所有系統參與者的即時性和有效性。

人工智能可以通過分析牙齒數據密度來更好地識別蛀牙

正確解讀X光片和3D圖像需要大量的經驗,而人工智能助手使這些工作變得更容易,因為已經有數百萬圖像已經被評估了。人工智能算法經過數千張X射線圖像的訓練,在預測蛀牙方面達到了很高的精度。

人工智能還為我們帶來了一個智能助手——MMG Fusion開發的椅子填充程序——通過聯繫患者協調尚未完成的治療,可以幫助優化牙科實踐計劃。

一方面,它可以快速找出哪些類型的病人需要在什麼時候去看牙醫,另一方面,它是用於聯繫和協調這些病人。

人工智能已經是牙科保健的盟友了嗎

雖然牙科護理方面的這些進步為未來在這一領域的發展提供了一個可觀的前景,但該領域的一些專家,如印度國家醫學科學院的成員Sunali S.Khanna博士和Prita A.Dhaimade博士指出,這些進展仍有許多缺點和挑戰需要克服。例如,初期投資成本高。

人工智能比人類更能識別蛀牙

JaroslavBláha報告說,相比人工智能,一組牙醫在X光片中發現的齲齒病例只有大約50%。他還證明了人工智能比人類更能在X光片上發現矯正標誌。

在某些情況下,人工智能係統的性能已經超過了人類。即使人工智能的質量還說不上很好,在今天它的工作速度已經大大提高了。通過節省時間和降低相關成本,人工智能係統將在未來牙科中發揮越來越重要的作用。

人工智能輔助牙醫

除了獲得相關疾病的知識外,還應將重點放在使用人工智能係統支持牙科決策上。其目的應該是訓練下一代牙醫學習決策支持系統如何工作的基本知識,以便能夠理解他們的決定,如果醫學上有指示的話,也可以做出反對意見。

展望未來

人工智能在牙科中的應用有可能更快地引入個性化診斷的解決方案。它將改善醫生和病人之間的溝通,並允許對病人的測試進行準確的分析。

人工智能平台為診斷病人提供了更合適的選擇。雖然現有的CAD是由操作人員根據矯正醫師的指示手動執行的,並且可能涉及人為錯誤,但是基於人工智能的分析將有一個精確的設置,在治療前後有一個精確的診斷和預後。

就個人而言,筆者希望隨著人工智能在牙齒健康領域的出現,去看牙醫會在某些方面減輕疼痛感和壓力。去看牙醫會對很多病人、兒童和成年人產生持久的心理影響。

但是,想想人工智能和牙科學在未來可能為牙齒保健帶來的積極成果,也是令人期待的。

結論

雖然人工智能係統越來越深入人們的日常生活,並帶來相當的便捷和智能性,但不可否認的是同時會存在一些挑戰。

人們會在意生活形勢的改變,包括人工智能帶來的改變。因此,在這方面,用戶需要知道他們為什麼作出了決定。了解決策的理由不僅確保透明度,而且能增加用戶接受的程度。

未來的另一個挑戰是數據的真實性。基於機器學習的人工智能可以得到中性的結果,輸出數據也必須沒有任何失真。

在倫理和法律問題上,特別是在我們能夠依靠強大的人工智能之前,我們還有很長的路要走。根據克里澤爾的說法,全球協議是必要的,但鑑於地域政治局勢,這似乎是一個烏托邦。

一文了解物聯網傳感器如何工作

過去十幾年,計算機、軟件和計算技術在世界上發生了巨大的變化。作為一名工程師,在這個時代擁有部分強大的計算能力是十分有益的。最受歡迎的是個人電腦、筆記本電腦、智能手機和智能手錶等手持設備。

這無法想像我們的生活沒有計算能力的幫助會是怎樣的。令人激動的部分是,我們仍然在瀏覽隱藏在這樣一個看似智能化的機器中的巨大計算潛力的表面。

隨著物聯網的出現,計算技術達到了新的水平,重新定義了"智能"(智慧城市如何建立一個更好的疫情后世界),公平地說,激動人心的時刻才剛剛開始。

本文旨在回答這樣一個問題:"傳感器是如何"感覺"的? “並專注於傳感器工作的物理。

什麼是物聯網?

顧名思義,物聯網是一個涵蓋所有類型設備的保護傘。它們要么嵌入系統中,要么作為一個單獨的實體存在。不管怎樣,關鍵是他們通過互聯網互相交流。每一個這樣的設備都有一個嵌入式發送器和接收器,通過因特網實現通信過程。

然而,每一個物聯網系統都是不一樣的,不一定適合所有的應用。事實上,他們和我們人類很相似。每個人都擅長某件事。你不能指望演員駕駛飛機,飛行員在電影中表演。同樣,你不能指望一個單一的物聯網系統(和設備)來做所有的事情。因此,工程師設計不同的系統來執行不同的任務,以提供最好的結果。

在現代商業中,顧客是上帝,所有行業都是如此。因此,系統設計者總是設計、生產和運送物聯網系統,以提供良好的用戶體驗。 Vera Kozyr所著《如何做物聯網硬件產品開發》從硬件產品的角度出發,重申所有利益相關者投入的時間和精力來創建端到端、即插即用式系統。

在探索物聯網設備的內部之前,區分設備和系統是很重要的。

一個設備就像一個單獨的成員,而係統就像一個包含個人的團隊。因此,設備是系統的一部分,反之亦然。

物聯網系統的組成部分

任何系統都由多個單獨的組件(和子組件)組成,它們共同努力實現一個共同的目標。此外,作為一個系統(團隊)的一部分可以確保更高的生產力和更好的結果。物聯網系統的主要組成部分包括:

感應物理量的傳感器

現場中央微控制器,控制傳感器和其他部件執行的所有動作;

雲端,數據分析和處理,對接收到的數據進行分析和處理;

發送器和接收器通過互聯網在不同的傳感器、傳感器和微控制器與中央雲服務器之間建立通信;

與用戶通信並執行用戶指示的任務的用戶界面。

物聯網傳感器:通向現實世界的橋樑

物聯網系統的一個很好的例子是智能手機,它通常包括:

用於確定位置的全球定位系統(GPS)模塊;

感測環境溫度的溫度傳感器;

一個麥克風可以感知用戶的聲音;

近距離傳感器,用於感應用戶與手機的距離,並在通話過程中鎖定手機。

智能手機上的不同應用使用不同的傳感器。例如,谷歌地圖有一個用戶界面(一個應用程序),可以與GPS模塊交互並收集位置坐標。它通過互聯網連接處理數據,幫助用戶路由到目的地。

電池管理系統(BMS)是使用多個傳感器的物聯網系統的另一個例子。 BMS是一種保護和管理電池操作的電子系統。簡而言之,它是電池的個人看護人。

傳感器就像是計算機世界和現實世界之間的網關。因此,傳感器需要將它在現實世界中感知到的任何東西轉換成計算機能夠理解的特殊事物。

而這兩個世界之間的共同聯繫就是電能。

因此,我們得出了傳感器的技術定義——物聯網系統中的傳感器感知所需的物理量,並將其轉換為電信號,直接或通過現場微控制器傳輸到基於雲的中央服務器。

物聯網傳感器是物聯網系統中使用的傳感器。

微機電系統(MEMS)與物聯網傳感器的傳感機理

微機電系統(MEMS)是一種微系統技術(MST),它由半導體材料(如矽)組成,其尺寸在微米範圍內。

大多數探測機械能的傳感器都以某種方式使用MEMS技術。加速度計是一個非常典型的例子。這主要是由於快速增長和對計算機的巨大依賴。

由於MEMS技術的製造材料是半導體,其主要優點是可以嵌入集成電路(IC)。集成電路包括對從傳感器接收到的數據起作用的其他計算組件(也由半導體材料構成)。

事實上,小尺寸和芯片集成大大降低了成本。你可以花不到250英鎊(3.34美元)買到一個基於MEMS的加速計。此外,基於MEMS的傳感器具有高靈敏度和檢測微小變化的優點,這是前人無法想像的。

傳感機構類型及工作原理 Continue reading

諾基亞與英國電信達成5G協議開始取代華為

諾基亞將在擴大與英國手機運營商華為的合同條款後,取代華為進入英國電信的部分無線接入網絡。

這家芬蘭設備供應商目前佔英國電信無線接入網(RAN)的約三分之一,主要覆蓋人口較少的地區,其餘由華為提供。

但由於鮑里斯•約翰遜(Boris Johnson)領導的政府今年採取的措施,該運營商正面臨壓力,要求華為在2023年1月前,在其5G業務中遵守35%的上限。

到2028年,英國電信和其他英國運營商將需要在其5G網絡中完全取代華為。

諾基亞聲稱,最新的交易將使其成為英國電信最大的網絡供應商,不過HeavyReading的首席分析師加布里埃爾·布朗(Gabriel Brown)表示,這反映了諾基亞與英國電信在5G網絡之外的安排。

“他們在英國電信方面做得特別好的一個領域是核心和邊緣路由,"他說如果再加上這樁新交易,他們將成為最大的基礎設施合作夥伴。 "

新合同將意味著更換華為的部分5G設備,以及由這家中國供應商提供的老一代移動技術。

英國電信首席技術官霍華德·沃森(Howard Watson)此前曾表示,出於性能考慮,英國電信需要在4G和5G上使用同一家設備提供商。

諾基亞還將提供對2G的支持,英國電信一直在與4G相同的硬件平台上運行,業界稱之為單次運行。

布朗說:"這涉及到替換掉華為的大部分客戶群。"目前看來,諾基亞將在幾年內成為英國電信最大的5G RAN供應商,但我們並不真正知道這一市場份額的構成。 "

布朗說,如果合同中有靈活的安排,諾基亞的最終份額可能取決於未來幾年的表現。

愛立信仍然是首要候選人

自反華為措施首次提出以來,英國電信就一直在權衡自己的選擇,並與愛立信進行了RAN試驗。

除非英國電信決定完全依賴諾基亞,否則這家瑞典供應商將是未來另一份RAN合同的最有可能的候選人。

沃森實際上已經排除了使用韓國三星的可能性,因為它不能提供對2G和3G服務的支持。

Open-RAN是一種新的系統,承諾在不同的供應商之間實現更大的互操作性,它可能為Mavenir和Parallel Wireless等美國較小的軟件公司提供機會。

但沃森表示懷疑open-RAN在互換的時間框架內是否足夠成熟。

雖然諾基亞表示將與英國電信合作開發open RAN生態系統,但布朗預計短期內不會有任何重大的open RAN活動。

他說:"對我來說,這是一個在攝像機面前宣布的過程而已。諾基亞做得很好的一件事就是致力於支持開放的RAN接口,這樣運營商就可以在理論上簽訂一份大合同,並保留一些可選性。這樣的受限性就少很多。"

英國電信去年在資本支出上花費了約40億英鎊(52億美元),該公司此前警告英國政府,華為迅速撤資將耗資數十億美元,並有可能嚴重中斷英國電話服務。

但噹噹局提出2027年底的最後期限時,華為緩和了自己的抱怨,並表示將能夠以約5億英鎊(6.4億美元)的增量成本取代華為,這一數字與此前遵守35%上限時的數字相同。

其理由是,7年時間將使其有足夠的時間對其不良資產進行折舊。

布朗說,英國電信已經確定愛立信將取代華為的"核心",即網絡敏感的控制中心,但諾基亞的交易似乎包括一些核心網絡元素,包括用戶數據管理。

他說:"英國電信與愛立信合作,將其作為一個單一的供應商選擇,但這看起來諾基亞將會是部分數據管理者。"

與一家主要的歐洲現任公司簽訂5G大型合同,可能有助於恢復諾基亞5G的聲譽,去年諾基亞因產品問題和零部件延期問題被曝光而受損。

與英國電信的交易也標誌著運營商在5G網絡中使用諾基亞而不是愛立信取代華為的第一個明顯跡象。

布朗說:"這對諾基亞來說是一筆了不起的交易,是向市場發出的一個非常重要的信號,表明他們具有競爭力。"

一位分析師同樣稱讚該合同對芬蘭供應商來說是一個"大勝利"。

他在電子郵件中說:"英國電信必須迅速採取行動,以避免在5G推廣方面失去進一步的優勢。剝離華為,確保對客戶的干擾最小,這是一項艱鉅的任務。"

美國國防部宣布投入6億美元用於5G軍事實驗

​據外媒CNET報導,美國國防部宣布將為五個軍事基地的5G實驗提供6億美元資金。這些測試將集中在虛擬現實訓練、機器人和無人機等方面,國防部周四稱5G “對美國國家和經濟安全至關重要”。

測試地點分別位於聖地亞哥海軍基地、猶他州希爾空軍基地、華盛頓州劉易斯-麥克喬德聯合基地、佐治亞州奧爾巴尼海軍陸戰隊後勤基地和拉斯維加斯的內利斯空軍基地。

負責研究和工程的代理國防部副部長Michael Kratsios說,5G“將加強我們國家的作戰能力。”。

實驗將包括:

聖地亞哥海軍基地:智能倉儲和海軍部隊與岸上設施之間的物資運輸,與AT&T合作進行連接,並使用自主無人機、生物識別技術和機器人。

劉易斯-麥克喬德聯合基地:混合現實訓練,與AT&T和三星合作進行連接,並使用AR和VR的原型作戰訓練方案。

奧爾巴尼海軍陸戰隊後勤基地:存儲和維護車輛的智能倉庫。

內利斯空軍基地:為 “空中、太空和網絡空間殺傷力”開發5G技術,與AT&T合作實現5G連接。

希爾空軍基地:使空軍雷達與5G蜂窩服務共享頻譜,與諾基亞合作開發天線系統,與愛立信合作開發機器學習。

一個畫面,兩條時間線!用AI改寫視頻不同主角時間,效果堪比大片

前陣子大熱的電影《信條》你看了嗎? 無論是從劇情還是製作上這部電影都掀起了一陣輿論浪潮。

影片中令人印象最深刻的無疑是幾場“時間鉗形大戰”,高度還原了時間逆轉的整個過程,而不是直接跳轉到過去的某個時間點。

為了把時間在不同方向上的運行真實的展示出來,導演諾蘭表示,在這部電影中用到的特效鏡頭不到300個,甚至可能比大多數的浪漫喜劇電影還要少。真是讓人實名瑞斯拜。

諾蘭盡量堅持實拍也是他自己的“信條”,但隨著科技的進步,不可否認,技術能做到的事情越來越多。

這不,最近谷歌和牛津大學的研究人員發表了一款“視頻剪輯新利器”,可以“重寫時間”! 在視頻裡可以只對特定人物的動作實現快進、慢放甚至刪除等,而不影響畫面上的其他人物,還可實現多種特殊動態效果。

當深度神經網絡學會了“掌控時間線” 

先來看一個例子,這裡有一個孩子們跳水的視頻,原視頻中他們是分別跳入水中的:

研究人員用了一種全新的深度神經網絡進行視頻處理,成功的做到讓他們一同跳入水中!見證奇蹟的時刻:

是不是完全沒有修改痕跡,看起來是如此的自然流暢。

這就是谷歌和牛津大學研究人員提出的“時間重寫術”,他們訓練了一種深度神經網絡,學習如何將視頻分層分解。

這個模型不僅在不同的層中分離了人的運動,而且還可以捕捉與那些人相關的各種場景元素(例如,孩子們在水中濺起的水、陰影、映像)。當視頻中的人被“重寫時間”的時候,這些相關的元素也會自動與他們一起重新計時,這使得研究人員能夠為各種重新計時的效果創建真實的視頻重染。

再來看看這個“時間重寫”大法還能做出什麼毫無違和的視頻~

“凍結時間”

如下圖所示,這裡有兩對小朋友在跳拉丁舞,可以看到,在原視頻中從視頻開始他們就一直在跳。

接下來,就要“凍結時間”了!就像我們在電影中看到的那樣,有超能力的主角可以在眾人靜止的時候活動。那麼未來這種特效似乎可以放心的交給AI了!

就像這樣,AI可以對時間進行偏移,例如偏移時間為1秒,我們可以看到右側這對小朋友靜止了1秒才開始跳,自然他們的舞蹈動作相對左側的對照組也會隨之延後1秒。

除此之外,這個神經網絡還可以隨心所欲的控制“凍結”誰以及“凍結”時間,比如跳到一半讓右邊這對停一下~

左邊這對先停一下再跳也沒問題~

你以為就這? ?當然不止。這個神經網絡還可以讓視頻中的人物變成“重影”的效果。

人物疊化

在進行視頻剪輯的時候,有一種叫做“疊化”的轉場效果不知大家是否有所耳聞。什麼意思呢?就是在視頻中兩個片段切換的時候,為了讓切換效果更加自然而採取的一種過渡手段。也就是說,前一個片段的結尾和後一個片段的開頭重疊在一起。

而谷歌和牛津大學研究人員訓練的這個神經網絡可以做到與“疊化”轉場類似的效果。研究人員把這個效果稱之為——Duplication。區別於視頻轉場,這個效果可以通過重寫時間來疊化一段視頻中的人物動作。

來看個例子,原視頻中粉色褲子的小女孩做了一個側手翻:

通過神經網絡的渲染,可以變成以下效果:

側手翻的小女孩的動作疊化後是不是有點炫酷~ 另外右邊藍色衣服的女孩用到了凍結效果。兩則視頻對比來看,周圍的環境完全看不出有什麼異樣,這樣的特效可以說是非常成功了~

通過分層神經渲染,只重新定義人物時間線,視頻毫無違和感!

所有這些效果都是通過一種新的基於深度神經網絡的模型實現的,這項技術的核心是分層神經渲染。

即該模型可以根據視頻進行優化,將每幀圖像分解為一組層,每個層由一個RGB彩色圖像和一個不透明蒙版α(統稱為“RGBA”)組成,與視頻中特定的單個/多個人物相關聯。

背景層以及1-3層

需要注意的是,研究人員在這項研究中只關注重寫時間。也就是說,輸出視頻中的人物姿態都是在原視頻中出現的,他們不生成新的、看不見的姿態或視點。

值得一提的是,他們的方法不需要手動註釋或顯式表示動態場景元素,如陰影、水花和蹦床變形;而是只需要對人員進行粗略的參數化,然後,模型會自動學習將與人物相關的場景分組重建。重要的是,重定時效果可以通過對層的簡單操作(移除、複製或插值特定層)而產生,而無需額外的訓練或處理。

分層神經渲染

更多理論詳情,可以參見論文《Layered Continue reading

AI分析人們說話能檢測“孤獨指數”,準確率達94%

據國外媒體報導,最新研究報告顯示,人工智能(AI)能夠從一個人的講話中檢測出孤獨,準確率達到94%,美國研究人員使用IBM沃森在內的多個AI工具,分析了接受採訪老年人的孤獨感。


資料圖

通過分析訪談中單詞、短語和沈默間隙,人工智能對老年人孤獨症狀的評估幾乎與他們填寫報告問卷的結果一樣準確,同時,人工智能還顯示,孤獨的人通常對有關孤獨的直接問題回答時間更長,在回答中表達更多的悲傷。

研究報告資深作者、美國加州大學聖地亞哥分校醫學院埃倫·李稱,大多數研究要么直接問:“你多久才會感到孤獨寂寞?”,這可能會導致孤獨感相關的偏見反應。在這個研究項目中,我們使用自然語言處理,這是一種對錶達的情感和情緒進行無偏見的定量評估,與通常的孤獨感測量工具相結合。

該工具有趣之處在於它不僅是使用字典基礎的方法,例如:搜索反映恐懼的特定詞彙,而是通過測試反應中使用的詞彙呈現出相應模式。

專家指出,美國近年存在一種“孤獨流行病”,其特徵是自殺率和阿片類藥物使用率不斷上升,生產力下降,醫療成本增加,死亡率不斷升高,今年早些時候發表的一項加州大學聖地亞哥分校的研究表明,生活在獨立老年人社區的85%居民出現中度至嚴重程度的孤獨。

新冠病毒大流行和隨之而來的封城,增大了人們的獨處時間,使情況變得更加糟糕。研究人員想知道更多關於自然語言處理技術和機器學習模型如何預測居住在社區的老年人孤獨感。

這項研究聚焦66-94歲之間的80名獨立生活居民,他們的平均年齡為83歲,在2018年4月至2019年8月期間(新冠疫情爆發之前),接受過培訓的研究人員對測試者進行了半結構化訪談。

測試者被提問了20個問題,這些問題來自加州大學洛杉磯分校的孤獨感量表,它使用一個四級評定量表對一些問題進行回答,例如:你經常感覺自己被他人忽視了嗎?你經常感覺到自己是一群朋友中的一員嗎?

測試者也在私人談話中接受采訪,這些談話被錄音並手動轉錄。然後使用包括IBM沃森自然語言理解軟件(WNLU)在內的自然語言處理工具對轉錄進行檢驗,從而量化情感和表達情緒。

研究報告第一作者、加州大學聖地亞哥分校瓦爾沙·巴達爾稱,WNLU軟件系統使用深度學習,能從關鍵詞、類別、情緒、語法中提取元數據,自然語言模式和機器學習使我們能係統地檢查來自多位測試者的長時間訪談,並探索情感等微妙的語言特徵是如何表達孤獨感的。

他還指出,人類的類似情緒分析可能存在分歧,缺乏一致性,需要經過廣泛的培訓才能標準化。與加州大學洛杉磯分校的孤獨感量表的得分相比,使用語言特徵,人工智能係統能預測孤獨感的準確率高達94%。

人工智能預測自我承認孤獨感的準確率為94%,而“量化孤獨感(基於加州大學洛杉磯分校的孤獨感量表的得分)”的準確率為76%,他們發現孤獨的人在個人訪談中回答問題的時間更長,在回答有關孤獨的直接問題時表達的悲傷情緒更多。

這項研究還指出男性和女性存在著差異,女性比男性更可能在測試中坦稱自己感到孤獨,與女性相比,男性在回應中使用了更多恐懼和喜悅的詞語,這表明他們對消極和積極情緒的體驗更加極端,甚至表明男性可以更自由地表達這些情緒。

埃倫指出,當老年女性和男性直接回答問題描述孤獨感時,其情緒和情感表達方面存在微妙的性別差異。這項研究強調了對孤獨感的研究評估與測試者對孤獨主觀體驗之間的差異,人工智能係統可以幫助識別這一點。

研究人員稱,可能存在“孤獨語言”,可以用於檢測老年人的孤獨感,這將改善臨床醫生和家庭成員對老年人群的真實評估,從而有助於治療他們的孤獨感,特別是在疫情爆發封閉期間。

目前,美國加州大學聖地亞哥分校正在探索孤獨和智慧的自然語言模式特徵,這些特徵在老年人群中呈現負關聯,意味著老年人智慧度越高,孤獨感越強。該研究報告合著作者、UCSD的迪利普·傑斯特說:“語言數據能與我們對認知、行動、睡眠、身體活動和心理健康的其他評估結合起來,從而提高我們對衰老的理解認知,並有助於我們度過一個健康的老年生活。”

該研究將人工智能的準確性與測試者自己的孤獨感報告進行了對比,正如研究中所指的,孤獨感並不總是反映真實的感受和情緒,然而,人工智能和自我報告可以被心理學家和專業人士結合使用,從而提高診斷的準確性。

埃倫說:“我們同意UCLA孤獨感量表的分值存在一些不准確,因為它依賴於自我報告,然而,孤獨感量表是最流行的工具之一,因為它沒有明確地使用’孤獨’這個詞,而且似乎在沒有性別偏見的情況下始終能夠捕捉到孤獨的特徵。我們希望研製出更精準的工具來評估人們的孤獨狀態。” 目前這項最新研究報告發表在近期出版的《美國老年精神病學雜誌》上。

關於欺詐系統和支付數據的介紹說明

自20世紀70年代初以來,金融欺詐檢測和支付風險系統以各種形式出現。多年來,各種系統都採用不同的方法來檢測欺詐,儘管最流行的是欺詐規則。

基於規則的系統由於其"白盒"特性而極受歡迎,這意味著欺詐分析師可以很容易地看到規則被破壞的原因以及他們是否認為行為正常。規則還有一個優點,可以根據當前的欺詐問題進行添加、調整和更改。然而,規則也有一個缺點,因為它們的簡單性,欺詐者很容易利用這些規則來改變策略的一個單一部分,以通過系統並繼續他們的欺詐攻擊行為。

由於日常支付量巨大,機器學習和"大數據"革命的創新有助於支付行業的發展,但其他方法正變得越來越普遍。客戶仍然傾向於對這些系統進行嚴格的測試,以確保他們的系統在投入生產前不會受到任何不利影響。當一個新的機器學習模型投入生產時,同樣的測試水平也會被應用。一些欺詐檢測系統有一個暫存區,在那裡可以試驗新的欺詐策略,而不會影響實時系統。

在商業系統中,有幾種欺詐規則,它們充當"支柱",通常是簡單的規則,旨在檢測最明顯的欺詐行為。更先進的規則建立在這些規則之上,這些規則通常包括消費順序和更極端的信用卡使用行為變化,旨在阻止更多的實驗性欺詐者。機器學習(ML)是對基於規則的系統的一種自然補充,因為機器可以比任何人更快地分析數百萬個授權和學習趨勢。在實時世界中,ML是唯一可以跟上的技術。

商業欺詐系統

傳統上,欺詐系統應用於發卡行(銀行)和商戶層面,在線處理支付。管理人員需要根據這些制度來製定純粹基於欺詐的規則。除了數據庫引擎之外,欺詐經理沒有太多(如果有的話)用於數據分析的工具,分析通常需要2週以上,因此為新的欺詐模式編寫規則需要大量的人工工作。

通常,在這項活動完成時,新的欺詐趨勢已經出現,需要更多的欺詐分析人員來製定規則和審查違反規則的情況。在過去的幾年裡,這種情況正在慢慢改變;有許多初創企業用新技術擾亂了這個行業,部分原因是出現了更強大的機器以及雲服務,能夠處理今天的巨額支付。

真正產生影響的主要技術是使用機器學習來預測欺詐行為,幾乎所有初創企業都在某種程度上使用了這一技術。客戶的態度也變了。大多數客戶要求快速有效的欺詐風險處理,以便在支付過程中對風險進行分析,從而大大減少欺詐損失。

客戶現在也在尋找與第三方欺詐系統的簡單集成,他們不願意為極其昂貴的內部硬件付費,但是隨著授權量的增加,他們將需要繼續這樣做,而他們目前的硬件無法跟上。因此,大多數欺詐產品都是作為雲產品/服務提供的,這對客戶和供應商都有好處。

許多機器學習算法已經被成功使用,其中一些最早使用的決策樹和基本神經網絡是由數據科學家團隊創建的,使用時間很長,通常長達一年之後才執行更新。

這種不斷變化的行為導致了支付過程中許多地方欺詐檢測的創新。例如,商家開始實施簡單的欺詐檢測系統來阻止特定的欺詐案件。傳統上,支付網關不執行任何欺詐檢測,將其交給商戶和發卡行,但由於大量可用數據與發卡行通常可獲得的數據大不相同,因此也存在欺詐檢測的情況。網關數據還可以幫助發現欺詐者與少數卡試圖發現哪些是活躍的。

下面的例子說明了在支付網關級別執行欺詐檢測有多大好處。包括在交易到達銀行之前阻止交易的能力,這意味著欺詐者會轉移到別處——不容易取貨,而且會觸發預警,意味著貨物不會被裝運。

這張圖片反映了一個真實的案例,一個欺詐者有幾張被盜的信用卡,並試圖用它們來付款。當一張卡不起作用時,他們會嘗試下一張,直到最後一張成功。欺詐檢測本來很簡單,因為這裡的每個授權都有一個相關的IP地址(相同),目標是一致的,用於支付的名稱也是相同的,而且每次授權嘗試都在幾分鐘內完成。

如果在這裡實施了防欺詐系統,不僅可以聯繫受損信用卡的發卡機構以減少進一步的欺詐損失,而且可以更快地阻止這一行為,並有可能與當地警察部隊一起抓獲該行為中的欺詐者。

變革

隨著時間的推移,舊方法變得越來越無效,因此不斷改進欺詐系統顯得至關重要。欺詐系統可應用於支付過程的所有領域,傳統上欺詐檢測是在信用卡發卡機構進行基本檢查後進行的,但現在這種情況正在發生變化,可以在任何階段進行更高級的欺詐檢查。這為企業提供了更多的防範欺詐的保護,同時也允許更多的真正的客戶購買商品。

在支付週期開始時,支付必須從商家開始,這是欺詐檢測開始的地方。在要求客戶擁有賬戶進行支付的網站環境中,這種基本的欺詐檢測可以使用模式檢測規則來進行,這種情況下,如果客戶表現出與平常截然不同的行為,零售商可以推斷該付款可能是存在欺詐性的。在從收單機構和發卡機構取回更多信息之前,零售商在這方面做不了什麼。移動支付為例,設備傳感器的數據可用於加強的欺詐檢測。

例如,位置數據的使用方式與在終端使用支付卡的方式相同。在編寫文本時,很少使用此類信息;但是,預計這種信息將在未來的系統中大量使用。

在這之後,支付被發送到卡收單機構,然後再發送到發卡機構,在那裡進行一些深入的檢查,如CV2以及是否通過欺詐檢測系統。這是大多數商業系統的目標,因為這裡存在豐富的可用數據。付款返回給收單機構,在那裡進行更多的欺詐檢測,然後返回支付交換機,進行最終的欺詐檢測,最後返回零售商批准。

這聽起來可能很複雜,這篇文章澄清了圍繞欺詐系統和支付數據的一些迷霧。下次當你所持銀行卡查詢受限,或者拒絕交易時,了解交易背後的技術和原因可能會有所幫助。

聯絡我們

地址
香港九龍觀塘鴻圖道57號南洋廣場1808室
Rm.1808, Nanyang Plaza, 57 Hung To Road., Kln. HK

電話
23091888

電郵
info@iothk.net