移动网络、服务和设备测试领域领先的供应商思博伦通信今天发布了Elevate物联网设备测试解决方案。这种全新的蜂窝网络测试解决方案可支持适应于物联网(IoT)应用的各个测试领域,包括端对端云服务器连接性、安全性漏洞评估,以及电池寿命测量等。这种小巧灵活的设备测试解决方案通过思博伦Elevate®平台提供,可以解决物联网设备中3G、LTE和未来窄带无线技术设计过程中的各类关键问题。
今天,全世界范围内出现了众多富于创新精神的物联网开发商,而他们的应用都依赖于通过蜂窝网络实现通信。蜂窝网络的部署能带来很多好处,包括更高的服务质量保障、更强健的空中接口安全性,以及范围更广泛的服务可用性。然而,物联网设备的设计过程可能遇到一系列复杂的挑战,尤其是涉及到蜂窝网络的连接性问题时。
在实际网络中进行测试时会遇到许多限制:设备和云服务器之间的数据流量不可见;当开发时合适的实际网络可能尚未部署;以及测试时无法控制功率水平等网络设置。思博伦Elevate可以提供一个基于实验室的可控测试环境,使开发商能够以可重复的方式探索蜂窝网络带来的特殊挑战。
最近的一些事件,包括猖獗的分布式拒绝服务(DDoS)攻击,已经充分说明了物联网设备安全性所面临的真实威胁,这就要求开发商立即采取行动,确保设备能够抵御这些已知的基本漏洞。Elevate物联网解决方案可以帮助客户获取思博伦SecurityLabs™服务,包括由经验丰富的安全专家组成的专职团队为嵌入式设备提供的全面扫瞄、贯穿测试和监视服务。
许多物联网设备都需要在人们难以触及的地方工作极长的时间,同时很可能还要面临极其严酷的环境,因此在各种不同的条件下,它们都必须具备符合预期的电池性能。Elevate物联网设备测试解决方案使开发商能够准确地确定真实条件中实际使用情况下的可预测电池寿命。
咨询公司IHS负责网络安全技术的研究总监兼顾问Jeff Wilson认为:“物联网已成为一种必然,它代表的是文化和技术的一场革命,并且在安全性方面具有极为重要的意义。后物联网时代的威胁局面非常复杂,而攻击的后果正变得越来越严重。如果某个设备被攻陷,它自己可能失去运行能力,也可能将威胁引入一个更广泛的网络。被用于发动DDoS 攻击的Mirai和LizardStresserIoT僵尸网络只是一座巨大冰山的一角而已。对连接性、技术和风险实施成功的管理,对于今后的物联网实施至关重要。”
思博伦的物联网设备测试解决方案是一个集成式的工具套件,其核心为一台小型网络仿真仪,将可重复的蜂窝网络测试平台带进任何硬件或软件实验室,通过便携式的桌面系统提供复制服务商无线网络的能力。当作为更全面的思博伦解决方案中的组成部分使用时,整个解决方案可以模拟多种类型和水平的安全攻击,而该系统可以让用户准确了解设备之间互动的结果,以及哪些因素会受到影响。仿真尽可能多的条件可以帮助开发商理解设备在真实世界中可能受到的影响,其中也包括电池寿命等因素。
思博伦通信负责新业务投资开发的副总裁Saul Einbinder指出:“许多物联网开发商以前都没有接触过蜂窝网络技术。对于他们而言,全面了解新技术、应对电源性能挑战和关注随时可能发生的网络安全威胁,都将是非常复杂的任务。我们的目标是帮助开发商、运营商和服务商优化其物联网解决方案,并尽快投放市场,同时也充分顾及物联网设备实现过程中的预算限制问题。”
好文章,需要你的鼓励
Anthropic发布了面向成本敏感用户的Claude Haiku 4.5大语言模型,定价为每百万输入令牌1美元,输出令牌5美元,比旗舰版Sonnet 4.5便宜三倍。该模型采用混合推理架构,可根据需求调整计算资源,支持多模态输入最多20万令牌。在八项基准测试中,性能仅比Sonnet 4.5低不到10%,但在编程和数学任务上超越了前代Sonnet 4。模型响应速度比Sonnet 4快两倍以上,适用于客服聊天机器人等低延迟应用场景。
中科院微电子研究所团队揭示深度学习中感知优化与质量评估存在意外不对称现象。研究发现评估性能优秀的模型在训练指导中效果有限,对抗性训练具主导作用,传统卷积网络在某些场景仍具优势。这项发现颠覆了"评估性能等同于优化能力"的传统认知,为AI图像处理技术改进提供新方向。
英国初创公司Nscale将为微软建设四个AI数据中心,总计部署约20万个GPU,合同价值高达240亿美元。首个数据中心将于明年在葡萄牙开建,配备1.26万个GPU。德州数据中心规模最大,将部署10.4万个GPU,容量从240兆瓦扩展至1.2吉瓦。所有设施将采用英伟达最新Blackwell Ultra显卡。
香港科技大学研究团队开发了MOSS-ChatV视频AI系统,通过创新的"过程推理奖励"机制解决了现有视频AI推理过程不一致的问题。该系统不仅能准确预测视频中的未来事件,还能提供清晰的推理解释。研究构建了MOSS-Video数据集,采用动态时间规整算法训练模型,在多个视频理解任务上取得显著性能提升,为视频AI的可解释性发展开辟了新方向。