全球电信运营商Telstra宣布向Aduna Global发布澳大利亚首个Camara应用程序接口(API),使经过批准的企业能够将可信的网络级API嵌入到已获批准的应用程序中。
Aduna Global是领先电信运营商与通信技术公司爱立信的合资企业,致力于通过通用网络API帮助全球开发者充分利用网络潜力,加速创新。合作伙伴包括AT&T、印度Bharti Airtel、德国电信、KDDI、Orange、印度Reliance Jio、新加坡电信、西班牙电信、T-Mobile、Verizon、沃达丰和Telstra。
通过在基于GSMA和Linux基金会推动的Camara开源项目的统一平台下整合来自全球多个运营商的网络API,Aduna团队表示他们能够提供标准化平台来促进协作、增强用户体验并推动行业增长。
Telstra是Aduna的创始合作伙伴之一,现已成为首家在全球平台上推出API的澳大利亚电信运营商。通过与全球合作伙伴合作并采用通用标准,Telstra相信能够为客户提供更多价值,使网络比传统形式更具可编程性和可访问性,同时确保安全性。
推出的两个API分别是号码验证和SIM卡置换检测,旨在为企业提供改善客户体验的实用工具,同时为Telstra所说的本地和全球范围内的创新与协作新模式奠定基础。
这两个API旨在帮助防止账户被接管,保护敏感信息并减少用户使用摩擦。
号码验证API自动检查电话号码和设备是否与账户匹配。该功能在后台运行,据说比短信一次性密码更安全且无使用摩擦,由于网络进行验证,使诈骗者更难拦截,同时让客户更容易快速通过验证。它还可以与其他安全网络信号(如设备位置)结合使用,提供额外保护以防范身份盗用和诈骗。
SIM卡置换检测API则检测手机号码上的近期SIM卡更换情况,帮助防止账户被接管。如果SIM卡被更换(这是欺诈企图中的常见步骤),应用程序可以加强身份验证并阻止支付或密码重置等风险操作。这有助于通过早期发现威胁来防止账户被接管。同时,它减少了人工审查和恢复流程的需求,在提高整体安全性的同时降低运营成本。
Telstra产品与技术集团执行官Kim Krogh Andersen表示:"每当客户等待一次性密码或担心欺诈时,都存在我们可以帮助消除的摩擦。我们的新网络API——号码验证和SIM卡置换检测——可以帮助使身份验证更快速、更安全,并支持企业更好地保护客户免受潜在欺诈。这些API为企业提供了改善客户体验的实用工具,同时为本地和全球范围内的创新与协作新模式奠定了基础。"
此次发布还标志着Telstra在Connected Future 30战略下的网络即产品愿景迈出了又一步,使合作伙伴能够在银行、金融科技、政府、医疗和电子商务等领域构建创新服务。
Q&A
Q1:Camara API是什么?它有什么作用?
A:Camara API是基于GSMA和Linux基金会推动的开源项目开发的应用程序接口,能够让经过批准的企业将可信的网络级API嵌入到应用程序中。它旨在提供标准化平台来促进协作、增强用户体验并推动行业增长。
Q2:号码验证API相比短信验证码有什么优势?
A:号码验证API在后台自动检查电话号码和设备是否与账户匹配,比短信一次性密码更安全且无使用摩擦。由于网络进行验证,使诈骗者更难拦截,同时让客户更容易快速通过验证,还可与设备位置等信号结合提供额外保护。
Q3:SIM卡置换检测API如何帮助防止账户被盗?
A:SIM卡置换检测API监测手机号码上的近期SIM卡更换情况。如果检测到SIM卡被更换(欺诈企图中的常见步骤),应用程序可以加强身份验证并阻止支付或密码重置等风险操作,通过早期发现威胁来防止账户被接管。
好文章,需要你的鼓励
Replit与RevenueCat达成合作,将订阅变现工具直接集成至Replit平台。用户只需通过自然语言提示(如"添加订阅"),即可完成应用内购和订阅配置,无需离开平台。RevenueCat管理超8万款应用的订阅业务,每月处理约10亿美元交易。此次合作旨在让"氛围编程"用户在构建应用的同时即可实现商业变现,月收入未达2500美元前免费使用,超出后收取1%费用。
LiVER是由北京大学、北京邮电大学等机构联合提出的视频生成框架,核心创新是将物理渲染技术与AI视频生成结合,通过Blender引擎计算漫反射、粗糙GGX和光泽GGX三种光照图像构成"场景代理",引导视频扩散模型生成光影物理准确的视频。框架包含渲染器智能体、轻量化编码器适配器和三阶段训练策略,支持对光照、场景布局和摄像机轨迹的独立精确控制。配套构建的LiVERSet数据集含约11000段标注视频,实验显示该方法在视频质量和控制精度上均优于现有方法。
所有人都说AI需要护栏,但真正在构建它的人寥寥无几。SkipLabs创始人Julien Verlaguet深耕这一问题已逾一年,他发现市面上多数"护栏"不过是提示词包装。为此,他打造了专为后端服务设计的AI编程智能体Skipper,基于健全的TypeScript类型系统与响应式运行时,实现增量式代码生成与测试,内部基准测试通过率超90%。他认为,编程语言的"人类可读性时代"正走向终结,面向智能体的精确工具链才是未来。
这项由蒙特利尔学习算法研究所(Mila)与麦吉尔大学联合发布的研究(arXiv:2604.07776,2026年4月)提出了AGENT-AS-ANNOTATORS框架,通过模仿人类数据标注的三种角色分工,系统化生成高质量网页智能体训练轨迹。以Gemini 3 Pro为教师模型,仅用2322条精选轨迹对90亿参数的Qwen3.5-9B模型进行监督微调,在WebArena基准上达到41.5%成功率,超越GPT-4o和Claude 3.5 Sonnet,并在从未见过的企业平台WorkArena L1上提升18.2个百分点,验证了"数据质量远比数量重要"这一核心结论。