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
英国国家医疗服务(NHS)正将无人机纳入常规医疗物流体系。自今年2月起,无人机每天在雷恩斯公园和圣乔治医院之间运送血液等诊断样本,飞行仅需3分钟,比公路运输快约85%,且碳排放减少高达98%。目前已有逾2000名患者受益。NHS计划将该服务扩展至圣赫利尔、克罗伊登等多家医院,最终惠及约180万名患者。该网络由英国医疗初创公司Apian与谷歌旗下Wing合作运营。
AgentLens是Explyt公司联合俄罗斯学术机构开发的AI编程助手评测基准,通过分析完整人机交互轨迹而非仅看最终结果,从五个维度评估代码智能体的真实表现。
边缘AI计算厂商Aetina宣布,将在其DeviceEdge AIE-KT风冷系列和新款AIE-PT无风扇平台上支持英伟达全新Jetson T3000和T2000模块。T3000基于Blackwell GPU,最高提供865 FP4 TFLOPS算力,功耗70W;T2000则提供400 FP4 TFLOPS,面向视觉AI代理和自主移动机器人等场景。两款模块预计2027年第一季度上市,支持Nemotron、Cosmos 3等英伟达AI软件生态。
韩国梨花女子大学提出Splash框架,通过识别AI模型中的"休眠参数"并只在其中训练触觉能力,让小型多模态AI在学会感知材质触感的同时,完整保留原有视觉语言推理能力。