至顶网CIO与应用频道 05月28日 北京消息:随着物联网与人工智能、云计算和大数据的深度融合,物联网使各个互联网企业、物联网企业与传统企业进入同一个大的产业链,信息产业将从移动互联网时代进入物联网时代。与此同时,物联网在国家战略层面的地位也不断提升,已被“十三五”纳入大力推动的核心产业之一,创新技术迭出,产业发展之路可谓前景光明。
腾讯云基于QQ、微信、腾讯游戏等海量业务的技术锤炼,从基础架构到精细化运营,从平台实力到生态能力建设,腾讯云将之整合并面向市场,使之能够为企业和创业者提供集云计算、云数据、云运营于一体的云端服务体验。物联网落地需要的各个环节,从芯片和模组、终端设备、异构网络连接,到云平台、应用程序和系统集成等等,腾讯云都在积极助力。
其中至关重要的一个环节,就是安全。赛迪研究报告表明,2019年中国物联网安全事件的事发数量预计将从2018年的7648件增长至56121件,同比增长近六倍。
为了更好地应对这些多元化的安全挑战,腾讯云一方面进一步打磨产品,优化安全能力,另一方面联合多个腾讯内部安全团队,不断探索如何让物联网更加安全,这正是腾讯云携手安全平台部,推出物联网安全技术规范的初衷。
因此,腾讯云瞄准物联网领域安全痛点,响应工信部《信息通信行业发展规划物联网分册(2016-2020年)》中关于“完善标准化顶层建设、加强关键共性技术标准制定、推动行业应用标准研制”的号召,切实履行企业的社会主体责任,腾讯云携手腾讯安全平台部旗下顶尖安全团队Tencent Blade Team,共同发布《腾讯物联网安全技术规范》。
此举将腾讯云强大的服务能力与Tencent Blade Team多年深耕物联网领域的安全研究成果结合在一起,转化为具有全面覆盖性、极强指导性和落地性的安全规范,并提供物联网安全徽标认证服务,从企业端出发,为我国推动物联网产业建设,构建行业共治格局提供了强大助力。
《腾讯物联网安全技术规范》简介
腾讯云携手Tencent Blade Team,从安全漏洞攻防角度出发编写了《腾讯物联网安全技术规范》,这份安全规范在物联网安全国家标准基础上进行了大量改进,涉及物联网云平台安全、物联网通信与认证安全、物联网终端安全等三大领域,可以帮助物联网厂商快速建立完善的物联网安全体系:
1、聚焦物联网行业实际安全风险,从安全漏洞攻防角度出发,为物联厂商提供切实可行低成本的安全解决方案;
2、制订基于云、管、端的全新的物联网安全模型,每个细分行业的物联网厂商都可以根据自身业务需求匹配具体的安全要求,提升物联网生态整体安全性;
3、增加Tencent Blade Team多年来在物联网领域的前瞻性安全研究成果,综合了向国际知名厂商报告的上百个安全漏洞,以及多年的智能音箱、智能楼宇、智能家居等物联网设备的实战破解经验;
4、提供了一套基于云(云平台)、管(通信)、端(终端)的物联网安全模型,全面覆盖了物联网产业链的各个方面,更好地适应云+大数据+AI时代的物联网市场。
腾讯物联网安全模型
随着《腾讯物联网安全技术规范》的发布,腾讯云还将提供物联网安全认证服务作为补充,帮助物联网厂商有效快速验证安全规范落地实施情况。同时,厂商通过安全认证后,可在产品宣传页面中或包装中使用对应级别的腾讯云物联网终端安全认证标识。这不仅有助于物联网厂商提升其产品的安全口碑,同时能够帮助大众选择安全性更有保障的物联网设备。
随着技术的发展与产业生态的完善,智能家居、智慧城市到近两年大热的车联网、工业物联网,产业互联、万物互联的时代正在慢慢成为现实。但不可否认的是,传统产业在逐渐互联网化的过程中,无疑会面临全新的安全问题。
腾讯云也将继续推动产业互联时代安全新实践,凝聚更多腾讯内部安全力量打造最安全的云及智慧服务,更好地为产业上云保驾护航。
好文章,需要你的鼓励
Lumen Technologies对美国网络的数据中心和云连接进行重大升级,在16个高连接城市的70多个第三方数据中心提供高达400Gbps以太网和IP服务。该光纤网络支持客户按需开通服务,几分钟内完成带宽配置,最高可扩展至400Gbps且按使用量付费。升级后的网络能够轻松连接数据中心和云接入点,扩展企业应用,并应对AI和数据密集型需求波动。
阿里巴巴团队提出FantasyTalking2,通过创新的多专家协作框架TLPO解决音频驱动人像动画中动作自然度、唇同步和视觉质量的优化冲突问题。该方法构建智能评委Talking-Critic和41万样本数据集,训练三个专业模块分别优化不同维度,再通过时间步-层级自适应融合实现协调。实验显示全面超越现有技术,用户评价提升超12%。
RtBrick研究警告,运营商面临AI和流媒体服务带宽需求"压倒性"风险。调查显示87%运营商预期客户将要求更高宽带速度,但81%承认现有架构无法应对下一波AI和流媒体流量。84%反映客户期望已超越网络能力。尽管91%愿意投资分解式网络,95%计划五年内部署,但仅2%正在实施。主要障碍包括领导层缺乏决策支持、运营转型复杂性和专业技能短缺。
UC Berkeley团队提出XQUANT技术,通过存储输入激活X而非传统KV缓存来突破AI推理的内存瓶颈。该方法能将内存使用量减少至1/7.7,升级版XQUANT-CL更可实现12.5倍节省,同时几乎不影响模型性能。研究针对现代AI模型特点进行优化,为在有限硬件资源下运行更强大AI模型提供了新思路。