3S Market 傳遞 智慧應用與價值的商業資訊
Why Solid State Batteries Are The Future
智慧車載交通 |
2021年2月3日 星期三
．供應鏈 4.0 中監視系統超越安全的應用
Video SCATI PARCEL PLUS. Traceability productive and logistics processes
鑑於電子商務的驚人成長速度（每年以 20％ 的速度成長），物流行業正面臨著，前所未有的數位化轉型過程，其中連通性、即時性和聲譽形像，是保持競爭力的關鍵。
但是，物流業是一個非常成熟的行業，利潤率很低，其唯一的技術投資與降低成本有關。
在這種情況下，例如，如果商品丟失，而我們失去了大客戶的信任，會發生什麼？
本篇文章，目的就在說明新技術，特別是將人工智慧整合到影像系統中，如何使工業和物流公司，都能夠克服第四次工業革命帶來的挑戰。
因此，對影像監視系統的投資，使安全部門可以成為業務優化工具的內部提供商，以改善品牌形象，豐富使用者體驗，業務卓越，並最終獲得最大的收益。
全面的安全解決方案
影像監控系統必須確保供應鏈的全面安全性，即使在生產高峰期（其中會招募臨時人員）也是如此。因此，有必要提供一種，既能保證設施和商品安全，又能對過程進行監控的解決方案，從而不影響生產品質。
多虧了人工智慧和大數據，影像監控系統才是克服這個新時代挑戰的關鍵。
除安全性外，閉路電視系統已成為監督工業和/或物流過程，更好地分配資源，保證貨物可追溯性，管理和優化庫存的重要工具，並且是決定公司任何部門決策的關鍵部分。
透過影像監督生產和物流過程
影像系統與任何管理系統（ERP、儲存管理系統等）的整合，從實施系統開始，就以最低的管理成本，保證了貨物的總體可追溯性，和事件的總解決方案。
除捕獲圖像外，閉路電視系統還收集並儲存與每個商品相關的信息（跟踪編號、起點、目的地、度量），以及商品的視覺記錄時刻。
快速直接訪問與每個商品關聯的錄製影像，可以透過搜索元數據，或透過任何配送中心的設施本身的計劃，來即時解決任何事件，因為它涉及多平台系統。
在自由軸上跟踪資產
在許多情況下，有必要控制其他資產（堆高機、托盤、操作員等），這些資產一直在運行，並且是生產過程的一部分。
透過技術，最先進的影像監控系統，能夠同時高精度地跟踪和定位成千上萬的流動資產。這樣，對這些流動資產（包括操作員的工作）的監督就變得很簡單。
當前的影像系統，允許即時定位和查看這些行動設備，並在它們進入受限或危險區域時，自動接收警報。
同樣，借助大數據，我們可以獲得有關每項資產的統計資訊和資料，以衡量其生產力、活動水準和速度，甚至還可以了解距離、行進區域，以及平均每個區域所花費的時間。
由於改進了程序，所有這些進步代表了人員監督，流程優化和業務利潤最大化方面的一次巨大革命。
Omnichanel 和庫存管理
在全通路環境中優化和控制庫存，是任何供應鏈每天都面臨的挑戰。結合了深度學習算法，可以透過影像系統辨識對象，以自動化的方式監視和管理貨架，以及其他銷售點。
自動進行補貨和採購流程以始終定義批次，訂購點和充足的安全庫存，這是一個現實，一些國際連鎖店正在著手優化其銷售點的庫存。
車載運輸系統
即時檢測並防止有組織的不法集團，通過不同的方法（「 loneros」、「 surfers」、「 Trojans」等）進行犯罪行為，甚至有時由駕駛員本人試圖竊取運輸的貨物，是要克服的一些挑戰。
車載影像系統允許即時查看，和記錄來自任何車輛的圖像，以及透過 3G / 4G / Si-Fi，將影像自動下載到集中儲存中，並確保數據傳輸的安全性。
知道車輛的即時 GPS 位置，路線的歷史記錄，甚至在車輛偏離路線，離開其影響範圍，或超過速度限制時，透過警報即時警告，這是可能的。
再次，結合了深度學習算法，使車載影像監控系統不僅成為保證車隊和所運輸貨物安全的工具。該影像始終提供有關車輛狀況的有價值的資訊。知道每輛車行駛的公里數，在特定路線上花費的時間，甚至是 3G / 4G 數據的消耗，都是影像管理工具可提供即時決策的一些數據。
IP 影像系統，一項商業投資
我們正面臨第四次工業革命。提供完整而全面的影像監控解決方案，已成為所有製造商都應解決的「商品」。
在這場第四次工業革命期間，影像監視系統將在解決與安全無關的問題中，發揮重要作用：貨物的可追溯性，車隊和其他劉動資產的監管，庫存的優化等。
透過大數據，我們將能夠收集與任何圖像相關的資訊，以對其進行合成並減少管理時間，簡化日常營運並優化任何業務流程。
只有那些技術領先的公司，才能成功面對並克服這個新階段，這就是前瞻與超前佈署，競爭力就在這裡！
 |
．機器學習作用於安全方面的 5 大頂級案例
Chris Davis, Machine Learning Use Cases for Cybersecurity - KringleCon 2019
機器學習可以幫助企業，更好地瞭解自身面臨的安全威脅，幫助員工專注於更有價值的策略任務。同時，它還可能是解決下一輪 WannaCry 風波的有力武器。
20 世紀中期，Arthur Samuel 在 AI 之後創造了「機器學習」這個名詞，並將其定義為「在沒有被明確編程的情況下，就能學習的能力。」跨大型數據集應用數學技術，機器學習算法可以建構行為模型，並根據新輸入的數據，使用這些模型，作為對未來進行預測的基礎。
影像網站（如Netflix）可以根據你之前的歷史觀，看記錄為你提供新劇集，自動駕駛汽車可以透過與行人近距離接觸的過程，瞭解道路狀況，這些都是機器學習在生活中最普遍的例子。
那麼，資訊安全中的機器學習應用又是什麼呢？
原則上來說，機器學習可以幫助企業組織更好地分析威脅，並響應攻擊和安全事件。它還可以幫助自動執行一些更為瑣碎繁複的工作，這些工作或是任務量巨大，或是此前由技術欠缺的安全團隊所執行。
除此之外，機器學習在安全性方面的應用，也正呈現快速成長的趨勢。ABI Research 的分析師估計，到 2021 年，機器學習在網路安全方面的應用，將推動大數據、人工智慧（AI）及分析方面的支出，成長到 960 億美元，與此同時，世界上一些科技巨頭，也已經紛紛採取措施，以更好地保護自己的客戶。
例如，谷歌正在利用機器學習，來分析在 Android 上運行的行動終端威脅，以及辨識和移除受感染手機中的惡意軟體；而雲端基礎設施巨頭亞馬遜，也已經成功收購了新創公司 harvest.AI，並推出了 Macie —— 一種使用機器學習來發現、排序和分類 S3 雲端儲存上數據的服務。
與此同時，企業安全供應商也一直致力於，將機器學習整合到新舊產品線中，旨在進一步改進惡意軟體檢測效率。J. Gold Associates 總裁兼首席分析師 Jack Gold 表示：大多數主流安全公司已從幾年前，用於檢測惡意軟體的純「基於簽名」的系統，轉變為試圖解釋行為及事件，並從各種源中學習判斷什麼是安全，什麼不是的機器學習系統。
它仍然是一個新興的領域，但它也顯然是未來的發展方向。AI和機器學習，將極大地改變安全運作方式。
雖然這種轉變不會在朝夕之間發生，但機器學習已經在某些領域出現。德國電信創新實驗室（以及以色列本古里安大學網路安全研究中心）首席技術官 Dudu Mimran 表示：人工智慧 —— 作為一個更廣泛的定義，包括機器學習和深度學習 —— 正處於驅動網路防禦的早期階段，但已經在終端、網路、詐欺或 SIEM 中，起到了辨識惡意活動模式的明顯作用。
我相信未來我們會在防禦服務中斷、歸因和使用者行為修改等方面，看到越來越多的案例。
接下來，我們一起來瞭解一下機器學習，在安全領域的最頂級案例：
1． 使用機器學習來檢測惡意活動，並阻止攻擊
機器學習算法，將幫助企業更快地檢測惡意活動，並在攻擊開始之前予以阻止。英國新創公司 Darktrace，就成功把握住了這種發展機會，據悉，這家創立於 2013 年的公司，已經在其基於機器學習的企業免疫解決方案（Enterprise Immune Solution）方面，取得了很大成就。
Darktrace 公司技術總監 David Palmer 介紹稱，Darktrace 曾利用機器學習算法，幫助北美一家賭場，成功檢測到了數據洩露攻擊，該攻擊使用「聯網魚缸作為進入賭場網路的切入點。」該公司還宣稱，在之前肆虐全球的 WannaCry 勒索軟體活動中，其算法也成功防止過一起類似的攻擊。
談及感染了 150 個國家 20 多萬受害者的 WannaCry 勒索軟體，Palmer 表示：我們的算法在幾秒鐘內，就成功地從一家國民醫療服務（NHS）機構的網路中檢測出了攻擊，並在該攻擊尚未對該機構造成任何破壞前，成功解決了威脅。事實上，我們的客戶，沒有任何一家受到了 WannaCry 攻擊的傷害，甚至包括那些沒打補丁的使用者。
2． 使用機器學習來分析行動終端
在行動設備上，機器學習已經成為主流，但到目前為止，其大部分活動都是為了改善 Google Now、蘋果的 Siri，和亞馬遜的 Alexa 等語音的體驗。不過，機器學習在安全方面確實有應用。如上所述，谷歌正在使用機器學習，來分析針對行動終端的威脅，而企業則在防護自帶及自選行動設備上，看到了更多機會。
2017 年 10 月，MobileIron 和 Zimperium 宣佈合作，幫助企業採用整合了機器學習技術的，行動反惡意軟體解決方案。MobileIron 表示，它將把 Zimperium 基於機器學習的威脅檢測，與 MobileIron 的安全和合規性引擎相整合，並作為組合解決方案出售，該解決方案將解決諸如檢測設備、網路及應用威脅等方面的挑戰，並快速採取自動化措施，來防護公司數據。
其他供應商也在尋求支持他們的行動解決方案。Zimperium、LookOut、Skycure（已被賽門鐵克收購）以及 Wandera，一直被視為行動威脅檢測，和防禦市場中的領軍者。
他們每家都使用自有的機器學習算法，來檢測潛在威脅。例如，Wandera 推出了其威脅檢測引擎 MI：RIAM，據稱檢測出了超過400種針對企業移動設備的SLocker勒索軟件變種。
3． 使用機器學習來增強人類分析
作為機器學習在安全領域的核心應用，人們相信它可以幫助人類分析師，處理安全方面的各項工作，包括檢測惡意攻擊、分析網路、終端防護和漏洞評估。而它在威脅情報方面發揮的作用，可以說才是最令人興奮的。
例如，2016 年，麻省理工學院電腦科學和人工智慧實驗室（CSAIL），開發出了一個名為「AI 2」的系統，這是一個自適應機器學習安全平台，能夠幫助分析師，從海量數據中找出真正有用的東西。
該系統每天審查數百萬登錄，過濾數據，並將濾出內容轉送給人類分析師，從而將警報數量降低至每天 100 個左右。這項由 CSAIL 和新創公司 PatternEx，共同進行的實驗顯示，攻擊檢測率被提升到了 85％，而誤報率則降低了 5 倍之多。
4． 使用機器學習自動化重複性安全任務
機器學習的真正好處，是它可以自動化重複性任務，使員工能夠專注在更重要的工作上。Palmer 稱，機器學習最終應該目的在「消除重複性高且低價值的決策活動，對人力的需求，就像分類威脅情報一樣」。
讓機器處理重複性工作，和阻止勒索軟體之類戰術性救火工作，這樣人類就可以騰出時間，來處理戰略性問題 —— 比如現代化 Windows XP 系統等等。
Booz Allen Hamilton 公司正在沿著這條路線發展。據報導，該公司使用人工智慧工具，更高效地分配人類安全資源，對威脅進行分類，以便員工可以專注於最關鍵的攻擊。
5．使用機器學習來關閉零日漏洞
有些人認為機器學習可以幫助彌補漏洞，尤其是零日威脅，和其他針對大部分不安全 IoT 設備的威脅。據《福布斯》報導稱，亞利桑那州立大學的一支團隊，已經透過機器學習技術，來監控暗網流量，以辨識與零日漏洞利用相關的數據。
有了這種洞察力，企業組織就有能力在漏洞，造成數據洩露之前堵上漏洞，並阻止補丁攻擊。
炒作和誤解叢生的領域
需要注意的是，機器學習並非靈丹妙藥，尤其是對於一個仍在對這些技術，進行概念驗證實驗的行業而言。機器學習的發展，必然是道阻且長的過程。
機器學習系統有時會有誤報（無監督學習系統的算法，會基於數據推測類型），而一些分析師也坦率地承認，用在安全領域的機器學習可能是「黑盒子」解決方案，即 CISO 不能完全確定其內部機制，因此，他們只能被迫地將自己的信任與責任，置於供應商和機器的肩上。
畢竟，在一些安全解決方案，甚至可能壓根兒沒用機器學習的世界中，這種盲目信任的想法並不可取。Palmer 表示：大多數被吹捧的機器學習產品，都不會在客戶環境中真正學習。
相反地，它們只是在供應商自己的雲端上，用惡意軟體樣本訓練出模型，再下載到客戶公司，就像病毒簽名似的。這對於客戶安全來說，並不是什麼進步，基本上是在倒退。
此外，算法在投入實際使用前，需要學習模型所需的訓練數據樣本，而這些樣本中存在的糟糕數據和實現，可能會產出更糟糕的結果。機器學習的效果，取決於你輸入的資訊。
垃圾的輸入，必然導致垃圾的輸出。因此，如果你的機器學習算法設計不佳，結果也就不會非常理想。算法在實驗室訓練數據上有用是一回事，但最大的挑戰，還在於讓機器學習網路防禦在現實複雜網路中奏效。
．5G 邊緣運算的價值機會
The 5G edge computing value opportunity
借助 COVID-19，組織數位化的需求從未如此強烈，而 5G 和邊緣運算將可能在全球經濟復甦中，發揮關鍵作用。
畢馬威（KPMG）和全球市場情報公司 IDC 的分析，跨五個領域進行了研究–工業製造、互聯醫療、智慧交通、環境監控和遊戲。該研究估計，到 2023 年，隨著 5G 和邊緣運算的採用率上升，這五個目標行業預計將為包括連接、硬體、軟體和服務在內的整個生態系統，帶來 5170 億美元的年收入。
在這裡，我們將深入研究智慧交通生態系統和市場機會。
智慧交通對於智慧城市相當重要。車輛到基礎設施（V2I）和車輛到車輛（V2V）連接，將是關鍵的推動因素。來自感測器的數據，可以告訴公共交通營運商和乘客，有關性能和問題的資訊。在街道上，道路工程和事故的即時更新，使交通管理變得更加容易，這反過來又通知了旅行者。即時辨識空閒空間，也使停車變得不再那麼麻煩。自主交付機器人將與各種公共和私有基礎設施動態交互，包括道路、郵箱和充電站。
因此，旅客可享受大大改善的體驗，減少了延誤，加快了旅程運輸，並提高了公眾的安全感。消費者將從自動交付的便利性，和時間節省中受益。所有這些使城市變得更加宜人。
5G + Edge技術機會
物聯網設備
道路和停車系統中，大量的感測器和設備，需要 5G 的巨大覆蓋密度。改進的延遲，更高的網路容量，以及消除覆蓋不良的情況，意味著更快、更準確的見解。這將轉化為更好的性能、更順暢的運輸和交通流量，以及更少的事故。
運輸軟體供應商
大量應用涵蓋物流、庫存、智慧車輛、收費和票務，智慧停車、車隊遠端資訊處理和導航。這些將產生大量數據，營運商需要 5G + Edge 的強大功能，來管理相連的運輸和交通系統，並減少人工干預。
分析和大數據軟體供應商
從多個運輸子系統，和外部來源收集的數據，對於提供運輸估算，事故報告和其他關鍵資訊非常重要。借助 5G + Edge，將有可能執行高階規則、動態調度車輛，並防止故障和風險。
系統整合
5G 和邊緣運算可確保，從多個來源可靠地收集數據，從而幫助運輸公司以複雜的訂價模式引入新服務。
在 2019-2023 年之間，智慧交通市場的價值將倍增。
這帶來了 240 億美元的生態系統機會
整個生態系統中的 5G + Edge 技術
這些技術中的每一項都由一個，或多個生態系統參與者啟用，如下所示：
下一步
電信公司在 5G 和邊緣運算方面，有機會超越連接性，並考慮進入服務，出售雲端基礎設施、安裝、整合、應用開發、設備管理和數據管理。具體來說，一些相關的機會是：
■ 跨解決方案在整個地理區域內提供連接
■ 為中央控制中心提供設計服務、設備、設備管理、數據管理、邊緣計算、分析和整合
■ 啟用關鍵服務，例如自動公車轉運和交通管理
 |
．無人機技術在 2021 年及以後的商業，工業和軍事無人機中的應用和應用
Future Of Drones: Applications And Usage Of Drone Technology
無人駕駛飛機，已成為各種企業和政府組織職能的中心。
以下是有關無人機市場，當前狀態的一些相關資訊。
你在科技行業工作嗎？ 透過數據驅動的研究，獲取有關最新的創新，市場趨勢和競爭對手的業務見解。
不管你將它們稱為無人飛行器（UAV）、微型無人駕駛飛機，還是微型飛行機器人，無人駕駛飛機都在迅速普及。 就大規模採用和使用而言，它們仍處於起步階段，但是無人機已經突破了行業中僵化的傳統障礙，否則這些障礙，似乎無法透過類似的技術創新來實現。
在過去的幾年中，無人駕駛飛機已成為各種企業和政府組織職能的中心，並設法突破某些行業，停滯不前或落後的地區。從高峰時段的快速交貨，到掃描無法到達的軍事基地，事實證明，無人機功能在人們無法到達，或無法即時有效執行任務的地方非常有用。
提高工作效率和生產率、減少工作量和生產成本，提高準確性，改善服務和客戶關係，以及大規模解決安全問題，是無人機在全球為行業提供的一些頂級用途。隨著越來越多的企業開始意識到其潛力、範圍和全球影響力，跨行業對無人機技術的採用，已從時尚階段迅速轉換到大趨勢階段。
無論這些無人飛機是由遠端控制，還是透過智慧手機應用 app操控，它們都具有能夠到達偏遠地區的能力，而幾乎不需要人力，並且所需的精力、時間和精力最少。這是它們在世界範圍內被採用的最大原因之一，尤其是在軍事、商業、個人和未來技術，這四個領域中得到採用。
無人機技術的歷史和今天的用途
無人駕駛飛機已經存在了二十多年，但是其起源可以追溯到第一次世界大戰，當時美國和法國，都致力於研發自動無人駕駛飛機。但是最近幾年在無人機採用，跨行業使用擴展，以及全球知名度方面，都具有重要意義。
從技術人員配置敏感的軍事領域，到吸引全世界的業餘愛好者，無人機技術在最近幾年中，得到了發展和繁榮。個人、商業實體和政府，已經意識到無人機具有多種有用的功能，其中包括：
．新聞和電影的航空攝影
．快遞運輸
．收集資訊或為災害管理提供必需品
．熱像感測器無人機，用於搜救行動
．無法訪問的地形和位置的地理地圖
．建築安全檢查
．精確的農作物監測
．無人貨運
．執法和邊境管制監督
．風暴跟踪和預報颶風和龍捲風
由於每天都有大量投資，湧入這一有前途的行業，因此正在開發數百種無人機。
軍用無人機技術
無人機的軍事用途，已成為當今世界的主要用途。無人機被用作目標誘餌，用於作戰任務，研究和開發以及監督，已經成為全世界軍事力量的組成部分。
根據 Globe Newswire 的數據，到 2027 年，全球軍用無人機市場規模，預計將達到 237.8 億美元。軍用開支也趨於以更大的幅度成長，因為一條美國「捕食者」無人機的成本約為 400 萬美元。
由於無人駕駛飛機在減少損失，和執行高姿態，和時效性任務方面的高度便利性，將繼續用於各種軍事行動。
商業無人機技術
無人機的商業使用正獲得穩定的勢頭，並且已成為當下的話題，因為多個行業，都將無人機作為其日常業務功能的一部分。無人機服務市場規模，預計將從 2018 年的 44 億美元，成長到 2025 年的 636 億美元，而 Insider Intelligence 預測，到 2021 年底，消費者無人機的出貨量，將達到 2900 萬美元。
商業無人機行業還很年輕，但已經開始看到來自工業集團、晶片公司、IT 諮詢公司，和主要國防承包商的一些合併和重大投資。目前，行業領導者仍然是歐洲、亞洲和北美的少數早期製造商。
隨著客製化商用無人機的價格降低，該門將被打開，以在各種利基空間中實現新功能。複雜的無人機可能很快，就會執行日常任務，例如自動為農田施肥，監視交通事故，勘測難以到達的地方，甚至運送比薩餅。
根據 AUVSI 的數據，到 2025 年，商用無人機的影響，最終可能達到 820 億美元，並為美國經濟增加 100,000 個工作崗位。
個人無人機技術
隨著民用無人機的銷量上升，監管者和執法機構之間，圍繞它們的安全問題也趨於上升，過去看到無人機與飛機相撞，以及墜毀在擁擠的體育場內。根據 Philly By Air 的數據，到 2019 年底，美國註冊了 990,000 個休閒運營商，估計有 132 萬休閒無人機。
Insider Intelligence 預計，到 2021 年，無人機的銷售額將突破 120 億美元。其中不小的一筆收入，將來自於精通普通技術的電影製作、錄製、靜態攝影和遊戲，所用的個人無人機。
然而，在未來幾年中，消費者將在無人機上花費 170 億美元。無人機具有各種形狀和尺寸，從小型且價格便宜的單旋翼設備，到大型的，價格超過 $ 1,000 的四軸飛行器，帶有 GPS，多個攝影機陣列和第一人稱控制。這些類型的設備雖然主要針對業餘愛好者，但廣泛可用，並且市場正在成長。
未來無人機技術
無人機技術在不斷發展，因此未來的無人機技術，正在進行突破性的逐步改進。根據 Amazon Services LLC 子公司廣告計劃網站 airdronecraze 的說法，無人機技術具有七個潛在的世代，而當前的大多數技術，都位於第五和第六代。
這是幾代技術的細分：
第一代：各種形式的基本遙控飛機。
第二代：靜態設計，固定攝影機支架，影像記錄和靜態照片，手動駕駛控制。
第三代：靜態設計、兩軸萬向節、高清影像，基本安全模型，輔助駕駛。
第四代：變革性的設計，三軸雲台，1080P 高清影像或更高價值的儀器，改進的安全模式，自動駕駛模式。
第五代：變革性設計，360° 萬向節，4K 影像或更高價值的儀表，智慧駕駛模式。
第六代：基於商業適用性，基於安全和法規標準的設計，平台和有效載荷適應性，自動安全模式，智慧駕駛模型和完全自主權，空域意識。
第七代：完全的商業適用性，完全符合安全性和法規標準的設計，平台和有效載荷互換性，自動安全模式，增強的智慧駕駛模型和完全自主性，完全空域意識，自動行動（起飛、著陸和執行任務）。
隨著 3D Robotics 宣布推出全球首款名為 Solo 的多合一智慧無人機，下一代無人機（第七代）已經在研發中。具有內置保護和法規遵從技術的智慧無人機，智慧精確感測器和自我監控，是無人機技術的下一場重大革命，它將為運輸、軍事、物流和商業領域，提供新的機會。
隨著這些技術的不斷發展和壯大，無人機將變得更安全，更可靠。只要在某種程度上，放鬆了有關無人機技術，和使用的嚴格 USFAA 法規，這將允許它們隨後被大量採用。
|