首页 文章 精选 留言 我的

精选列表

搜索[硬件创客]，共10000篇文章
优秀的个人博客,低调大师

云端智创 | 基于视频AI原理的音视频智能处理技术

本文内容整理自「智能媒体生产」系列课程第二讲：视频AI与智能生产制作，由阿里云智能视频云高级技术专家分享视频AI原理，AI辅助媒体生产，音视频智能化能力和底层原理，以及如何利用阿里云现有资源使用音视频AI能力。课程回放见文末。 01 算法演进：视频AI原理 在媒体生产的全生命周期中，AI算法辅助提升内容生产制作效率，为创作保驾护航。 智能生产全链路 智能生产全链路可分为五大部分。传统的媒体生产包含采集、编辑、存储、管理和分发五个流程，随着人工智能技术的兴起，五大流程涉及到越来越多的机器参与，其中最主要的便是AI技术的应用。以下举例说明： l 采集 在摄像机拍摄时同步进行绿幕抠图，这在演播室或者影视制作场景中是比较常见的。 l 编辑 编辑过程运用到很多技术，比如横转竖、提取封面、叠加字幕等，同时这些字幕还可以通过语音识别的方式提取出来再叠加在画面上。 l 存储 视频在采集和编辑之后，需要存储下来进行结构化分析，像智能标签就是运用在存储场景，从视频中提取出相应的标签，进行结构化的存储，并把视频库中的视频进行结构化关联。 l 管理 存储下来的视频如何管理？如何通过关键词检索到对应的视频？在管理环节，AI可以帮助进行多模态的检索，比如人物搜索等。 l 分发 在存储和管理之后，视频分发也运用到AI技术，比如音视频DNA、溯源水印等版权保护应用。如果通过直播流的方式对广大用户进行直播，那么分发环节还会涉及到直播审核，以免出现直播故障。 基于智能生产全链路，媒体AI全景图应运而生，共分为四个层次： 最上面的层次表达媒体生产的应用场景，包含智能媒资管理、内容智能生产以及视频版权保护。 往下是产品能力，即AI组合达成的能力，比如视频分类、智能封面、智能抠图等。 再往下是AI原子能力，比如语音识别、自然语言处理这些底层的AI能力。 最下是支撑AI能力的基础底座，如编解码和GPU加速等。以上组合起来，生成一张AI运用在智能生产中的全景图。 视频AI原理 视频AI的底层原理究竟是什么？ 人工智能发源于机器学习，而机器学习最早只是一种统计手段，像决策树、支持向量机、随机森林等各种数学方法。 随着时代发展，科学家提出一种人工神经网络的计算方法，或者说算法，后来发现人工神经网络可以变得更大、层次变得更深，经过进一步探索发展，在二十多年前提出了深度学习的观点和概念。 所谓深度学习，就是在原先的人工神经网络上，把中间的层次（我们称之为隐含层）扩展成两个层次、三个层次，甚至发展到现在的几十个层次，即可得到更多的输入层和输出层节点。 当神经网络变得更大、更深的时候，机器学习就演化成深度学习，也就是我们现在俗称的AI。 随之而来产生一个问题：如何将AI运用到视频和图像中？ 假如有一个1080P的视频，视频大小为1920✖1080，此时一张图像上就存在百万个像素。如果把百万个像素点都放入神经网络中，会产生巨大的计算量，远远超出常规计算机所能达到的上限。 因此，在把图像放入神经网络前需要进行处理，研究人员提出了卷积神经网络，而这也是现在所有图像和视频AI的基础。 在卷积神经网络的标准模型中，图像进入神经网络之前需要进行两步操作： 第一步是卷积层。所谓卷积就是拿一个卷积核（可以简单理解为一个矩阵）和原始图像的每一个卷积核大小的矩阵进行矩阵层的操作，最后得到一个特征图像。由于有多个卷积核，所以一张图片可以提取出多个特征图像。 特征图像直接放入神经网络还是太大，因此，需要进行第二步池化层操作，池化层的作用就是下采样，可采取多种方式，比如把方格中的最大值、平均值或者加权平均值作为最终输出值，形成下采样数据。 在上述例子中，一张图像的大小降低为原先的四分之一，输入到神经网络之后，极大降低了原始数据量，即可进行图像神经网络处理。由此可见，用通俗的话来讲，视频或图像的AI模型必须是由大数据喂出来的。 大数据天然地长在云上，云和AI天然的结合，可以使AI在云上得到较好的发展与运用。 了解视频AI原理之后，如何反过来评价AI的效果？ 以典型的分类问题举例，假如有100个视频，需要找出其中出现过人的视频，那么有两个指标可以评价AI模型的好坏：一个是精度，另一个是召回率。 所谓的精度是指，假设AI算法最终找出50个视频，但是检查之后发现，其中只有40个是真正有人的，那么精度计算为40➗50=0.8。 召回率是指，假设这100个视频中真正有人的一共有80个，而AI找出了其中40个，那么召回率计算为0.5。 可以发现，精度和召回率是一对矛盾。假如想提高精度，只要找出来的视频少一点，就可以保证每个找出来的视频都是对的，即精度上升，但此时召回率一定会下降。 现阶段的AI并不完美，也就是说，目前AI还只能辅助视频生产，生产视频的主体还是人。 AI辅助生产 AI辅助生产可以由以下两个示例进行说明。 示例一：通过图片搜索相关图片或视频。Demo显示，输入一张周星驰的图片后，机器虽然不认识这是谁，但是能够从图片中提取此人的外貌特征，然后在视频库里做相应搜索，找出一堆包含周星驰的视频。 示例二：智能横转竖。传统电影和电视剧均为横屏播放，随着移动互联网兴起，这些电影和电视剧需要在手机端进行投放，由此诞生了智能横转竖这样的AI算法，将大量的横屏视频转换成竖屏视频，帮助横屏视频在手机端分发。 电视剧横转竖效果 新闻横转竖效果 02 智能进阶：视频内容理解 智能标签 智能标签基于AI对于视频内容的理解，自动提取视频中的标签、关键词等信息，分析详情会展示为四部分： 第一部分是视频标签，获取视频的类目，视频出现过哪些人物，人物出现的时间点以及在视频中的位置，人物的相似度等。 第二部分是文本标签，会提炼出一些关键词，包括视频文本中出现过的组织机构，比如央视等。 后面两部分为文字识别和语音识别，分别通过图片OCR技术和语音云识别技术实现。 具体示例可在AI体验馆中进行体验，同时，也提供API接入文档进行参考。 体验中心：https://retina.aliyun.com/#/Label API接入文档：https://help.aliyun.com/document_detail/163485.html AI是如何从视频中提取出信息的呢？从视频标签的流程图中可以看到，输入一个视频，分别进行两部分操作： 一部分是对视频做抽帧处理，抽帧得到的图像通过人像识别、场景识别、物体识别、地标识别、OCR等图像AI识别模型，提炼出视频标签。 另一部分是把视频中的音频提取出来，然后通过ASR得到文本结果，最后再经过NLP（自然语言处理），提取出文本标签。 智能审核 视频审核的技术原理与视频标签相同，唯一不同的是，视频标签可以理解为一个正向的视频内容理解，而视频审核是负向的，审核需要识别出一些不合规的、有问题的内容，比如鉴黄、暴恐涉政、违规、二维码、不良场景等信息。 视频检索 视频检索的核心技术点是利用标签结果进行视频的分析和查询。 视频检索架构图显示，媒资系统中的视频通过媒资特征入库模块，导入到智能标签分析中，并得到一系列的标签，包括视频标签、文本标签，原始的ASR、OCR结果等，将这些结果连同视频的元数据信息比如标题、描述等，利用ElasticSearch开源服务进行文本信息的倒排索引和查询。 视频检索过程中会涉及到精排模块，这需要由业务层来实现。如果只是从ES中把符合检索条件的结果提取出来，不一定能满足业务层需求，比方说业务层面对政治新闻场景时，会要求把某些人物的搜索结果更靠前排序，而这就是精排模块所需要做的工作。 检索系统一般都会根据业务层排序，接入业务接口模块，由此一个基本的检索系统搭建完成。但是，现在的检索系统只能按照文本检索视频。如何通过一张图片，检索到相似的图片或视频呢？ 这涉及到视频DNA检索技术。所谓的视频DNA，就是把视频里面的关键帧或者某一镜头提炼出关键信息，我们把它称之为DNA，并把这些信息放入向量数据库中进行检索，更多内容可通过体验中心和接入文档进行拓展了解。 体验中心：https://retina.aliyun.com/#/DNA API接入文档：https://help.aliyun.com/document_detail/93553.html 03 能力升级：音视频智能处理 基于视频内容理解，如何对视频进行智能处理？ 绿幕抠图 绿幕抠图是在视频拍摄或者采集时，把背景替换成电脑制作的画面。在演播室场景中，实际拍摄时根据需求，在主持人的背后放置绿幕背景或者蓝幕背景。 影视制作场景同样运用到绿幕抠图，比如科幻片中无法实景拍摄的部分，会在后期进行背景叠加或其他处理工作，通过在人物背后放置绿幕的方式，把人物主体提取出来。 绿幕抠图要求输入的是蓝幕或者绿幕视频，分辨率不超过4K，同时输入一张背景图片，即可输出替换背景后的视频。以下为示例说明：一个人从绿幕前走过，替换背景后，变成此人在背景前走路，整体效果非常自然。 视频链接：https://v.youku.com/v_show/id_XNTk0MDc4Mjc3Mg==.html 视频链接： https://v.youku.com/v_show/id_XNTk0MDc4Mjc5Ng==.html 如何评价绿幕抠图的质量？首先要处理好边缘溢色，比如在头发边缘，由于原始的图像背景是绿幕，头发缝边缘必然会染上一些绿色，技术上需要把这些边缘溢色擦除掉。 此外，如何真实地呈现透明度，并叠加背后的内容，还有运动模糊，地面阴影等，均是绿幕抠图质量好坏的评价点。 横转竖 横转竖是在移动互联网上分发视频的必备处理手段。 传统人工制作横转竖视频的难点在于：一，需要专业的剪辑软件和制作人员，成本高，速度慢；二，在目标移动比较快的场景中，需要逐帧剪裁，工作量巨大；三，剪裁目标区域后，前后帧难以对齐。因此，横转竖视频更适合由机器制作实现。 智能横转竖的算法流程是：首先对视频进行镜头分割，所谓的镜头分割就是在视频制作中，按照不同拍摄机位的转变，识别镜头的切换，并把不同镜头分割开来。 视频链接：https://v.youku.com/v_show/id_XNTk0MDg4MjA0NA==.html 其次是主体选择，在主体选择时，一般选择画面中最醒目的人作为目标，在上述舞蹈场景中，主体就是这个正在跳舞的人。 然后是镜头追踪，每帧图像做好初期选择之后，下一帧都要跟随目标，即框定的图像跟随这个人进行移动。 最后是路径平滑，镜头追踪完成之后，最终生成的竖屏视频必须是平滑的，不能出现翘边等不良效果。更多内容可参见官网： 体验中心：https://retina.aliyun.com/#/H2V API接入文档：https://help.aliyun.com/document_detail/169896.html 其他视频智能处理能力 目前，阿里云视频云提供的视频智能处理能力，可分为以下四类： ROI提取，即感兴趣区域提取，包括绿幕抠图和横转竖； 智能擦除，比如去图标、去字幕； 关键信息提炼，比如智能封面，即从视频中提取出最能表现视频的一张图片；视频摘要，提取出视频中最能表现视频的简短视频； 结构化分析，比如字幕提取，把嵌入在图像中的字幕自动提取出来；PPT拆条，可以将一个课程视频自动拆成段落。 讲完视频智能处理能力，接下来介绍两项音频智能处理能力：副歌识别和节奏检测。 副歌识别 副歌是指歌曲中的高潮片段。副歌识别有何应用场景？比如，很多音乐APP的试听功能，会直接播放歌曲中的高潮片段，人为进行提取相当麻烦，而副歌识别就能很好地完成任务。 副歌识别的算法流程为：输入歌曲之后，首先进行音乐段落检测，然后提取副歌段落，并进行精调使之更贴合，最后再生成副歌片段。 副歌识别的示例显示，通过调用之后，算法会返回两个结果值，即副歌的开始时间点和结束时间点。 大家可以对返回的结果和音频进行对照，从72秒副歌开始，到102秒副歌结束，副歌识别结果还是非常准确的。 节奏检测 节奏检测即识别音乐中的节奏点，其主要应用场景为视频制作和音乐推荐，比如，通过识别出音乐节奏点，进行鬼畜视频的制作；通过识别音乐的节拍类型，是四三拍还是四四拍，帮助进行音乐分类等。 继续以上述音频示例，节奏检测算法输出两个结果：第一个是节拍时间点，如0.46秒、0.96秒均为节拍时间点；第二个是downbeat时间点，在乐理中解释为重拍，其中0.46秒为第一拍，2.46秒为第五拍，也就是说每四拍为一个小节，每小节的第一拍为重拍，由此检测出该音乐的节奏。 其他音频智能处理能力 此外，视频云还提供其他音频智能处理能力，包括混音，ASR语音识别和TTS语音合成。混音即把两个音乐片段进行叠加，其中涉及到音量增益和自动控制算法。 这些能力进行组合，还可以实现更多玩法，比如歌曲串烧，首先通过副歌识别，把几首歌曲的副歌部分提取出来，然后进行节奏检测，把合适的节拍点合在一起，最终组合成一首完整的歌曲串烧。 04 开箱即用：阿里云媒资服务 基于视频AI原理以及效果，阿里云利用现有资源，提供更方便、更高效的音视频AI使用能力。 MPS服务 MPS是媒体处理的英文简称。阿里云提供针对多媒体的数据处理服务，将媒体处理过程抽象成两种模式：一种是输入音视频等多媒体文件，经过智能化媒体处理，生成一个新的媒体文件，比如之前提到的智能横转竖。 另一种模式是输入一个媒体文件，输出经过媒体处理分析后的一系列结构化数据，比如智能标签或智能审核。 MPS支持多项音视频智能处理能力，此外，MPS的媒体文件类型，既可以输入OSS文件，也支持输入网络URL地址。 MPS接口调用的流程为： 第一步，开通MPS产品，在开通的过程中，控制台会引导进行增加权限等相关操作。 开通MPS产品：https://www.aliyun.com/product/mts 第二步，调用MPS的Open API接口，获得Access Key，包括AK的ID和密钥。所有阿里云的Open API都要通过AK和SK访问。 使用RAM服务获取AccessKey：https://ram.console.aliyun.com/manage/ak 第三步，认真阅读MPS提供的API文档：https://help.aliyun.com/document_detail/29210.html 第四步，针对开发需要，选用不同编程语言，并安装依赖模块：https://help.aliyun.com/document_detail/188024.html 第五步，编写代码。 阿里云MPS服务提供的智能化能力可以分为四个维度： 一是视频内容理解，包含智能标签，智能审核，媒体DNA，媒体DNA是视频检索中的重要组成部分，还有智能封面、视频摘要等。 二是视频智能处理，像横转竖、去图标、去字幕、字幕提取等，从电视剧或电影中抽取出字幕，并输出TXT或者SRT格式，此外，也包括绿幕抠图和PPT拆条等。 三是音频智能处理，包含副歌检测、混音处理、节奏检测和音质检测等。 四是图片智能处理，包含横转竖、去图标和人像风格化。人像风格化可以把一张人像图片风格化成不同的形式，比如把人像进行卡通化，或者进行3D处理。 IMS服务 IMS服务是阿里云近年来新上的服务，全称是智能媒体服务，和MPS服务的区别在于： IMS服务围绕直播和点播场景，是针对媒体处理的全流程服务，可认为是MPS服务的重大产品迭代和升级。 第一，IMS不仅针对于单个媒体处理过程，而是对于媒体服务全流程、全生产周期的管理和制作； 第二，IMS的集成度更高，不光可以进行单个原子能力的音视频处理，还可以进行媒资管理、工作流触发等，让开发者更方便地使用音视频智能化能力； 第三，IMS更智能，后续所有智能化能力升级后都会集中体现在IMS服务中。 IMS控制台融合了媒资管理，媒资库中的音频视频文件，包括图片、辅助的媒资，都可以通过IMS服务进行展示和管理。 利用多模检索的智能化能力，IMS可以实现多媒体文件的智能化检索。传统的音视频文件检索，只能针对标题或者简介进行，而IMS支持对上传的音视频文件做AI自动分类，并根据分类结果进行搜索，同时，也支持对视频中的文字进行自动识别检索。 比如，新闻联播的画面中出现了“康辉”两个字样，虽然视频文件的标题和简介里都没有出现过“康辉”，但在搜索“康辉”时，AI还是可以搜索识别出此视频文件，这就是多模检索的能力。 Retina多媒体AI体验中心 上述MPS和IMS服务的智能化能力，都需要通过Open API调用或者控制台开通使用，而Retina体验中心可以让大家更方便快捷地进行体验，只需上传视频或图片，就可以直观地得到经过智能化处理后的结果。 例如，在Retina平台，你可以体验人像卡通化的效果，只需上传一张人像图片，经过自动处理，就能获得童话风格的卡通人像图片，更多体验就在：http://retina.aliyun.com/ 随着视频与AI技术的发展和演进，AI在媒体生产领域中发挥着越来越重要的作用，以更快的速度、更高的效率完成之前难以实现的事情。 未来，AI将从辅助媒体生产，逐渐转变为直接生产有意义、有价值、有情感的视频，进一步加速媒体生产制作全自动处理进程。 更多完整内容详见课程回放 ⬇️ 视频链接：https://v.youku.com/v_show/id_XNTk0MjQ4Mjk5Mg==.html
2023-02-10
优秀的个人博客,低调大师

全球3000多客户选择XtremIO 收入增长创企业存储系统记录

不到三年时间，全闪存阵列XtremIO累计收入超30亿美金 新闻亮点： ·全球范围，超3000家客户已经购买了XtremIO全闪存存储阵列 ·不到三年时间，XtremIO累计收入超30亿美金 ·大量知名客户在对比了竞争对手的全闪存方案后，选择了XtremIO 全文： 2016年10月31日，北京——EMC公司（NYSE:EMC）近日宣布，XtremIO全闪存阵列（AFA）迎来新的客户和收入里程碑，EMC进一步巩固了全闪存市场领导者地位。IDC最新数据显示，全闪存市场，EMC收入占比高达40%，是最接近竞争对手的近2.5倍。 IDC最新的AFA市场数据，EMC收入几乎是二、三、四名的总和 自2013年11月首次亮相以来，XtremIO的销售速度就持续超过竞争对手，不到三年时间累积了3000多客户，收入超30亿美金。XtremIO进一步验证了其市场份额的领导者地位，和可能成为史上增长速度最快的企业存储产品。 包括CNA、Vestas、The Boston Red Sox、光大证券、万华化学集团等在内的国内外各行业知名客户选择了XtremIO，作为其现代化数据中心策略的关键组件。XtremIO有能力交付一致、可预测的性能，延迟水平为亚毫秒(sub-millisecond)级。XtremIO阵列是专为加速并整合混合块工作负载构建的，适用于诸如数据库、分析、服务器虚拟化、虚拟桌面基础设施(VDI)等场景。XtremIO提供横向扩展(scale-out)架构，内联数据服务时刻在线，包括一些业界最佳的线内数据压缩和重复数据删除功能。XtremIO还拥有集成数据副本管理(iCDM)功能，帮助客户加速并改善业务生产力，提高IT组织效率。 EMC还于近期宣布了XtremIO重要的软件升级，面向VMware和Microsoft虚拟化环境，扩展XtremIO应用程序集成和管理特性。 “XtremIO惊人的市场势头表明了客户对其领先能力的认可，加速并整合混合工作负载，迈向现代化数据中心。”XtremIO高级副总裁兼总经理Dan Inbar表示：“客户告诉我们，部署XtremIO是因为它‘真的有效’，能为其IO密集型工作负载带来一致的、可预测的、亚毫秒延迟的性能。作为EMC全闪存产品组合中的明珠，我们将持续开发XtremIO，面向甚至更广泛的企业工作负载和用例集，让这些场景都能从XtremIO独特的全闪存架构中获益，对此我们感到非常兴奋。” 一些知名客户最近选择了拥抱XtremIO全闪存存储阵列，用于其企业工作负载环境，包括： ·CNA, 美国第八大商业保险服务商，已经选择XtremIO作为其所有的生产和试生产(pre-production)存储管理平台。全闪存XtremIO存储阵列将帮助CNA在应对快速增长的容量同时，保持灵活性。CNA正经历技术现代化与数字化、承保与分析的变革。 ·Vestas Wind Systems,全球最大的风力涡轮机公司使用EMC XtremIO替换了遗留系统，扩展了其数据解决方案，确保继续为市场带来最佳的风力能源解决方案。基于已经在全球75个国家和地区安装的5万多台涡轮机，Vestas拥有业界最大的资料储存库。这一无与伦比的数据池包括了来自全球各地，超过16年的气象数据，以及5000万部时刻传输涡轮机性能数据的传感器收集的信息。 ·Boston Red Sox(波士顿红袜队)，这支位于马萨诸塞州波士顿的全美职棒大联盟知名球队，曾赢得八次总冠军。波士顿红袜队已经选择了XtremIO全闪存阵列，管理其商业和棒球业务环境。借助XtremIO，红袜队能够更快速、可靠地获得业务智能，改善球迷体验。棒球分析带来最尖端的洞察。 EMC全闪存策略 在XtremIO里程碑记录的带领下，EMC现在提供业界最广泛的全闪存存储产品组合，多种平台各自解决众多从小到大的企业需求，面向整合、混合的工作负载，以及全世界对性能要求最高的企业应用。 虽然竞争对手鼓吹，想要运行所有工作负载，客户无需一种以上的全闪存存储架构，EMC的产品组合策略是经广泛的市场采用验证的。EMC全闪存存储阵列专为特定工作负载而构建，旨在面向几乎所有的企业数据中心用例。 客户证言： CNA金融集团首席信息官Ray Oral “我们正不断发掘新的数据源，更好地做出业务相关的决策。我们需要确保信息是安全的，可以被快速访问并可扩展，满足我们不断增长的需求。金融是一个高度管制的行业，我们无法承受任何事出错带来的损失，这是我们选择XtremIO的一个重要原因。我们与EMC已经建立了长期的合作关系，EMC长青的系统架构已经帮助我们无痛地进化，拥抱更多更先进的技术，我们对此表示赞赏。” Vestas技术和服务解决方案部工厂解决方案副总裁Lars_chr._christensen “我们想要变革我们的数据仓库基础架构，通过一种现代化的解决方案，不仅能够提供一致的高性能，还能支持敏捷开发，进而帮助我们实现更快速的创新，并提供更快的分析响应，支持我们的Service and O&M业务。我们收集、存储并分析的风力系统数据对业务成功是至关重要的，所以我们选择了EMC的XtremIO全闪存阵列作为我们的存储平台。扩展了和EMC的合作关系，我们感到非常兴奋。2015年，我们开始为Vestas Mindstorm超级计算机环境部署基于Isilon的基础架构，将大数据变成大商机。” 波士顿红袜队信息技术副总裁Brian Shield “我们非常重视球迷，强调的是对他们360度的全方位理解。我们的XtremIO全闪存阵列存储了来自我们前台系统的数据，包括了来自顾客仓库数据(Customer Warehousing Data)、CRM、销售系统和财务应用，到商业智能和分析的一切。这位我们带来了一个观察、了解球迷的更全面的视角，确保我们能为他们带来最佳体验。和球队在赛场上的表现一样重要，XtremIO为红袜队带来了快速访问棒球分析，侦查信息的能力，包括球员表现和医疗数据，帮助我们发现增量收益，保持领先。基于大数据分析采取行动是我们球队表现的关键。我们与EMC的合作关系将帮助我们继续贡献精彩的‘全垒打’。” 本文出处：畅享网 本文来自云栖社区合作伙伴畅享网，了解相关信息可以关注vsharing.com网站。
2018-05-09
优秀的个人博客,低调大师

随着物联网的成熟，创企需要注意这4个问题

有人说，我们对物联网的依赖会造成人类社会的退化。虽然有些传闻毫无依据可言，但有些也并不是空穴来风。在这里，有4个物联网领域的相关问题亟待解决。 物联网(IoT)正在侵入我们的日常生活，同时它预示着一个人与人之间加速交流的时代。它正在重塑我们上下班和工作的方式，同时也正在为我们打开了一扇通向更多惊喜和可能的大门。 一方面，人们赞美物联网创造者乌托邦式的理念;另一方面，人们呼吁在跟随潮流前必须审慎思考。一些担心是有现实根据的：比如说，你的银行账户很有可能在一个不安全的网络中被攻击，或者有人黑了你的银行电子狗。 为了让你更好地迎接物联网，e27关注了这4个在物联网领域亟待被解决的问题。 1. 隐私泄露 当美国中央情报局(CIA)前技术分析员爱德华·斯诺登揭露了美国的间谍计划之后，很多人都对美国国家安全局(NSA)对互联网和手机的监控程度感到震惊，因为这涉及到数百万人的敏感数据。Facebook、Google等大型科技公司也没能幸免。 物联网设备，如智能手机和平板电脑的出现，让国家安全局秘密访问和检索个人信息变得更轻而易举。其他物联网设备也存在类似的漏洞，例如三星智能电视，它能够识别你的声音，那就意味着可以从你的对话中窃取信息。 解决方案 为了物联网能大规模普及，必须树立消费者通过不同设备分享个人数据时的安全感。制造商、公司和监管机构必须共同努力建立一个框架，能够保障参与式文化的安全性。 物联网企业需要定期与政府协商来解决这些问题，并确保透明度。 2. 网络威胁 黑客可以通过远程安装恶意软件，或者利用系统中的漏洞入侵你的物联网设备。这样他们就可以提取信用卡信息等重要数据，甚至利用你的物联网设备去攻击其他电脑。 将物联网技术应用到医疗产品上，比如心脏起搏器，如果设备被攻击了的话，很可能对患者的生命造成威胁。在战场上，军用无人机在被黑后有可能会反过来攻击自己的盟友。黑客还可以关闭城市的智能电网或交通管理系统。 解决方案 政府和企业互相协作，应对需求和挑战。安全公司和机构要有能力预测危机，并基于现有网络威胁的趋势制定对策。 但即使有健全的安全框架，漏洞仍然会存在，道高一尺魔高一丈。作为个人，我们需要努力维护自身安全，比如保管好我们的个人密码。 3. 缺乏标准化 尽管物联网设备正在大批量涌入市场，但如何能确保它们可以兼容不同的网络，或适配不同的设备呢? 目前，还没有一个标准或法规去管理物联网产业。目前不同的接口使用不同的技术。如果物联网公司不采用一个相同标准，将会导致物联网终端的操作性和支持性土崩瓦解。 根据一篇关于物联网所面临挑战的学术论文所说，“事物、环境、虚拟云上的数字化副本以及监测、控制和协助完成工作的实体之间的双向沟通和信息交流需要一个标准。” 解决方案 除了实施条例和构建完善的框架外，物联网设备制造商和开发人员还需要开放平台，从而实现设备间的交互。值得庆幸的是，该措施已在实施中。三星首席执行官BK Yoon说：“众多财团、协会、政府/地区都在为解决标准问题出台相关政策。” 4. 扩展性和稳定性 物联网数据量正在快速增长，储存数据的系统和空间必须要适应这种大规模数据。当一些重要的垂直领域(比如医疗、金融和政府服务)将数据转移到网络服务器上时，物联网平台必须保证其稳定性并定期维护。 根据美国国家仪器有限公司(NI)的一份报告显示，设备功能增多意味着软件更新将成为常态。该报道称：“很快，相互连接的部件将形成一个复杂的网络，新系统能与原系统和其他系统兼容。” 解决方案 随着物联网设备与云服务整合度的提升，企业愈加应该着眼于把资源集中到升级和改进他们的平台上，那样平台才是安全的、可扩展的，也不会造成大规模死机或信息丢失的情况。 企业家需要与他们的合作伙伴仔细评估他们的业务和产品模型，在必要时甚至需要增加研发支出。延迟产品的推出时间总比事后花上数月修复漏洞并失去消费者的信任要明智得多。 初创公司能做什么? 物联网空间正在不断发展，而新的挑战也在不断涌现。在这种快速变化的现状之下，物联网初创公司必须理解和适应这种快速发展的科技形式，创造出能够克服这些挑战并符合消费者期待的产品。 作者：何妍 来源：51CTO
2017-07-31

资源下载

更多资源
Mario

Mario

马里奥是站在游戏界顶峰的超人气多面角色。马里奥靠吃蘑菇成长，特征是大鼻子、头戴帽子、身穿背带裤，还留着胡子。与他的双胞胎兄弟路易基一起，长年担任任天堂的招牌角色。

时间: 2026-10-18 大小: 211.28KB 下载: 56次
Spring

Spring

Spring框架（Spring Framework）是由Rod Johnson于2002年提出的开源Java企业级应用框架，旨在通过使用JavaBean替代传统EJB实现方式降低企业级编程开发的复杂性。该框架基于简单性、可测试性和松耦合性设计理念，提供核心容器、应用上下文、数据访问集成等模块，支持整合Hibernate、Struts等第三方框架，其适用范围不仅限于服务器端开发，绝大多数Java应用均可从中受益。

时间: 2026-08-21 大小: 5MB 下载: 2次
Rocky Linux

Rocky Linux

Rocky Linux（中文名：洛基）是由Gregory Kurtzer于2020年12月发起的企业级Linux发行版，作为CentOS稳定版停止维护后与RHEL（Red Hat Enterprise Linux）完全兼容的开源替代方案，由社区拥有并管理，支持x86_64、aarch64等架构。其通过重新编译RHEL源代码提供长期稳定性，采用模块化包装和SELinux安全架构，默认包含GNOME桌面环境及XFS文件系统，支持十年生命周期更新。

时间: 2026-08-21 大小: 1.42GB 下载: 6次
WebStorm

WebStorm

WebStorm 是jetbrains公司旗下一款JavaScript 开发工具。目前已经被广大中国JS开发者誉为“Web前端开发神器”、“最强大的HTML5编辑器”、“最智能的JavaScript IDE”等。与IntelliJ IDEA同源，继承了IntelliJ IDEA强大的JS部分的功能。

时间: 2025-12-13 大小: 249.54MB 下载: 22次
热门标签
DeepSeek Jdk25 OpenAi HarmonyOS6 Nacos3 SpringBoot4 SpringCloud Docker Kubernetes Service Mesh Redis Gemini3 Rocky

欢迎您来访！

登录后，您将获得更多功能！
热门文章
联系我们

有任何问题或合作意向欢迎联系我们

Email: 99873273@qq.com

QQ: 99873273

用户登录
用户注册