ZDNet至顶网软件频道消息:MarketsandMarkets公司发布报告,展示了未来5年智慧城市领域的发展发展,并提及智慧计量在隐私方面的问题及智慧建筑将带来的新兴风险。
报告指出,随着越来越多的人选择在市区居住,政府将面临在基础设施方面的挑战,例如为居民建造更多的城市,以及为建好的城市的蓬勃发展装备所需的公用设施。除了创造新的城市,现有的城市也应该进行升级以期能适应不断增长的人口、满足所需要的智慧交通、安防、能源管理、二氧化碳排放量和可持续性或使用可再生能源的需要。
智慧城市市场的营收至2019年将达到12665.8亿美元
报告指出,全球智慧城市市场规模预计将由2014年的6545.7亿美元增至2019年的12665.8亿美元,2014年至2019年间年复合增长率达14.1%。报告还分析了不同地区的采用趋势、未来的增长潜力、竞争前景以及市场生态系统价值链,区域覆盖北美(NA),欧洲,拉丁美洲(LA),亚太地区(APAC)以及中东和非洲(MEA)等地区。报告预测,APAC和MEA的智慧城市将以极快的速度增长,APAC和MEA也将是最高的创收市场。
智慧计量表会监视你吗?
美国的许多公用事业公司正在为客户部署智慧计量表,以更好地管理水、煤气和电力的消耗。这些智慧计量表让客户实时监看自己的消费情况,同时公用事业供应商也可以奖励那些在高峰时段的使用量较小的客户。智慧计量表的缺点是,如果用户忘了付账单,你的水电或煤气可能被远程关掉。好消息是,付完账单后,要重新接通也是一样地容易。
有些人对这种远程访问和监控有些担心,因而不愿意将家里的计量表升级成智慧计量表。但总部位于费城的公共事业公司PECO的高级网格营运科技(Advanced Grid Operations and Technology)主管经理Ron Katzman指,在他的公司里,这些由计量表数据得到和传输的数据都确保是安全的。智慧计量表安装好后,PECO会对通信进行加密,防止黑客破坏用户的家居环境。他还指出,智慧计量表的读数是与计量表相关联的,而不是和住户相关联的。
Katzman表示,“这些数据的匿名性是很强的。例如,我需要看客户的阶段使用信息,才能确定客户是不是在计量表或是服务上遇到了什么问题。也许他们那里经常停电。我们需要获取这些信息,是有非常正当的理由的。但是我不会看着这些信息说,' Ron Katzman住这里吗?’我看着这些信息是只会说,' 123号表的表现是这个样子。’”
不过,有些人还是认为智慧计量表有窥探嫌疑。在美国有些州里,居民可以交一定的费用,选择不参加智慧计量表过渡计划,但有些公司要满足当地政府的要求必须在未来10年之内在每个家庭里安装智慧计量表。这对那些反对智慧计量表的人来说是个问题,但正如Katzman指出的,如果他们想继续获得电力、煤气和水的话,他们可能别无选择,只能同意安装智慧计量表。
如果有些家庭真的要对抗智慧计量表,他们也可以自己动手解决,在家里装用再生能源技术,如太阳能电池板或风车发电等。
智慧建筑有多安全?
为了使得建筑物更为节能,有必要将暖气、照明、通风、电梯等其他系统接到以互联网为基础的网络上。但也可以看到,因为这些系统会与诸如智慧电网的外界系统整合在一起,此举无论对建筑本身以及人的安全和保障来说都存在巨大的威胁。
分析人士认为,这些连接设备提供的安全性是不够的,而且,由于建筑大厦经理只会一心只管本建筑物里的事,这些连接设备有可能受到恶意攻击者的捣乱。从智慧大厦发送到智慧电网的数据可能会受到影响,而建筑物管理人员却可能不知道外部存在的安全隐患。
英国的工程科技所的网络安全主脑人物Hugh Boyes表示,“这对企业IT人员而言是一个有意思的挑战。他们需要知道,日益复杂的网络正成为他们的大厦的一部分,已经到了失控的地步。”
Smart Buildings有限责任公司的主管Jim Sinopoli指出,智慧建筑中使用的通信协议(如BACnet和LonTalk)以及因兼容性而采用这些协议的连接设备是公开的和透明的,因此增加了系统受到攻击的机会。一个系统中的安全漏洞可能产生多米诺效应,危及整个网络。
Rolf von Roessing是德国安全咨询公司Forta股份公司的总裁及ISACA职业影响和宣传委员会成员。他建议,为了应对这些风险,IT从业者应该将信息安全和网络安全管理流程扩展到智慧建筑和建筑所属的连接组件上。
好文章,需要你的鼓励
机器人和自动化工具已成为云环境中最大的安全威胁,网络犯罪分子率先应用自动化决策来窃取凭证和执行恶意活动。自动化攻击显著缩短了攻击者驻留时间,从传统的数天减少到5分钟内即可完成数据泄露。随着大语言模型的发展,"黑客机器人"将变得更加先进。企业面临AI快速采用压力,但多数组织错误地关注模型本身而非基础设施安全。解决方案是将AI工作负载视为普通云工作负载,应用运行时安全最佳实践。
MBZUAI研究团队发布了史上最大的开源数学训练数据集MegaMath,包含3716亿个Token,是现有开源数学数据集的数十倍。该数据集通过创新的数据处理技术,从网页、代码库和AI合成等多个来源收集高质量数学内容。实验显示,使用MegaMath训练的AI模型在数学推理任务上性能显著提升,为AI数学能力发展提供了强大支撑。
面对心理健康专业人士短缺问题,谷歌、麦肯锡和加拿大重大挑战组织联合发布《心理健康与AI现场指南》,提出利用AI辅助任务分担模式。该指南构建了包含项目适应、人员选择、培训、分配、干预和完成六个阶段的任务分担模型,AI可在候选人筛选、培训定制、客户匹配、预约调度和治疗建议等环节发挥作用。该方法通过将部分治疗任务分配给经过培训的非专业人员,并运用AI进行管理支持,有望缓解治疗服务供需失衡问题。
这项由多个知名机构联合开展的研究揭示了AI系统的"隐形思维"——潜在推理。不同于传统的链式思维推理,潜在推理在AI内部连续空间中进行,不受语言表达限制,信息处理能力提升约2700倍。研究将其分为垂直递归和水平递归两类,前者通过重复处理增加思考深度,后者通过状态演化扩展记忆容量。