ZDNet至顶网软件频道消息:现代企业正在努力支撑日渐上涨的移动员工数量,应用开发者也因此需要跨多个移动平台满足这一需求。为助力开发者更快、更轻松地创建高扩展性和高安全性的移动应用,甲骨文公司发布了具有多项创新功能的Oracle移动套件(Oracle Mobile Suite)。作为Oracle移动平台的一部分,该套件包括全新的Oracle移动应用架构(MAF),加上升级版的Oracle服务总线(Oracle Service Bus),大大优化了移动集成的支持和过程,同时为REST/JSON APIs提供了本地支持。这些增强功能能够让客户通过访问内部部署、云和第三方方移动服务等加快新跨设备移动应用的交付。
甲骨文公司近日宣布Oracle移动套件(Oracle Mobile Suite)全面升级,这是一个集成解决方案,旨在跨多个移动平台来加快移动应用的开发和部署,并能够与不同的企业系统协同工作。该升级版本拥有一个全新的跨设备移动开发架构,Oracle移动应用架构(MAF)可简化多平台设备中移动应用的开发。
作为Oracle服务总线的新版本,这个Oracle移动套件的核心组件为灵活的多渠道和更具体的移动战略提供了基础。Oracle服务总线 12c通过允许在云或内部部署的后端应用JSON和 REST APIs进行披露,从而获取简化的移动功能。Oracle MAF与Oracle移动安全套件(Oracle Mobile Security Suite)实现了紧密集成,其可在移动设备上获得企业拥有的应用和数据,并获得任何移动应用的部署和管理。
Oracle MAF 简化了本地设备移动应用的创建,功能包括:开发IDE的选择,包括Oracle JDeveloper 或 Eclipse (通过 Oracle Enterprise Pack for Eclipse),和开发语言的选择,包括Java, JavaScript 和 HTML5;超过80个专业开发的用户界面组件,让开发者能够创建具有广泛数据可视化功能的移动应用界面,同时减少对低水平HTML5编码的需要;支持Apache Cordova插件,能够让开发者跨多个操作系统来使用具体的移动设备功能;公布的用户界面组件创建功能,能够获得更大的可重用性,开发应用以及为用户界面创建模板;与Oracle移动安全套件内部集成,扩展了对应用集装箱化、先进的认证和授权以及与社交网络登录集成的支持;扩展的定制化支持,能够让开发者运用框架对现有的移动应用实现定制化;在Oracle ADF Mobile下提供对应用开发的支持。
Oracle 服务总线的升级包括:Oracle JDeveloper统一的设计期环境可进行前端应用和后端集成的开发,使用图形向导方式来披露诸如REST/JSON mobile-ready APIs这样的后端系统;建立内存分布式缓存来助力超载后端系统规模,并处理移动应用中不断增加的流量,减少总体的延迟,并最终提高最终用户的体验;对企业部署的企业应用提供现有适配器的丰富产品组合。
甲骨文公司移动和开发工具副总裁Chris Tonas表示:“Oracle移动套件涵盖了从企业系统扩展到手机和平板电脑所需的所有东西。这个新的Oracle移动应用架构为Java开发者提供了轻松的过渡,为他们提供了移动世界的开发技能,利用他们的Java和JavaScript技能以及他们已经使用的工具。通过在前端和后端集成移动应用开发者体验,我们现在可帮助开发者为他们的企业更快和更高效地提供移动应用。”
AMIS首席顾问Luc Bors表示:“Oracle MAF将能够帮助我们的顾问为客户加快移动实施的交付。对Cordova 插件和定制HTML5用户界面组件添加扩展的支持,将能进一步扩展能够使用Oracle MAF的场景。我们也很高兴地看到利用社交安全提供商以及在Oracle MAF中面向安全实施的扩展选件的可能性”。
好文章,需要你的鼓励
杜克大学研究团队建立了首个专门针对Web智能体攻击检测的综合评估标准WAInjectBench。研究发现,现有攻击手段极其多样化,从图片像素篡改到隐藏弹窗无所不包。虽然检测方法对明显恶意指令有中等效果,但对隐蔽攻击几乎无能为力。研究构建了包含近千个恶意样本的测试数据库,评估了十二种检测方法,揭示了文本和图像检测的互补性。这项研究为Web智能体安全防护指明了方向,提醒我们在享受AI便利时必须保持安全意识。
生成式AI的兴起让谷歌和Meta两大科技巨头受益匪浅。谷歌母公司Alphabet第三季度广告收入同比增长12%达742亿美元,云服务收入增长33%至151.5亿美元,季度总收入首次突破千亿美元大关。Meta第三季度收入512.5亿美元,同比增长26%。两家公司都将大幅增加AI基础设施投资,Meta预计2025年资本支出提升至700亿美元,Alphabet预计达910-930亿美元。
加州大学圣地亚哥分校研究团队系统研究了AI智能体多回合强化学习训练方法,通过环境、策略、奖励三大支柱的协同设计,提出了完整的训练方案。研究在文本游戏、虚拟家庭和软件工程等多个场景验证了方法有效性,发现简单环境训练能迁移到复杂任务,监督学习初始化能显著减少样本需求,密集奖励能改善学习效果。这为训练能处理复杂多步骤任务的AI智能体提供了实用指南。