رله حالت جامد ، رله ssr

آشنایی با رله SSR و نکات مهم در سیم‌بندی آن

/0 دیدگاه/در /توسط

رله حالت جامد (SSR- Solid State Relay)، کلیدی الکترونیکی است که متشکل از عناصر نیمه‌هادی قدرت مانند ترانزیستور، تریستور یا ترایاک می‌باشد. ورودی رله‌های حالت جامد اغلب DC می‌باشد ولی خروجی آن‌ها مانند رله‌های الکترومکانیکی می‌تواند AC یا DC باشد. (برخلاف رله‌های الکترومکانیکی، در زمان خرید SSR ها، باید نوع خروجی مشخص باشد)

رله‌های الکترومکانیکی، دو بخش بوبین(مدار فرمان) و کنتاکت (مدار قدرت) دارند، در رله‌های حالت جامد (SSR) نیز همین دو بخش وجود دارد که معمولاً توسط یک اپتوکوپلر (ایزوله نوری) از یکدیگر ایزوله شده‌اند. در رله‌های حالت جامد، به جای استفاده از نیروی الکترومکانیکی، از نیمه‌هادی‌ها برای سوئیچ بار استفاده می‌شود.

در تصویر زیر یک نمونه رله‌ی SSR را مشاهده می‌کنید، که به تشریح بخش‌های مختلف آن می‌پردازیم.

 

 

 

رله حالت جامد یا SSR

ورودی : سمت راست رله SSR ترمینال ورودی از نوع DC است، که همان‌طور که در عکس مشخص است ولتاژ تحریک ۴ الی ۳۲ ولت را می‌توان به ورودی اعمال نمود. همین‌طور باید توجه داشت که با توجه به علامت “+” در ورودی، یعنی قطبیت در این رله اهمیت دارد.

خروجی: از نوع سه فاز بوده که ترمینال‌های A1-A2 , B1-B2 , C1-C2 خروجی‌های این رله می‌باشند. همان‌طور که روی آن قید گردیده، این رله می‌تواند تا ۵۳۰ ولت و بار حداکثر ۲۵ آمپری را سوئیچ کند.

در تصویر زیر یک نمونه رله‌ حالت جامد قابل نصب روی ریل را مشاهده می‌کنید. ورودی این رله SSR، ولتاژ DC از ۱۰ الی ۳۲ ولت می‌تواند باشد. قطبیت در این رله برد اهمیتی ندارد. خروجی می‌تواند ۲۵۰ ولت و بار حداکثر ۶ آمپری را قطع و وصل نماید. در خروجی فیلتر RC برای حذف اثرات جریان بازگشتی طراحی‌شده است. ایزوله مدار فرمان از قدرت، در این رله به‌صورت نوری می‌باشد.

رله SSR

 

 

 

مزایای رله‌های حالت جامد

 

  1. طراحی متنوع جهت مدارهای AC و DC
  2. بدون قطعات مکانیکی و با طول عمر بالا
  3. تحمل جریان‌های هجومی بالا در لحظه استارت
  4. عملکرد بدون صدا
  5. امکان اتصال مستقیم به خروجی PLC
  6. مناسب جهت مدارهایی با سرعت سوییچ بالا
  7. عدم وجود جرقه در خروجی در فرمان قطع و وصل
  8. قطع و وصل در لحظه صفر (در مدل‌های  AC)

 

 

معایب رله‌های حالت جامد

 

  1. ایجاد حرارت حین کار و نیاز به هیت سینک یا فن (یا هر دو) جهت تهویه
  2. وجود جریان نشستی هنگام خاموش بودن (این جریان در رنج میکرو‌آمپر بوده و می‌تواند باعث عملکرد لحظه‌ای تجهیزات شود)
  3. ساخت در مدل‌های AC و DC به‌صورت جداگانه و عدم امکان استفاده در هر دو نوع مدار
  4. عدم توانایی سوئیچ تجهیزات با جریان راه‌اندازی پایین
  5. ایجاد نویز و هارمونیک
  6. احتمال روشن شدن اتفاقی در تغییرات شدید ولتاژ و وجود نویز
  7. قیمت بالاتر نسبت به رله‌های الکترومکانیکی
  8. نسبت به اتصال کوتاه در خروجی بسیار حساس بوده و به‌ سرعت می‌سوزند.
نکات مهم در سیم بندی رله SSR

برای سیم بندی رله‌های حالت جامد این نکات را در نظر داشته باشید:

  • در هنگام سیم بندی دقت نمایید که حداکثر از ۵۰% توان نامی SSR برای راه‌اندازی بارهای سلفی و ۷۰% توان نامی برای راه‌اندازی بارهای غیر سلفی استفاده نمایید.
  • به خاطر داشته باشید که رله‌ SSR در لحظه خاموش بودن نیز مقداری جریان از خود عبور می‌دهند، مطمئن شوید که این جریان نشتی باعث عملکرد لحظه‌ای دیگر تجهیزات نشود.
  • در صورت DC بودن مدار فرمان یا قدرت ممکن است قطب‌بندی مهم باشد. قطب‌بندی اشتباه می‌تواند باعث عدم عملکرد صحیح و یا آسیب به SSR شود.
  • برای تعمیرات و یا تعویض تجهیزات باید مدار قدرت رله‌ها کاملاً بی‌برق شود. هرگز به قطع مدار فرمان بسنده نکنید و از بریکر یا کلید با تعداد پل‌های کافی و قبل از SSR استفاده نمایید.
  • رله‌ SSR با خروجی ۵ آمپر به بالا، نیاز به هیت سینک دارند. رله را بدون هیت سینک با سایز مناسب، روی سطوح پلاستیکی، چوبی و … نصب نکنید.
  • از تجهیزات مناسب مانند سر سیم، سیم قلع اندود، وایرشو و … در سیم بندی SSR استفاده کنید.
  • از سیستم زمین مناسب و بدون نویز در تابلوهای برق استفاده کنید. این کار باعث افزایش ایمنی، کاهش عملکردهای اتفاقی، کاهش برق‌گرفتگی و … می‌شود.
  • رله‌های حالت جامد باید با نصب سیستم‌های مناسب در برابر اضافه جریان و اتصال کوتاه محافظت شوند. حتماً از فیوز یا بریکر مناسب استفاده نمایید.
پردازنده های رایزن AMD

ارتقای اولین نسل از پردازنده‌های رایزن به لیتوگرافی ۱۲ نانومتری

/0 دیدگاه/در /توسط

به‌نظر می‌رسد AMD هم‌زمان با ارتقاء معماری در پردازنده‌ی رایزن ۵ ۱۶۰۰ از Zen به +Zen، لیتوگرافی این محصول را نیز به‌روزرسانی کرده است.اولین عضو از نسل اول پردازنده‌های سری رایزن AMD، تحت عنوان Ryzen 5 1600 با ۶ هسته و ۱۲ رشته‌ی پردازشی در سال ۲۰۱۷ معرفی شد. این پردازنده با بهره‌گیری از لیتوگرافی ۱۴ نانومتری بر پایه‌ی معماری Zen ساخته شده بود. اما حالا به‌نظر می‌رسد نسخه‌ی جدیدی از پردازنده‌ی مذکور با لیتوگرافی ۱۲ نانومتری و معماری هسته‌ی +Zen در بازار رویت شده است.

اولین راه برای تشخیص تفاوت مدل جدید و مدل قدیمی این پردازنده، توجه به شماره‌ی سریالی است که روی IHS پردازنده نوشته شده است. IHS یا integrated heat spreader، سیستم پخش‌کنننده‌ی گرمای مجتمع روی پردازنده است. شماره‌ی سریال روی IHS در نسخه‌ی ۲۰۱۷ این تراشه YD1600BBAE است، درحالی‌که نسخه‌ی جدیدتر رایزن ۵ ۱۶۰۰ با کد YD1600BBM6IAF روانه‌ی بازار می‌شود. ابتدا در ماه سپتامبر نسخه‌ی جدید پردازنده که براساس کاراکترهای آخر مدل خود، AF نیز نام‌گذاری شده است، در برخی خرده‌فروشی‌های اینترنتی مشاهده شد. ابزارهای تشخیص سخت‌افزار از جمله CPU-Z و HWInfo نیز مدل AF‌ را به‌عنوان پردازنده‌ای با لیتوگرافی ۱۲ نانومتری تشخیص دادند. AMD تا با حال هیچ چیزی را در این باره تأیید نکرده است. درنتیجه ضمانتی برای اعتبار گزارش‌ها وجود ندارد.

براساس گزارش‌ها پردازنده‌ی رایزن ۵ ۱۶۰۰ اکنون با معماری +Zen تولید شده و در مقایسه با هسته‌های قدیمی نوع Zen در حدود ۳ تا ۵ درصد IPC بهتری داشته و برخی پیشرفت‌ها را در زمینه‌ی اورکلاک به خود دیده‌ است. IPC مخفف عبارت Instruction per Clock است که مفهوم آن میانگین تعداد دستورالعمل‌های قابل‌اجرا در هسته‌های پردازنده در هر سیکل کلاک است.

به‌کارگیری ریزمعماری +Zen از ابتدا در پردازنده‌ی رایزن ۵ ۲۶۰۰ سبب شده تا این تراشه در مقایسه با نسخه‌ی قدیمی از رایزن ۵ ۱۶۰۰ پیشرفت‌های عظیمی را نشان دهد. با اینکه تفاوت ریزمعماری موجب شده تا پردازنده‌ی رایزن ۵ ۱۶۰۰ عملکردی به اندازه‌ی نسل دوم از پردازنده‌های رایزن نداشته باشد، جهش قابل ملاحظه در عملکرد نسخه‌ی AF این پردازنده غیر قابل انکار است. در نهایت تراشه‌ی رایزن ۵ ۲۶۰۰ سرعت کلاک و بوست بالاتری نسبت به پردازنده‌ی رایزن ۵ ۱۶۰۰ داشته و استفاده از معماری +Zen سبب نشده تا فرکانس پردازشی و بوست در مدل AF به‌صورت چشم‌گیری افزایش یابد، با این حال به‌نظر می‌رسد فناوری PBO (بوست خیلی دقیق) تأثیر مثبت بیشتری روی نوع AF داشته است.

در ابتدا تصور می‌شد شناسه‌ی AF برای طبقه‌بندی تراشه‌ها بین دو استپ متفاوت از دای‌های ۱۴ نانومتری است. شرکت‌های تولیدکننده‌ی تراشه محصولات خود را با کدهایی با عنوان استپ و براساس به‌روز‌رسانی‌های اعمال‌شده در ساختار تراشه طبقه‌بندی می‌کنند. اما اخیرا کاربری در وب‌سایت حوزه‌ی فناوری، Reddit، نسخه‌ی AF از پردازنده‌ی رایزن ۵ ۱۶۰۰ را دریافت کرده است. تجدید ریزمعماری در این تراشه باعث افزایش اندک فرکانس بوست شده است. سرعت بوست در مدل AF در حدود ۳٫۷ گیگاهرتز بوده و ۱۰۰ مگاهرتز بالاتر از پردازنده‌ی مرجع با فرکانس بوست ۳٫۶ گیگاهرتزی است. اما این مقدار چندان هم چشم‌گیر نیست. کاربر ردیت در مورد فرکانس بوست نسخه‌ی AF اظهار داشت:

سرعت بوست پردازنده‌ی اصلی رایزن ۵ ۱۶۰۰ پس از اینکه یک تا دو بار هسته‌ها بارگذاری شدند، تا ۳٫۴ گیگاهرتز کاهش می‌یابد. این در حالی است که نسخه‌ی AF این پردازنده به مدت طولانی‌تری سرعت بوست ۳٫۷ گیگاهرتزی خود را حفظ می‌کند. فرکانس بوست نسخه‌ی AF تنها ۲۰۰ مگاهرتز پایین‌تر از پردازنده‌ی رایزن ۵ ۲۶۰۰ است.

در این لحظه دلیل استفاده از دای ۱۲ نانومتری در پردازنده‌ی یادشده در هاله‌ای از ابهام قرار دارد. شاید تنها اشتباهی در ریزکدهای تراشه صورت گرفته است و شاید AMD دای‌های قابل استفاده‌ای از پردازنده‌ی رایزن ۵ ۲۶۰۰ داشته و تصمیم گرفته آن‌ها را در نسخه‌ی AF به کار گیرد. این احتمال نیز وجود دارد که GlobalFoundries که تولیدکننده‌ی دای‌های ۱۴ نانومتری برای AMD است، بنا به دلایلی بخش مربوط به لیتوگرافی مذکور را تعطیل کرده باشد. در هر صورت مصرف‌کنندگان مجبورند به‌جای نسخه‌ی AE، نسخه‌ی AF این پردازنده را بخرند.

مدل AE در فروشگاه اینترنتی آمازون با قیمت ۱۲۰ دلار فروخته می‌شود. قیمت پردازنده‌ی رایزن ۵ ۲۶۰۰ نیز ۱۲۰ دلار است. بنابراین اگر می‌خواهید ۱۲۰ دلار برای خرید پردازنده هزینه کنید، باتوجه به برتری‌های پردازنده‌ی رایزن ۵ ۲۶۰۰ در عملکرد، بهتر است این تراشه را بخرید. در همین حال نسخه‌ی AF که به‌صورت بالقوه‌ای عملکرد بهتری نسبت به نسخه‌ی AE دارد، با قیمت ۸۵ دلار به فروش می‌رسد. نسخه‌ی AF پردازنده همراه‌با خنک‌کننده‌ی نوع Wraith Stealth فروخته می‌شود؛ درحالی‌که پردازنده‌ی اصلی رایزن ۵ ۱۶۰۰ با خنک‌کننده‌ی ضعیف‌تر Wraith Spire عرضه می‌شود. آزمایش‌ها نشان می‌دهد نسخه‌ی AF هنگام گیمینگ، ۵ درجه‌ی سانتی‌گراد دمای بیشتری نسبت به مدل مرجع دارد، درنتیجه تعبیه‌ی خنک‌کننده‌ای قدرتمند‌تر ارزش خرید بیشتری را به نسخه‌ی AF می‌بخشد.

مرورگر گوگل کروم 79

مرورگر کروم ۷۹ با قابلیت هشدار سرقت رمزعبور معرفی شد

/0 دیدگاه/در /توسط
گوگل به‌تازگی مرورگر کروم ۷۹ را با تعدادی از قابلیت‌های جدید، به‌ویژه در بخش امنیت و محافظت از رمزعبور، معرفی کرده است.
پردازنده‌های AMD

محبوبیت ۲/۵ برابری پردازنده‌های AMD نسبت به دو سال قبل

/0 دیدگاه/در /توسط
طبق آخرین نظرسنجی سخت‌افزاری استیم، تعداد گیمرهایی که از پردازنده‌های AMD استفاده می‌کنند تا ۲۰ درصد افزایش یافته و این آمار از ابتدای سال گذشته ۲/۵ برابر شده است.

نظرسنجی نوامبر ۲۰۱۹ نشان می‌دهد که ۲۰/۵ درصد از کاربران Steam با پردازنده‌ی AMD و ۷۹/۵ درصد با پردازنده‌ی اینتل در حال کار هستند. اگر به دو سال قبل یعنی ابتدای سال ۲۰۱۸ بازگردیم فقط ۸ درصد گیمرها از پردازنده‌های AMD استفاده می‌کردند. اما پس از عرضه‌ی انبوه پردازنده‌های نسل دوم Ryzen در ژوئن ۲۰۱۸، این آمار به ۱۶/۶ درصد رسید.

از تابستان گذشته، AMD همچنان به بهبود روند خود در زمینه‌ی پردازنده‌ها در استیم با روشی ثابت ادامه داده است. در نهایت به‌دنبال عرضه‌ی نسل سوم Ryzen در ژوئیه سال جاری، این آمار ۲ درصد دیگر افزایش یافته و به افزایش ۲۰ درصدی کاربران گیمر AMD رسیده است.

از سوی دیگر ۱۵/۴۸ درصد از گیمرهای استیم از کارت گرافیک AMD استفاده می‌کنند؛ درحالی‌که ۷۴/۵۵ درصد گیمرها از کارت‌های گرافیک انویدیا و ۹/۸۳ درصد از اینتل بهره می‌برند. به‌طور کلی در زمینه‌ی کارت‌های گرافیک، AMD رشد چندانی را شاهد نبوده و در دو سال گذشته با همین ۱۵ درصد از گیمرها به کار خود ادامه داده است.

کارت‌های گرافیک RX 580 و RX 570 محبوب‌ترین مدل‌های AMD محسوب می‌شوند و سری RX 5000 امسال نتوانستند پیشرفت زیادی داشته باشند. در نهایت مدل RX 5700 XT فقط ۰/۲۲ درصد افزایش کاربران را به‌همراه داشته و محبوبیت به‌دست آورده است.

فناوری تراشه‌ی اسنپدراگون

اسنپدراگون ۸۶۵ و اسنپدراگون ۷۶۵ کوالکام با تمرکز بر ۵G و هوش مصنوعی معرفی شدند

/0 دیدگاه/در /توسط

کوالکام شب گذشته با برگزاری مراسمی اختصاصی در هاوایی، دو تراشه‌ی اسنپدراگون ۸۶۵ (پرچم‌دار) و اسنپدراگون ۷۶۵ (میان‌رده) را با تمرکز ویژه بر ۵G و قابلیت‌های هوش مصنوعی رونمایی کرد.

بدافزار پیشرفته

مایکروسافت: تعداد بدافزارها، باج‌افزارها و معدن‌کاوهای رمزارز در سال ۲۰۱۹ کاهش یافت

/0 دیدگاه/در /توسط

مایکروسافت دقیق‌ترین آمارها را از لحاظ شناسایی ابزارهای بدافزاری در دنیای کامپیوتر ارائه می‌کند و برای سال جاری، کاهش در تعداد آن‌ها را گزارش داد. مایکروسافت ابزار امنیتی Windows Defender را برای همه‌ی نسخه‌های جدید سیستم‌عامل ویندوز ارائه می‌کند. درنتیجه هیچ شرکت امنیتی در سرتاسر جهان نمی‌تواند به‌ اندازه‌ی آن‌ها آماری دقیق از بدافزار‌ها و ابزارهای مخرب امنیتی داشته باشد. با نزدیک شدن به روزهای پایانی سال میلادی، نگاهی به گزارش ردموندی‌ها پیرامون رخدادهای شناسایی بدافزارها و دیگر ابزارهای مخرب کامپیوتری، خالی از لطف نیست. مایکروسافت گزارش امنیتی خود را تحت عنوان Security Intelligence Report و به‌صورت تعاملی در وب‌سایتش منتشر می‌کند.

طبق گزارش امنیتی مایکروسافت از رخدادهای سال جاری میلادی، تعداد بدافزارها، باج‌افزارها و معدن‌کاوهای غیرقانونی رمزارز امسال کاهش یافته است. آمار مذکور در مقایسه با تعداد ابزارهای مخرب در سال‌ گذشته و دو سال پیش ارائه شد. ردموندی‌ها در بخشی از گزارش امسال می‌نویسند:

به‌ عنوان یکی از دلایل احتمالی برای کاهش تعداد بدافزارها در سال ۲۰۱۸ و ۲۰۱۹ می‌توان به افزایش استفاده از ویندوز ۱۰ و درنتیجه Windows Defender اشاره کرد.

ویندوز ۱۰ و ویندوز دیفندر در پنج سال گذشته به‌روزرسانی‌های امنیتی مهمی دریافت کرده‌اند. درنتیجه‌ی همین به‌روزرسانی‌های امنیتی، کمپین‌های بدافزاری که ویندوز ۱۰ مدرن را هدف می‌گیرند، موفقیت کمتری دارند. مایکروسافت باتوجه به نمودار زیر می‌گوید تعداد سیستم‌‌های مجهز به ویندوز که بدافزار در آن‌ها مشاهده شد، از ۶ تا ۷ درصد در ابتدای سال ۲۰۱۷ به ۴/۱۵ درصد در اکتبر ۲۰۱۹ کاهش یافته است.

آمار امنیت مایکروسافت

آمار بدافزارهای معدن‌کاوی رمزارز نیز کاهش را نسبت به سال‌های گذشته نشان می‌دهند. چنین بدافزارهایی از منابع پردازشی سیستم قربانی برای معدن‌کاوی انواع رمزارز استفاده می‌کنند. تعداد آن‌ها در سال ۲۰۱۷ و با اوج‌گیری قیمت بیت‌ کوین، افزایش قابل‌ملاحظه‌ای داشت. داده‌های مایکروسافت می‌گویند که روند افزایشی بدافزارهای رمزارز از ژانویه‌ی ۲۰۱۸ کاهش یافت. در آن زمان تعداد معدن‌کاوهای رمزارز در سیستم‌های ویندوزی ۰/۳ درصد بود که با ادامه‌دار شدن روند کاهشی، در اکتبر ۲۰۱۹ به ۰/۰۹ درصد رسید. تعداد باج‌افزارها مانند دیگر انواع بدافزار در سال‌های گذشته با روند کاهشی روبه‌رو شده است. آمار آن‌ها در ژانویه‌ی ۲۰۱۸ برابر با ۰/۱۱ درصد کل سیستم‌های ویندوزی بود که تا اکتبر سال جاری میلادی به ۰/۰۴ درصد کاهش یافت.

آمارهای کاهشی منتشرشده از سوی مایکروسافت، با دیگر گزارش‌های متعددی که گروه‌های امنیتی منتشر کرده‌اند، هم‌خوانی دارد. به‌عنوان مثال قبلا گفته شده بود که گروه‌های توزیع با‌ج‌افزار دیگر کمتر کاربران نهایی (کاربران خانگی، مصرف‌کننده‌ها و کاربران عادی) را هدف قرار می‌دهند. درواقع آن‌ها به‌مرور به‌سمت کاربران تجاری و شرکت‌های بزرگ تغییر مسیر داده‌اند. حمله به سازمان‌ها، به گروه‌های مجرم سایبری امکان می‌دهد تا باج بیشتری را نسبت به حمله به کاربران عادی دریافت کنند.

آمار امنیت مایکروسافت

باوجود کاهش توزیع باج‌افزارها و آمار شناسایی آن‌ها توسط سیستم‌های امنیتی، چنین نوعی از تهدیدهای امنیتی هنوز ادامه دارند. درواقع باج‌افزار در سال جاری به تهدیدی جدی برای سازمان‌های خدمات مدیریت‌شده‌ی IT، مدارس آمریکایی و دولت‌های محلی این کشور تبدیل شد. به‌علاوه در نقاط دیگر جهان همچون اروپا نیز شاهد خسارت‌های مالی بزرگ به فعالان کسب‌وکار بودیم. البته تعداد کاربران قربانی در حمله‌های باج‌افزار کاهش داشت، اما می‌توان بازدهی حمله‌ها را برای مجرمان سایبری بیشتر دانست.

مایکروسافت در ادامه‌ی گزارش خود می‌گوید که کاهش تعداد باج‌افزارها به‌معنای پایان عمر آن‌ها نیست. ردموندی‌ها نیز مانند همه‌ی فعالان امنیت سایبری اعتقاد دارند مجرمان روز‌به‌روز ابزارهای خود را توسعه می‌دهند و با تکامل آن‌ها، به‌دنبال راه‌های جدید برای نفوذ و خراب‌کاری هستند. درنهایت باوجود کاهش تعداد حمله‌های بدافزار در دو سال گذشته، هیچ‌گاه نمی‌توان پایان عمر آن‌ها را پیش‌بینی کرد.

گروه‌های مجرم سایبری در واکنش به قوی شدن ابزارهای امنیتی،‌ عادت‌های رفتاری و فنی خود را تغییر داده‌اند. آن‌ها همچنین بیشتر به رویکردهایی متمایل شده‌اند که نیاز کمتری به بدافزار دارد. به‌عنوان مثال حمله‌های فیشینگ و DDoS و نفوذ به حساب‌های کاربری در دو سال گذشته افزایش یافته است. مایکروسافت در گزارش خود می‌گوید که تعداد ایمیل‌های حاوی رویکردهای فیشبنگ از ۰/۲ درصد در ژانویه‌ی ۲۰۱۸ به ۰/۶ درصد در اکتبر ۲۰۱۹ رسید. ابعاد میانگین حمله‌های DDoS نیز از ۷۵ گیگابیت‌بر‌ثانیه در ماه مه به ۲۰۰ گیگابیت‌بر‌ثانیه در ماه اکتبر رسید.

آمار امنیت مایکروسافت

مجرمان سایبری عموما از بیرون به سیستم‌های ویندوز و آژور مایکروسافت حمله می‌کنند. منتهی ردموندی‌ها می‌گویند تهدیدهای امنیتی در داخل پایگاه کابران و مشتریان شرکت نیز وجود دارند. آن‌ها در سال جاری میلادی با استفاده از فهرستی شامل سه میلیارد حساب کاربری که ازطریق شرکت‌های متفرقه افشا شده بودند، حساب‌های کاربری مایکروسافت و آژور را اسکن کردند. آزمایش مذکور نشان می‌داد که ۴۴ میلیون کاربر از رمزهای عبور تکراری استفاده می‌کردند که نفوذ به حساب‌های کاربری را با استفاده از فروش Credential Stuffing آسان می‌کرد. در چنین روشی، مجرم سایبری با نفوذ به یک حساب کاربری و حدس رمز عبور حساب‌های دیگر، نفوذ خود را عملی می‌کند.

گزارش امنیتی مایکروسافت برای سال ۲۰۱۹ باوجود اخبار خوبی که برای کاربران عادی دارد، زنگ هشدار را برای کاربران تجاری و سازمانی به صدا در می‌آورد. تهدیدهای امنیتی برای آن‌ها روز‌به‌روز پیشرفته‌تر می‌شود و بازدهی مالی حمله‌های سازمانی،‌ گروه‌های بیشتری را به‌سمت شرکت‌ها سوق می‌دهد. به‌هرحال پیاده‌سازی راهکارهای امنیت سایبری امروز بیش از همیشه باید در اولویت سازمان‌ها قرار بگیرد.

زبان برنامه‌نویسی پایتون

پایتون؛ دومین زبان پرطرفدار برنامه‌نویسی در گیت‌هاب

/0 دیدگاه/در /توسط
آنچه از گزارش اخیر مایکروسافت برمی‌آید، آن است که برنامه‌نویسان عاشق زبان پایتون هستند.

زبان برنامه‌نویسی پایتون با پیشی‌گرفتن از جاوا که زمانی زبان غالب برنامه‌نویسی بود، به دومین زبان پرطرفدار برنامه‌نویسی در گیت‌هاب (GitHub)، سایت متعلق به مایکروسافت برای به‌اشتراک‌گذاری کدهای متن‌باز، تبدیل شد. پایتون اکنون موفق شده است جاوا را براساس تعداد مشارکت‌کنندگان در منبع پشت‌سر بگذارد و بر این مبنا، این زبان برنامه‌نویسی اکنون پس از جاوااسکریپت که از سال ۲۰۱۴ در رتبه‌ی اول جا خوش کرده است، دومین زبان پرطرفدار به‌شمار می‌آید.

آمار ارائه‌شده براساس گزارش رتبه‌بندی Octoverse برای سال ۲۰۱۹ به‌دست آمده است. کسب رتبه‌ی دوم در این سایت نقطه‌ی عطف بزرگی برای پایتون ۳۰ ساله است که خالق آن، خیدو فن‌روسوم (Guido van Rossum)، در همین هفته و پس از ترک سِمَت خود در شرکت ذخیره‌سازی کلاد دراپ‌باکس (Dropbox)، اعلام بازنشستگی کرد. بیشتر خدمات پیشرفته و اپلیکیشن‌های دسکتاپ این شرکت با استفاده از پایتون نوشته شده‌اند.

جنبه‌ی جالب دیگر گزارش گیت‌هاب، رتبه‌بندی زبان‌ها براساس سرعت رشد آن‌ها است. زبان برنامه‌نویسی دارت گوگل و فریم‌ورک فلاتر که برای تولید رابط‌های کاربری برای برنامه‌های تحت اندروید و iOS کاربرد دارد، بیشتر از سایر زبان‌ها مدنظر برنامه‌نویسان در گیت‌هاب قرار گرفته است. در سال‌های ۲۰۱۸ و ۲۰۱۹، دارت از بیشترین رشد برخوردار بوده و استفاده از آن در میان برنامه‌نویسان، ۵۳۲ درصد بیشتر شده است. همچنین، زبان راست (Rust) موزیلا با رشد چشمگیر ۲۳۵ درصد، پس از دارت در رتبه‌ی دوم قرار دارد.

زبان برنامه‌نویسی راست برای برطرف‌کردن باگ‌های امنیتی مرتبط‌ با حافظه طراحی شده که رایج‌ترین نقص امنیتی در نرم‌افزارهای مایکروسافت در یک دهه‌ی گذشته بوده است؛ به‌همین‌دلیل، مایکروسافت آن را در پایگاه کدهای ویندوز خود استفاده و آزمایش می‌کند. سال گذشته، زبان برنامه‌نویسی کاتلین، زبان تأییدشده‌ی گوگل برای تولید برنامه‌های اندرویدی، بیشترین روند رشد را در گیت‌هاب تجربه کرد؛ اما با وجود رشد ۱۸۲ درصدی در طول سال، دیگر در میان ۱۰ زبان برتر ۲۰۱۹ مشاهده نمی‌شود. زبان تایپ‌اسکریپت هم که مایکروسافت از آن پشتیبانی می‌کند و یکی از مجموعه‌های مافوق جاوااسکریپت به‌شمار می‌آید، با ۱۶۱ درصد رشد سریعی در سال گذشته تجربه کرد. دلیل رشد سریع این زبان برنامه‌نویسی را می‌توان به تعداد زیاد برنامه‌نویسانی نسبت داد که از آن برای دست‌وپنجه نرم‌کردن با برنامه‌های بزرگ نوشته‌شده با جاوااسکریپت استفاده می‌کنند.

 

زبان‌های دیگری که درزمره‌ی ۱۰ زبان دارای بیشترین سرعت رشد در سال‌های ۲۰۱۸ و ۲۰۱۹ قرار می‌گیرند، عبارت‌اند از: اچ‌سی‌ال، پاورشل، اپکس، ‌پایتون، اسمبلی و گو (Go).

دارت: ۵۳۲ درصد

راست:۲۳۵ درصد

اچ سی ال: ۲۱۳ درصد

کاتلین: ۱۸۲ درصد

تایپ اسکریپت: ۱۶۱ درصد

پاورشل: ۱۵۴ درصد

اپکس: ۱۵۱ درصد

پایتون: ۱۵۱ درصد

اسمبلی: ۱۴۹ درصد

گو: ۱۴۷ درصد

قهرمان اصلی گزارش گیت‌هاب پایتون است که محبوبیتش را مدیون طرفداران علوم داده‌ای و علاقه‌مندان به سرگرمی و غنای کتابخانه‌های علوم داده‌ای، مانند نامپای است که این فرصت را دراختیار برنامه‌نویسان قرار داد تا کدهای پایتون را برای امور مربوط‌ به یادگیری ماشین به‌کار بگیرند. بخشی از انگیزه‌ی مایکروسافت برای راه‌اندازی دوره‌های رایگان آموزش برنامه‌نویسی با پایتون در ماه‌های گذشته، جلب توجه برنامه‌نویسان به خدمات هوش مصنوعی آن در آژور است. یکی دیگر از نشانه‌های رونق علوم داده‌ای در گیت‌هاب، رشد نوت‌بوک‌های ژوپیتر است که محیطی برای نوشتن و اجرای کدها با پشتیبانی از پایتون و آر و جولیا است.

علاوه‌بر آنچه گفته شد، گیت‌هاب در چند سال گذشته روی مسئله‌ی امنیت نیز سرمایه‌گذاری و توجه زیادی به کمک به برنامه‌نویسان برای یافتن و برطرف‌سازی آسیب‌پذیری‌ها در کتابخانه‌های نرم‌افزاری متن‌باز یا نرم‌افزارهای وابسته به آن‌ها کرده است. مسئولان شرکت می‌گویند هشدار آن‌ها به برنامه‌نویسان موجب ترمیم بیش‌از ۷٫۶ میلیون وابسته در همین سال شد. همچنین، این کار به انتشار بیش‌ از ۲۰۹ هزار ترمیم خودکار ازطریق سرویس رایگان Dependabot آن انجامیده است که ماه مه گذشته راه‌اندازی شد.

بیش‌ از ۱۰ هزار همکار در بزرگ‌ترین پروژه‌های متن‌بازی که در‌حال‌حاضر در گیت‌هاب قرار دارند، مشغول همکاری هستند. بزرگ‌ترین پروژه تا زمان حال، ویژوال استودیو کد (Visual Studio Code) است که به محیط برنامه‌نویسی بسیار محبوبی برای برنامه‌نویسان فعال در پلتفرم گوگل تبدیل شده است. پروژه‌ی ویژوال استودیو کد، ۱۹،۱۰۰ مشارکت‌کننده دارد. البته مایکروسافت پیش از آنکه شرکت گیت‌هاب را تصاحب کند، بزرگ‌ترین مشارکت‌کننده در پروژه‌های متن‌باز آن به‌شمار می‌آمد. پروژه‌های دیگری که بیش‌ از ۱۰ هزار مشارکت‌کننده دارند، عبارت‌اند از: مستندسازی مایکروسافت آژور و فلاتر و فرست کانتریبیوشنز (First Contributions).

نکته‌ی مهمی که در این گزارش به‌ چشم می‌خورد، مربوط‌ به متن‌باز‌بودن و استفاده‌ی گیت‌هاب به‌وسیله‌ی کشورهایی است که با تحریم‌های آمریکا مواجه هستند. در ابتدای همین سال، گیت‌هاب دسترسی کاربران ساکن در کریمه و ایران را محدود کرد. این شرکت نمی‌خواهد کاری بیشتر از این انجام دهد که در قانون ایالات متحده‌ی آمریکا لازم دانسته شده است.

در ژوئیه، گیت‌هاب به کاربران خود در کشورهای تحریم‌شده پیشنهاد کرد از سرور تجاری گیت‌هاب (GitHub Enterprise Server) استفاده کنند که نسخه‌ی پولی و یک‌بار خرید (on-premise) این وب‌سایت برای میزبانی کدها به‌صورت شخصی است؛ اما این وب‌سایت دیگر نمی‌تواند مجوز استفاده از محصول خود را به‌صورت قانونی به کشورهای تحریم‌شده بفروشد. کاربران ساکن در کشورهای تحریم‌شده همچنان می‌توانند در مخازن عمومی مشارکت کنند.

در بخش سؤال‌ها و جواب‌های مطرح‌شده (FAQ) در سایت گیت‌هاب، درباره‌ی تحریم‌های تجاری ایالات متحده‌ی آمریکا آمده است:

سرور تجاری گیت‌هاب را نمی‌توان به هیچ‌کدام از کشورهای مندرج در فهرست کشورهای گروه E:1 در الحاقیه‌ی شماره‌ی ۱ تا بخش ۷۴۰ در قسمت EAR یا به منطقه‌ی کریمه واقع در اوکراین فروخت. این فهرست در‌حال‌حاضر شامل کشورهای کوبا، ایران، کره‌‌شمالی و سوریه است؛ اما احتمال تغییر آن وجود دارد.

این محدودیت‌ها موجب بروز مشکلاتی در مسیر رشد گیت‌هاب شده است. دراین‌زمینه، در گزارش Octoverse آمده است:

برنامه‌نویسان ایرانی دومین گروه با بیشترین نرخ رشد در پروژه‌های متن‌باز ایجادشده در مخازن عمومی گیت‌هاب هستند.

فناوری خوانش مغز از کاربردهای هوش مصنوعی

فناوری خوانش مغز‌، ابزاری که می‌تواند به کابوس امنیت تبدیل شود

/0 دیدگاه/در /توسط
تصور کنید کسی بتواند با قراردادن یک کلاه روی سر شما افکار و احساسات شما را بخواند یا حتی آن‌ها را تغییر داده یا پاک کند؛ چنین فناوری در صورت به‌وجود آمدن می‌تواند نگرانی‌های امنیتی جدی با خود به‌همراه بیاورد.

فناوری این اجازه را به ما می‌دهد که احساسات و افکارمان را به شکل دیجیتال و قابل اشتراک‌گذاری تبدیل کنیم. رابط مغز و رایانه این امکان را فراهم می‌کند که مغزمان را به‌صورت محدود به رایانه متصل کنیم، اما برخی از شرکت‌ها همچون فیسبوک و دیگر استارتاپ‌ها در تلاشند تا این را تبدیل به کاری عادی کنند.

اگر شما هم نگران هستید که این فناوری بتواند ذهن، ترس‌ها و رازهای شما را بخواند و آن را در دسترس دیگران قرار دهد، دست نگه‌دارید، جای نگرانی نیست، حداقل فعلا!

رابط‌های مغز و رایانه (Brain computer interfaces – BCI) هنوز آن‌قدر پیشرفته نشده‌اند که بتوانند اطلاعات جزیی از مغز شما استخراج کنند.توانایی این فناوری در حال حاضر این است که تشخیص دهند شما کدام عضله خود را می‌خواهید تکان دهید یا از نظر عاطفی چه وضعیتی دارید. اما همان‌طور که می‌دانید رشد فناوری باعث می‌شود روش‌ها و الگوریتم‌های هوش مصنوعی پیچیده‌تر شوند و سخت‌افزارها قدرتمندتر، بنابراین شاید رسیدن به دقت بالاتر چندان هم دور نباشد.

در حال حاضر دو روش برای برقراری این اتصال بین مغز و رایانه وجود دارد. روش تهاجمی (به روش‌هایی گفته می‌شود که در آن بخشی از بدن مورد جراحی قرار می‌گیرد) و غیرتهاجمی.

روش غیرتهاجمی سیگنال‌های مغزی را از روی پوست مغز می‌خوانند. به‌طور معمول از حسگر‌های EEG استفاده می‌شود که توسط متخصصان مغز و اعصاب نیز برای خواندن تکانه‌های الکتریکی در تشخیص بیماری صرع مورد استفاده قرار می‌گیرد. در این روش می‌توان اطلاعات یا همان سیگنال‌های الکتریکی را از طریق تحریک الکترومغناطیسی از رایانه به مغز منتقل کنند که البته این کار هنوز در اولیه‌ترین مراحل تحقیق است.

در روش تهاجمی اما اتصال مستقیمی بین مغز و الکترود برقرار می‌شود. از این روش تاکنون در افراد دارای معلولیت برای به‌کارگیری اعضای مصنوعی جایگزین اعضای از دست‌رفته استفاده شده است. مثلا حرکت دادن دست رباتیک یا به‌دست آوردن حس‌های از دست‌رفته همچون شنوایی یا بینایی با استفاده از حسگرهای الکترونیکی.

همان‌طور که حتما به‌نظر شما هم رسیده روش تهاجمی پرخطرتر است. جراحی همیشه پرخطر است به‌خصوص وقتی به بافت‌های مغز مربوط شود. پس با وجود این خطر بالقوه، چرا باید از چنین روشی استفاده شود و اصلا چرا استفاده از جراحی برای اتصال به مغز مطرح می‌شود؟ خب واضح است! مثل همیشه با یک بده‌بستان طرف هستیم، دسترسی مستقیم به قشر خاکستری مغز کار دریافت و رمزگشایی سیگنال‌های مغزی را نسبت به دریافت آن‌ها از روی پوست و اسکلت سر بسیار آسان‌تر می‌کند.

در استفاده از روش غیرتهاجمی، نیاز داریم تا میلیون‌ها نورون به‌صورت هم‌زمان با هم عمل کنند تا سیگنالی تولید شود که توسط حسگرهای EEG از روی پوست سر قابل دریافت و اندازه‌گیزی باشد، که البته بسیار خام است.

دالی، ارائه‌دهنده در دانشگاه مدرسه علوم کامپیوتر و مهندسی الکترونیک اسکس (Essex’s School of Computer Science and Electronic Engineering) این روش را این‌گونه توصیف می‌کند:

[استفاده از روش غیرتهاجمی] مانند این است که بیرون استادیوم فوتبال بنشینید و سعی کنید از روی صدای تشویق و هیجان تماشاگران تشخیص بدهید چه اتفاقی در بازی می‌افتد. البته تصویر کلی از آن‌چه رخ می‌دهد به شما می‌دهد ولی بسیار دشوار است بتوان اطلاعات دقیق از آن به دست آورد.

اما در روش تهاجمی، حسگر به‌طور کامل با نورون در تماس است، بنابراین کافی است تنها با چندصد نورون ارتباط برقرار شود. به این ترتیب سیگنال دریافت شده به اندازه کافی شفاف هست که بتوان متوجه شد حاوی چه پیامی است.

یان بورخارت (Ian Burkhart) مردی که از ناحیه پا فلج بوده توانسته کنترل آن را با استفاده از یک نورواسلیو (neurosleeve) و نرم‌افزار که توسط شرکت آمریکایی بتلی (Battelle) فعال دراین‌زمینه به دست آورد. به‌صورت معمولی تصور بر این بود که حرکت دادن یک پا نیازمند فعالیت هزارها نورون است. اما آقای بورخارف توانست پس از تمرین، پای خود را تنها با استفاده از این سیستم و چندده نورون حرکت دهد.

گواراو شارما، محقق دانشمند ارشد بتلی درباره این سیستم می‌گوید:

مغز ما ۹۸ میلیارد نورون دارد، قشر موتوری با ۱/۲ میلیارد نورون مسئول حرکت دادن پاها و دست‌های ماست و ما تنها با ۱۰۰ عدد از آن‌ها در تماس هستیم.

تا امروز بیشترین استفاده از روش‌های تهاجمی برای برگرداندن قدرت حرکت دادن بدن در افرادی که دارای معلولیت هستند بوده است. برای این افراد خطرهای ممکن در عمل جراحی نسبت به چیزی که می‌توانند به دست بیاورند قابل قبول بوده است.

 به همین ترتیب برای کاربردهای فناورانه کوتاه یا میان مدت هم روش‌های غیرتهاجمی مورد توجه بوده است.

باوجود اینکه سامانه‌های غیرتهاجمی دقت پایین‌تری نسبت به روش‌های تهاجمی دارند، فناوری‌های جدید راه‌های نویی برای کمک به محققین در ارتقا این روش‌ها به ارمغان آورده‌اند. یکی از این روش‌ها استفاده از یادگیری ماشین برای تشخیص نویز از پیام‌های اصلی در سیگنال‌های اندازه‌گیری شده در روش غیرتهاجمی است. به این ترتیب انتظار می‌رود این روش‌ها در آینده دقت بالاتری داشته باشند.

همانند این بهبودهای نرم‌افزاری، روش‌های جدید پایش نیز در سامانه‌های ارتباطی مغز و رایانه در حال گسترش هستند. تمرکز اصلی روی دو روش اصلی استفاده از فراصوت و تحریک جریان_مستقیم فراجمجمه است که ممکن است راه‌های جدیدی برای خوانش سیگنال‌های مغزی فراهم آوردند.

برخی نیز معتقدند روش‌های غیرتهاجمی می‌توانند به دقت روش‌های تهاجمی برسند – حداقل در مورد قشر موتوری مغز.

برای مثال در Labs CTRL واقع در نیویورک حسگرهای (EMG electromyography) را برای خواندن سیگنال‌های ماهیچه‌های اسکلتی که در علم تشخیص‌های مغز و اعصاب هم برای تشخیص کارایی ماهیچه‌های پا و سایر نقاط استفاده می‌شود به‌کار گرفته شده است. این شرکت یک دستبند ساخته که پالس‌های الکتریکی (سیگنال‌هایی که به‌عنوان عمل‌های بالقوه شناخته می‌شوند) راهی شده در نورن‌ها به سمت ماهیچه‌ها را اندازه‌گیری می‌کند و آن‌ها را در نرم‌افزار مدل می‌کند. وقتی شما دست خود را حرکت دهید مچ‌بند می‌تواند آن حرکت را به جهت، قدرت و نوعش ترجمه کند. شرکت CTRL Labs پیش‌تر توسط فیسبوک خریداری شده است.

آدام برنزویگ (Adam Berenzweig) رئیس تحقیق و توسعه CTRL Labs دراین‌باره به ZDNet گفته است:

اگر کاری که می‌خواهید بکنید کنترل [ماهیچه‌ها] است می‌توانید سیگنال‌ها را از طریق روش غیرتهاجمی به‌سادگی دریافت کنید. سیگنالی که می‌خوهید روی سطح پوست فراهم است و می‌توان بسیار بیشتر از آن را هم با EMG گرفت. دریافت در این ناحیه آسان‌تر از کرتکس است چراکه آنجا نورون‌های بسیار دیگری نیز وجود دارد که باعث ایجاد برهم‌نهی سیگنال‌ها می‌شوند.

بنابراین اگر هدف دریافت حرکت‌های افراد باشد سامانه‌های غیرتهاجمی همچنین روش‌های خوبی بران این‌کار هستند.

بااین‌حال نمی‌توان گفت روش‌های تهاجمی بدون استفاده هستند. در بسیاری از موارد مانند مانند ضایعات نخاعی یا مشکلاتی عصبی همچون پارکینسون روش‌های تهاجمی همچنان بهترین گزینه برای استفاده هستند.

چون خواندن و دریافت سیگنال‌های مورد نظر در روش غیرتهاجمی نیازمند اتصال الکترودها با پوست سر هستند، پس چندان دور از ذهن نیست که افکار دیگر فرد نیز به‌صورت اتفاقی یا عمدی خوانده شود. اگرچه همچنان به‌علت نیاز به تماس فیزیکی این الکترودها به سر این خوانش ناخواسته افکار از راه دور یا بدون امکان توقف نیست.

و اگر به هر دلیل این افکار به‌صورت ناخواسته توسط نرم‌افزار خوانده و ذخیره شود، باید اطمینان حاصل کرد که آن‌ها با حفظ نکات امنیتی ذخیره و انتقال داده می‌شود، اما چه تضمینی وجود دارد این امنیت قابل رسوخ نباشد؟

دسترسی به اطلاعات شخصی توسط دیگران همیشه ناخوشایند است، چه برسد که این اطلاعات افکار و خاطرات فرد باشد و شخص ثالث بتواند با خواندن آن‌ها به الگوهای فکری و وضعیت روحی عاطفی دیگری دست پیدا کند!

رمزنگاری

چین قانون رمزنگاری را از ابتدای سال ۲۰۲۰ اجرا می‌کند

/0 دیدگاه/در /توسط

کنگره‌ی چین اولین قانونی اجرایی مرتبط با صنعت رمزنگاری را با هدف بهره‌برداری بهینه از فرصت‌ها تصویب کرد. این قانون از اول ژانویه‌ی سال آینده‌ی میلادی اجرا خواهد شد.

سیزدهمین کنگره‌ی ملی خلق چین قانون رمزنگاری را تصویب کرد که از اول ژانویه‌ی ۲۰۲۰ اجرا خواهد شد. خبر تصویب قانون دقیقا یک روز پس‌از‌آن منتشر شد که رئیس‌جمهور کشور، شی جین‌پینگ، از لزوم بهره‌وری از فرصت‌های فناوری بلاک‌چین سخن گفت.

چین تبادل و خریدوفروش انواع رمزارز را ممنوع می‌داند و ارز دیجیتال دولتی آن‌ها نیز هنوز آماده‌ی عرضه‌ی عمومی نیست. دراین‌میان، رمزنگاری، یکی از فناوری‌های پایه‌ای صنعت بلاک‌چین، می‌‌تواند نقش محرکی برای حرکت سریع‌تر غول آسیایی در فضای رقابتی بلاک‌چین ایفا کند.

قانون جدید تلاش می‌کند با مسائل قانونی و تنظیم‌گری موجود در کاربردهای تجاری رمزنگاری مقابله کند. کاربرد تجاری از فناوری‌های کامپیوتری همچون رمزنگاری نقشی حیاتی در توسعه‌ی اقتصاد چین بازی می‌کند. آخرین پیش‌نویس پیشنهاد قانون نیز به اهمیت و کاربرد چنین مواردی تأکید کرده بود. در بخشی از پیش‌نویس می‌خوانیم:

برای بهره‌برداری هرچه‌بیشتر از فناوری‌های تجاری رمزنگاری، به راهنما و تنظیمگری‌های قانونی شفاف نیاز داریم. فناوری‌های رمزنگاری در حوزه‌های بزرگ مرتبط با منافع ملی کاربرد دارند و سیستم ضعیف کنونی دیگر پاسخ‌گوی نیازهای صنعت نیست.

کنگره‌ی ملی چین می‌گوید قانون جدید به تحقیق‌ و توسعه در فناوری‌های تجاری مرتبط با رمزنگاری کمک می‌کند. به‌علاوه با استفاده از همین قانون، سیستم تنظیم‌گری قانونی استاندارد و جامع برای کل بازار ساخته می‌شود. شایان ذکر است متن پیش‌نویش پیشنهاد قانون در ژوئیه به‌صورت عمومی منتشر شد تا افراد و صاحب‌نظران دیدگاه‌های خود را درباره‌ی آن بیان کنند.

پیش‌نویش قانون جدید کنگره‌ی چین شامل موارد متعددی می‌شود که از میان آن‌ها می‌توان به چگونگی هماهنگی استانداردهای صنعت با دیگر سیستم‌‌های رمزنگاری بین‌المللی و الزام داشتن یا نداشتن شرکت‌ها به اشتراک کاربردهای تجاری فناوری‌ها با مقام‌های قانونی اشاره کرد.

کنگره‌ی چین می‌گوید قانون جدید از رویکردهای آموزشی در سطح ملی هم حمایت می‌کند. یکی از رویکردهای مذکور نمایشگاه‌های عمومی برای ارائه‌ی رمزنگاری به مقام‌های دولتی و شرکت‌ها و گرو‌ه‌ها اجتماعی است.

موتور جستجوی گوگل

موتور جستجوی گوگل باهوش‌تر از قبل خواهد شد

/0 دیدگاه/در /توسط
موتور جستجوی گوگل در بزرگ‌ترین به‌روزرسانی سال‌های اخیر خود، با درک بهتر زبان مکالمه، نتایج دقیق‌تری را ارائه خواهد کرد.

موتور جستجوی گوگل در حال به‌روزرسانی است و با ارائه‌ی نتایجی بهتر در اختیار کاربران قرار خواهد گرفت. این پیشرفت به گوگل کمک می‌کند تا زبان مکالمه را بهتر درک کند و عباراتی نظیر «For» یا «to» که به‌طور قابل توجهی معنای جمله را تغییر می‌دهند متوجه شود. در گذشته گوگل برای ارائه‌ی نتایج، فقط به کلمات کلیدی توجه می‌کرد اما با این به‌روزرسانی، تمامی کلمات یک جست‌وجو را درک خواهد کرد. درواقع از این پس گوگل با درک بهتر جزییات در یک جست‌وجو، نتایج بهتری ارائه خواهد کرد و خبری از نتایج نادرست نخواهد بود.

در گذشته گوگل در زمینه‌ی رمزگشایی معنای کامل جملات محاوره‌ای چندان موفق نبود؛ درنتیجه نمی‌توانست نتایج دقیقی را براساس جست‌وجوها ارائه دهد. برای درک بهتر موتور جستجوی گوگل، این شرکت از تکنیک تازه‌ای بهره برده که در آن، الگوریتم‌های شبکه عصبی قادر به فهم جزییات بیشتری از جملات خواهند بود.

گوگل مدل‌های NLP جدیدی را به موتور جستجوی خود اضافه کرده که از تکنیک BERT برای تحلیل جستجوی کاربر بهره می‌برند. این روش به الگوریتم‌های هوش مصنوعی اجازه می‌دهد تا با تجزیه و تحلیل چگونگی ارتباط کلمات در یک جمله با یکدیگر، متن را دقیق‌تر تفسیر کنند. درواقع این پردازش جدید به درک کلمه به کلمه کمک خواهد کرد؛ درنتیجه نتایج دقیق‌تری ارائه خواهد شد و این موضوع باعث باهوش‌تر شدن موتور جستجوی گوگل خواهد شد. برای مثال در جستجوی «کتاب‌های تمرین ریاضی برای بزرگسالان»، گوگل متوجه خواهد شد که کلمه «بزرگسال» بسیار حیاتی است و از ارائه‌ی نتایج جستجوی مربوط به جوانان و نوجوانان یا حتی کودکان خودداری می‌کند. در نهایت امکان ارتباط با موتور جستجوی گوگل به‌طور طبیعی‌تری برقرار خواهد شد.

این پیشرفت فقط ۱۰ درصد از جستجوی زبان انگلیسی در ایالات متحده را تحت تأثیر قرار می‌دهد. با این وجود، پاندو نایاک، مدیر ارشد بخش جستجوی گوگل، آن را «بزرگ‌ترین جهش رو به جلو در پنج سال گذشته» برای محبوب‌ترین موتور جستجوی جهان نامید. وی در مقاله‌ای در وبلاگ خود نوشت:

این قابلیت با جدیدترین پیشرفت‌های تیم تحقیقاتی ما در زمینه یادگیری ماشین امکان‌پذیر شده است و ما پیشرفت خوبی را در نحوه درک موتور جست‌وجو شاهد هستیم. درواقع کلماتی مانند «To» و ارتباط آن با کلمات دیگر در یک جست‌وجو، به درک معنا و ارائه نتایج بهتر کمک می‌کند.

البته به‌گفته‌ی نایاک امکان اعمال این پیشرفت در زبان‌های دیگر نیز وجود خواهد داشت و گوگل آزمایش‌هایی جزئی از جستجوی پیشرفته BERT برای زبان‌های کره‌ای، هندی و پرتغالی انجام داده و تاکنون شاهد پیشرفت‌های قابل توجهی بوده است.