至顶网安全频道 综合消息: 11月7日至9日,以“创造互信共治的数字世界——携手共建网络空间命运共同体”为主题的第五届世界互联网大会,在乌镇互联网国际会展中心开幕,乌镇再次搭起了一年一度的全球互联网舞台。继昨日精彩阐述“万物连接引发智慧商业物种大爆发”理论,以及在业界首次提出“客户运营商”概念之后,亚信集团董事长田溯宁在 “5G时代:开放合作 共创未来”论坛上的精彩演讲再引热议。5G网络的场景化模式、客户运营向网络边缘迁移、更加复杂的网络安全风险,都在表明:“5G,产业互联网的新时代”即将来临。
当前,信息通信技术已广泛渗透全球经济社会各领域,与此同时,人工智能、区块链、云计算、大数据、边缘计算、智慧家庭、物联网和5G为代表的新技术蓬勃兴起,正深刻地改变人类的生产方式、生活方式及思维方式,改变着人类文明的进程。而5G网络正在为消费互联网时代的到来提供新的基础设施,其大规模商用的价值,无疑就是让“万物智连”真正从“纸上得来”,变为现实可行。
更丰富的网络服务场景
全球调研的各方数据表明,5G 将以十万亿级美元的投资拉动下游行业整体经济价值提升,并带来商业模式的演进或重塑。因此,在无限商机面前,明确5G时代的用户需求、服务形态和体验感知趋势,梳理5G时代背景下的服务质量、效率和价值,将是未来竞争的关键所在。
田溯宁认为,以时间和距离付费的商业模式正在消失,未来的网络服务将以场景化模式体现出来。他表示:“对每一个网络切片而言,网络带宽、服务质量、安全性等专属资源都可以得到充分保证,这使得在5G部署时,网络不再是管道和数据搬运工,而是在部署之初就粘合了应用和用户的丰富网络。其次,我们也将迎来前所未有的连接和服务方式,服务将以连接、认知和计算的一体化存在,其衡量网络服务的价值将不仅仅是流量,还有带宽、连接容量,实时性、可靠性、可用性等诸多因素,因此其计费方式将更加面向使用场景。”
当人们提及 AI 或智能计算时,我们更多会想到“大脑”、“云端加速”,但并非所有应用都将在云端运行。5G建立的神经网络,把计算推进到网络边缘,更加靠近数据源头,终端设备可以在接近客户一侧获得分析和响应,这一进化将在再造商业支撑系统,让“客户运营商”模式随之而来。
更智能的网络边缘连接
田溯宁表示:由消费互联网向产业互联网发展,还需要跨过不少门槛,如何从智能云向智能边缘延伸,这是上下游厂商都在思考的问题。而5G网络超大、超强连接则为我们提供了基于边缘场景,实现个性化服务的基础,服务提供商则可以根据客户在网络边缘的时间、地点、状态与行为特征,实时提供出准确满足客户需求的服务,进而完成从感知到预知的商业流程再造。另外,基于交易信息的客户管理模型会被更加积极主动的生物识别技术所替代,以物联网为主题的网络服务将与工业制造、农林牧渔、城市管理等诸多场景深度融合,并形成基于产业生态的综合服务关系。
更复杂的网络安全挑战
在由5G+物联网构建的万物连接的场景下,各种智能终端都能够通过5G通道快速访问移动互联网,各种黑客攻击、恶意代码会随之而来,对移动办公安全、敏感数据,甚至是国家基础设施都带来致命的影响。因此,排除5G网络下移动安全风险担忧,将有利于5G应用过程中发挥移动创新技术,提升生产力的进度。
田溯宁认为:万物连接,使得日常生活交互的几乎所有的设备都会连接于网上,它们会成为网络攻击的潜在目标。而密集的网络部署将使得网络的入口普遍存在,而且形式多样,安全等级不一,网络的攻击也会因此而广泛存在。同时,人工智能、机器学习等技术手段不仅将运用于有益的网络应用,也会用于有害的网络攻击。5G网络将有更多的个人隐私在线、更多的交易过程在线、更多的数字资产在线,亚信正在携手用户和联盟伙伴,共同应对这种更加复杂化的挑战,在5G应用、网络安全风险管控和边缘计算等领域开展深入研究,保护产业互联网的基础设施,这是新时代赋予我们的使命。
好文章,需要你的鼓励
从浙江安吉的桌椅,到广东佛山的沙发床垫、河南洛阳的钢制家具,再到福建福州的竹藤制品,中国各大高度专业化的家具产业带,都在不约而同地探索各自的数字化出海路径。
哥伦比亚大学研究团队开发了MathBode动态诊断工具,通过让数学题参数按正弦波变化来测试AI的动态推理能力。研究发现传统静态测试掩盖了AI的重要缺陷:几乎所有模型都表现出低通滤波特征和相位滞后现象,即在处理快速变化时会出现失真和延迟。该方法覆盖五个数学家族的测试,为AI模型选择和部署提供了新的评估维度。
研究人员正探索AI能否预测昏迷患者的医疗意愿,帮助医生做出生死决策。华盛顿大学研究员Ahmad正推进首个AI代理人试点项目,通过分析患者医疗数据预测其偏好。虽然准确率可达三分之二,但专家担心AI无法捕捉患者价值观的复杂性和动态变化。医生强调AI只能作为辅助工具,不应替代人类代理人,因为生死决策依赖具体情境且充满伦理挑战。
这项研究首次发现AI推理模型存在"雪球效应"问题——推理过程中的小错误会逐步放大,导致AI要么给出危险回答,要么过度拒绝正常请求。研究团队提出AdvChain方法,通过训练AI学习"错误-纠正"过程来获得自我纠错能力。实验显示该方法显著提升了AI的安全性和实用性,用1000个样本达到了传统方法15000个样本的效果,为AI安全训练开辟了新方向。