آیا نوآوری در ابر ، در لبه یا جای دیگر ظاهر می شود؟

نوآوری برای سازمانهایی که ارتباط تجاری را حفظ می کنند و از اختلالات تجاری جلوگیری می کنند بسیار مهم است ، اما این نوآوری ها از کجا به وجود می آیند؟

کارشناسان صنعت بر این باورند که نوآوری در ابر اتفاق نمی افتد بلکه در آستانه است. با این حال ، محاسبات Edge فقط پسوند محاسبات ابری است. بنابراین این به چه معنی است؟ زیرا محاسبات ابری و محاسبات لبه ممکن است با هم کار کنند.

علاوه بر این ، تلفن همراه آیفون X اپل اخیراً فناوری تشخیص چهره مانند این فناوری را به کاربران می دهد ، خطر اطلاعات شخصی بیشتری را به کاربران می دهد که توجه مردم را به خود جلب کرده است.

پیش از این ، دستگاه های هوشمند اپل از اثر انگشت استفاده می کردند ، در حالی که برخی از دستگاه های هوشمند اندرویدی از تشخیص عنبیه استفاده می کردند. بنابراین ، طرح در داستان های علمی به زودی به یک واقعیت علمی تبدیل شد.

مشاغل باید فعال باشند ، به ویژه با مقررات مربوط به حمایت از داده های عمومی اتحادیه اروپا (GDPR) ، که پنج ماه بعد به کار می روند. برای اطمینان از اینكه خرده فروشان ، سازمان های دولتی ، خدمات اضطراری و سایر سازمان ها استانداردهای نظارتی را نقض نمی كنند ، باید در نظر گرفت كه آیا تشخیص چهره ، تشخیص پلاک ، سنسورهای وسیله نقلیه و سایر فن آوری ها می توانند الزامات و الزامات GDPR را برآورده كنند.

شهروندان را توانمند کنید

جیم مک گان ، معاون رئیس جمهور در بازاریابی و توسعه تجارت در موتورهای شاخص ، تفکر خود را در مورد این الزامات قانونی مطرح می کند: 'GDPR قدرت داده های شخصی را به شهروندان می دهد ، بنابراین شرکت هایی که در اتحادیه اروپا تجارت می کنند ، از جمله ایالات متحده ، باید این قانون را رعایت کنند.'

وی افزود: GDPR مسئله اصلی برای مدیریت داده های سازمان است. در بسیاری از موارد ، سازمان ها یافتن داده های شخصی در سیستم یا سوابق کاغذی خود را دشوار می دانند. و معمولاً آنها نمی دانند که آیا داده ها نیاز به ذخیره ، حذف ، اصلاح یا اصلاح دارند. بنابراین ، GDPR به دلیل مجازات بزرگی که ممکن است با آن روبرو شود ، مسئولیت سازمان را به سمت ارتفاع جدید سوق می دهد.

با این حال ، وی توصیه هایی را برای اتخاذ راه حل های مربوطه ارائه داد: 'ما راه حل های مدیریت اطلاعات و استراتژی های کاربردی را ارائه می دهیم تا اطمینان حاصل شود که تجارت با مقررات حفاظت از داده ها مطابقت دارد. به طور کارآمد. از آنجا که سازمان می تواند با مدیریت مؤثر داده ها ، آنها می توانند سیاست ها و اقدامات مناسب را اجرا کنند زیرا بیشتر شرکت ها می دانند که چه نوع پرونده هایی حاوی داده های شخصی هستند. '

داده های پاک

مک گان ادامه داد: 'بسیاری از داده ها بسیار حساس هستند ، بنابراین بسیاری از شرکت ها تمایلی به صحبت در مورد آن ندارند ، اما ما با شرکت های مشاوره حقوقی کار زیادی انجام می دهیم تا سازمان را مطابق با انطباق حفظ کنیم.'

به عنوان مثال ، Index Engine ، یک شرکت Fortune 500 ، پاکسازی داده ها را تکمیل کرد و دریافت که 40 ٪ از داده های آن دیگر هیچ ارزش تجاری ندارند. بنابراین شرکت تصمیم گرفت تا آن را پاک کند.

وی گفت: 'این باعث صرفه جویی در هزینه های مدیریت مرکز داده می شود: آنها با تمیز کردن داده ها نتایج مثبتی می گیرند ، اما اگر این شرکت عمومی باشد ، شما به دلیل مشکلات مربوط به انطباق نظارتی آزاد نیستید.' در بعضی موارد ، باید تا 30 سال پرونده را ذخیره کنید. وی پیشنهاد کرد که 'مشاغل باید بپرسند که آیا این پرونده ها دارای ارزش تجاری هستند یا هرگونه الزام انطباق دارند.' به عنوان مثال ، داده ها بدون دلیل معتبر برای ذخیره آن می توانند حذف شوند. برخی از شرکت ها همچنین به منظور حذف داده ها از مرکز داده ، داده های خود را به ابر منتقل می کنند.

در این فرآیند ، بسیاری از شرکت ها برای تصمیم گیری در مورد مهاجرت داده های خود باید بررسی کنند که آیا داده ها از ارزش تجاری برخوردار هستند. سازمانها باید در مورد آنچه در پرونده های خود وجود دارد فکر کنند - خواه محاسبات لبه یا محاسبات ابری برای مدیریت داده ، تهیه نسخه پشتیبان و ذخیره سازی باشد.

اطمینان حاصل کنید که اطلاعات سازگار است

بنابراین ، مهم است که سازمان ها روش هایی را برای جلوگیری از استفاده از فناوری های جدید توسط مصرف کنندگان و شهروندان به طور یکسان کشف کنند و نحوه استفاده از این داده ها را برای ایجاد ارزش برای سازمان ها و مصرف کنندگان در نظر بگیرند. سازمانهایی که از این داده ها استفاده می کنند باید در ارائه ، استفاده ، محافظت و بهبود خدمات دیجیتال از امنیت اطلاعات آگاه باشند.

به عنوان مثال ، فناوری تشخیص چهره برنامه های بسیاری دارد که نه تنها به کاربران امکان می دهد برنامه های موجود در تلفن هوشمند خود را باز کنند بلکه هزینه های آنها را نیز پرداخت کنند. این تصاویر با استفاده از فناوری تشخیص چهره تلفن هوشمند در مرکز داده های مستقر در محلی ذخیره می شوند. علیرغم این ، مردم هنوز هم باید مقدار مشخصی از داده ها را در پایگاه داده نگه دارند ، که برای جلوگیری از سوءاستفاده از هکرها از داده های شخصی برای حملات مخرب نیز باید محافظت شود.

نوآوری در محاسبات لبه

از آنجا که سازمانها به طور فزاینده ای در شهرهای خودمختار و هوشمند و همچنین فناوری های خودرو مانند شبکه ترمز اضطراری خودکار (AEB) سرمایه گذاری می کنند ، همچنین نیاز به در نظر گرفتن در سایت های نوآوری در سال 2018 و نیاز به دستیابی به انطباق و تعادل نوآوری وجود دارد.

علاوه بر این ، تعداد بیشتری از افراد فکر می کنند که نوآوری در محاسبات حاشیه ای به جای ابر ظاهر می شود و محاسبات لبه فقط یک پسوند محاسبات ابری است. حتی اگر داده ها باید به منبع نزدیک شوند ، هنوز هم مقادیر زیادی از داده ها باید در جای دیگر مورد تجزیه و تحلیل قرار گیرند. داده ها و تأخیرهای شبکه یک مانع تاریخی است و فرد امیدوار است که تأثیر تأخیرها را می توان کاهش یا از بین برد.

محاسبات Edge با اجازه دادن به تعداد زیادی از مراکز داده کوچکتر برای ذخیره ، مدیریت و تجزیه و تحلیل داده ها ، ظرفیت مرکز داده را گسترش می دهد ، در حالی که اجازه می دهد برخی از داده ها توسط یک دستگاه یا سنسور قطع شده (مانند وسایل نقلیه خودمختار متصل) مدیریت و مورد تجزیه و تحلیل قرار گیرند. پس از اتصال به شبکه ، می توان از داده های آن برای اقدام بیشتر به ابر پشتیبان تهیه کرد.

شتاب داده ها

کاهش تأخیر شبکه و تأخیر داده می تواند تجربه مشتری را بهبود بخشد. با این حال ، به دلیل پتانسیل بیشتر برای انتقال داده به ابر ، تأخیر شبکه و از دست دادن بسته می تواند تأثیر منفی قابل توجهی در توان داده ها داشته باشد. بدون راه حل های اطلاعاتی دستگاه مانند Portrock IT ، اثرات تأخیر و از دست دادن بسته ممکن است داده ها و عملکرد پشتیبان را مهار کند.

اگر پایگاه داده فناوری تشخیص چهره نتواند به سرعت اطلاعات شهروندی و مهاجرت را منتقل کند ، این ممکن است منجر به تأخیر در فرودگاه ها و حوادث احتمالی یا مشکلات فنی با وسایل نقلیه خودمختار شود.

با ظهور فناوری خودروهای خودمختار ، داده های تولید شده توسط خودروها به روش مداوم بین وسایل نقلیه سفر می کنند. برخی از این داده ها ، مانند داده های بحرانی و ایمنی ، نیاز به چرخش سریع دارند ، در حالی که سایر داده ها به طور معمول اطلاعات جاده ای مانند جریان ترافیک و سرعت هستند. اتومبیل های رانندگی خودکار تمام داده های مهم ایمنی خود را از طریق شبکه های 4G یا 5G به ابر مرکزی باز می گردانند ، به طور بالقوه به دلیل تأخیر در شبکه ، تأخیر داده های قابل توجهی را به چرخش اضافه می کنند. در حال حاضر هیچ روش ساده و اقتصادی برای کاهش تأخیر بین شبکه ها وجود ندارد. سرعت نور عامل اصلی است که مردم نمی توانند تغییر کنند. بنابراین ، نحوه مدیریت تأخیر شبکه و داده ها به طور مؤثر و کارآمد بسیار مهم است.

چالش داده های بزرگ

هیتاچی گفت: اتومبیل های رانندگی خودکار حدود 2 عدد داده در روز ایجاد می کنند. تخمین زده می شود که یک ماشین شبکه ای حدود 25TB بایت داده در ساعت ایجاد می کند. با توجه به اینکه بیش از 800 میلیون اتومبیل در ایالات متحده ، چین و اروپا وجود دارد. در نتیجه ، در آینده نزدیک یک میلیارد واحد فراتر خواهد رفت و اگر نیمی از خودروها کاملاً شبکه شوند ، با فرض استفاده متوسط ​​3 ساعت در روز ، 37.5 میلیارد گیگ داده در روز وجود خواهد داشت.

اگر همانطور که انتظار می رفت ، بیشتر اتومبیل های جدید در اواسط دهه 1920 اتومبیل های مستقل محور بودند ، این تعداد بی اهمیت خواهد بود. بدیهی است ، همه داده ها نمی توانند بلافاصله بدون برخی از اعتبار و کاهش داده ها به ابر ارسال شوند. باید یک راه حل سازش وجود داشته باشد ، و محاسبات لبه می تواند از این تکنیک پشتیبانی کند و می تواند در وسایل نقلیه خودمختار اعمال شود.

از نظر فیزیکی ، ذخیره مقادیر فزاینده داده ها یک چالش خواهد بود. اندازه و اندازه داده ها گاهی اوقات بسیار مهم است. این باعث ایجاد مشکلات مالی و اقتصادی به ازای هر گیگابایت می شود. به عنوان مثال ، در حالی که وسایل نقلیه الکتریکی جریان اصلی آینده در نظر گرفته می شوند ، مصرف برق افزایش می یابد.

علاوه بر این ، همچنین لازم است اطمینان حاصل شود که مقادیر زیادی از داده های ایجاد شده توسط افراد یا دستگاه ها قانون حمایت از داده ها را نقض نمی کنند.