頭條 Frost & Sullivan發(fā)布2025年5G網(wǎng)絡基礎設施報告 近日，愛立信連續(xù)第五年在Frost &Sullivan發(fā)布的《Frost Radar：2025年5G網(wǎng)絡基礎設施》報告中被評為行業(yè)領軍企業(yè)。這一結果彰顯了愛立信對創(chuàng)新和發(fā)展的堅定承諾，以及其滿足運營商（CSP）與企業(yè)不斷變化需求的能力。 Frost &Sullivan在全球100多家參與者中，獨立標識出了Frost Radar分析中排名前23位的公司。這些公司在市場的各個細分領域處于領先地位或具有創(chuàng)新性。 最新資訊 中國航空遙感系統(tǒng)試驗成功 8月1日消息，中國科學院空天信息創(chuàng)新研究院（空天院）宣布，作為國家重大科技基礎設施的“航空遙感系統(tǒng)”近日成功在河北省塞罕壩機械林場、御道口牧場等地開展了“植被與土壤的水分遙感試驗”。 這是國際上首次基于航空平臺開展土壤—植被—大氣的水分透視遙感試驗。 發(fā)表于：8/2/2024 是德科技獲得窄帶非地面網(wǎng)絡標準的新測試用例驗證 是德科技（Keysight Technologies, Inc.）日前宣布，該公司針對3GPP Rel-17標準中關于NB-IoT NTN技術的新一致性測試用例獲得驗證通過。這些測試用例在是德科技的RF/RRM DVT和一致性工具集的支持下，在全球認證論壇（GCF）的一致性協(xié)議組第78次會議上取得通過。地面和非地面網(wǎng)絡的融合是電信行業(yè)實現(xiàn)全球覆蓋、支持新用例和泛在移動連接的關鍵組成部分。NB-IoT在NTN上的應用擴展了需要非連續(xù)數(shù)據(jù)連接和低功耗的用例，同時保證了對支持供應鏈跟蹤和雙向消息傳遞等多種應用的吞吐量要求。 發(fā)表于：8/1/2024 三星將主導6G標準制定？ 在今年7月初于瑞士日內(nèi)瓦舉行的國際電信聯(lián)盟無線電通信部門（ITU-R）工作組5D（WP 5D）會議上，三星研究院的研究員HyoungJin Choi被任命為IMT-2030（6G）協(xié)調(diào)小組主席。這是Choi第二次擔任ITU-R參與6G標準化的小組主席，此前他曾在2021年至2023年期間領導6G Vision Group。三星表示，該協(xié)調(diào)小組將負責定義制定6G技術標準的流程，并為候選6G技術創(chuàng)建提交模板，并審查候選提案。 發(fā)表于：8/1/2024 派拓網(wǎng)絡獲評OT安全解決方案領導者 2024年7月31日，北京——全球網(wǎng)絡安全領導企業(yè)Palo Alto Networks（納斯達克代碼：PANW）（派拓網(wǎng)絡）近日宣布在《Forrester Wave?：2024年第二季度OT安全解決方案》報告中被評為“領導者”，并且在“戰(zhàn)略”和“當前產(chǎn)品”這兩項中均獲得最高分。 發(fā)表于：7/31/2024 IBM報告顯示企業(yè)年度數(shù)據(jù)泄露平均成本高達488萬美元 7月31日 根據(jù)IBM的年度《數(shù)據(jù)泄露成本報告》，數(shù)據(jù)泄露的平均成本已上升至488萬美元。這意味著，與網(wǎng)絡入侵相關的成本同比增長了10%，創(chuàng)下自疫情開始以來最大的漲幅。 發(fā)表于：7/31/2024 消息稱HPE收購瞻博網(wǎng)絡將獲歐盟無條件批準 消息稱HPE收購瞻博網(wǎng)絡將獲歐盟無條件批準 發(fā)表于：7/31/2024 SpaceX將在巴西發(fā)射7500顆二代低軌道衛(wèi)星 SpaceX將在巴西發(fā)射7500顆二代低軌道衛(wèi)星：希望縮小數(shù)字鴻溝 發(fā)表于：7/30/2024 美國學科學家構建出可用于開發(fā)新型無線通信信道的時空元表面 美國學科學家構建出“時空元表面”，可用于開發(fā)新型無線通信信道 發(fā)表于：7/30/2024 報告顯示美國最大運營商的5G可用性僅有7.7% 報告：美國最大運營商的5G可用性僅有7.7% 7月29日 移動通信網(wǎng)絡測試分析機構Opensignal在其最新發(fā)布的有關美國覆蓋范圍報告中指出，在美國三大移動網(wǎng)絡運營商中，有兩家運營商的5G可用性非常之低。 正如圖1所示，美國最大運營商Verizon的用戶，平均只有7.7%的時間能夠在他們的設備上接入5G網(wǎng)絡。第二大運營商AT&T的表現(xiàn)略好，為11.8%。 相比之下，T-Mobile美國的5G可用性則遙遙領先，其用戶在67.9%的時間里能夠接入5G網(wǎng)絡。 發(fā)表于：7/30/2024 基于Boosting集成學習的風險URL檢測研究 隨著互聯(lián)網(wǎng)的不斷發(fā)展，網(wǎng)站數(shù)量不斷增長，URL作為訪問網(wǎng)站的唯一入口，成為Web攻擊的重點對象。傳統(tǒng)的URL檢測方式主要是針對惡意URL，主要方法是基于特征值和黑白名單，容易產(chǎn)生漏報，且對于復雜URL的檢測能力不足。為解決上述問題，基于集成學習中的Boosting思想，提出一種針對業(yè)務訪問的風險URL檢測的混合模型。該模型前期將URL作為字符串，使用自然語言處理技術對其進行分詞及向量化，然后采用分步建模法的思想，首先利用GBDT算法構建二分類模型，判斷URL是否存在風險，接著將風險URL原始字符串輸入到多分類模型中，利用XGBoost算法對其進行多分類判定，明確風險URL的具體風險類型，為安全分析人員提供參考。在模型構建過程中不斷進行參數(shù)調(diào)優(yōu)，并采用AUC值和F1值分別對二分類模型和多分類模型進行評估，評估結果顯示二分類模型的AUC值為98.91%，多分類模型的F1值為0.993，效果較好。將其應用到實際環(huán)境中，與現(xiàn)有檢測手段進行對比，發(fā)現(xiàn)模型的檢出率高于現(xiàn)有WAF和APT安全設備，其檢測結果彌補了現(xiàn)有檢測手段的漏報。 發(fā)表于：7/29/2024 ?…71727374757677787980…?
