شعار زيفيرنت

Juniper Research: تضاعف أجهزة إنترنت الأشياء الخلوية العالمية بحلول عام 2028

التاريخ:

رايان دوز هو أحد كبار المحررين في TechForge Media، ويتمتع بخلفية محنكة تمتد لأكثر من عقد من الزمن في الصحافة التقنية. تكمن خبرته في تحديد أحدث الاتجاهات التكنولوجية، وتشريح المواضيع المعقدة، ونسج روايات مقنعة حول أحدث التطورات. وقد أكسبته مقالاته ومقابلاته مع شخصيات رائدة في الصناعة شهرة باعتباره مؤثرًا رئيسيًا من قبل منظمات مثل Onalytica. وقد اكتسبت المنشورات تحت إشرافه منذ ذلك الحين تقديرًا من دور التحليل الرائدة مثل Forrester لأدائها. ابحث عنه على X (@gadget_ry) أو Mastodon (@gadgetry@techhub.social)


.pp-متعددة المؤلفين-مربعات-المجمع {عرض: لا شيء؛}
إمج {العرض:100%؛}

دراسة حديثة أجراها أبحاث العرعر تتوقع زيادة كبيرة في عدد أجهزة إنترنت الأشياء الخلوية في جميع أنحاء العالم.

ووفقًا لنتائج جونيبر، من المتوقع أن يرتفع العدد الحالي البالغ 3.4 مليار من هذه الأجهزة إلى 6.5 مليار بحلول عام 2028، مما يمثل نموًا بنسبة 90 بالمائة في الاتصالات على مدار فترة الأربع سنوات.

ومع ذلك، تسلط الدراسة الضوء أيضًا على التحدي الحاسم الذي يصاحب هذا النمو المتسارع. ويشير إلى أن تلبية الطلب المتزايد على اتصال إنترنت الأشياء سوف يستلزم تنفيذ خدمات مبتكرة قادرة على تبسيط إدارة وأمن أجهزة إنترنت الأشياء بكفاءة.

تحدد أبحاث جونيبر حلول إدارة البنية التحتية الذكية باعتبارها حلولاً محورية في معالجة الزيادة المتوقعة في استخدام البيانات الخلوية. تعمل هذه الحلول على تمكين مستخدمي إنترنت الأشياء من أتمتة تكوين الجهاز وتعزيز بروتوكولات الأمان وإدارة الاتصال في الوقت الفعلي.

وتتوقع الدراسة زيادة كبيرة في بيانات إنترنت الأشياء الخلوية العالمية، حيث سترتفع إلى 46 بيتابايت بحلول عام 2028، مقارنة بـ 21 بيتابايت في العام الحالي. ومن المتوقع أن تؤدي هذه الزيادة إلى زيادة الاستثمار في خدمات أتمتة إنترنت الأشياء، بما في ذلك التعلم الموحد.

التعلم الموحد: درع ضد المخاطر الأمنية

ويعتمد النهج السائد في تدريب نماذج التعلم الآلي بشكل كبير على البيانات المخزنة في مواقع مركزية، مما يترك المجال لاستغلالها من قبل الكيانات الخبيثة. واستجابة لهذه الثغرة الأمنية، تدعو الدراسة إلى اعتماد نماذج التعلم الموحد ضمن النظام البيئي لإنترنت الأشياء.

يستخدم التعلم الموحد، وهو مجموعة فرعية من التعلم الآلي، نهجًا لا مركزيًا للبيانات للتخفيف من مخاطر الاحتيال في البيانات عبر شبكات إنترنت الأشياء. ومن خلال الحد من الكشف عن بيانات إنترنت الأشياء الحساسة، يلعب التعلم الآلي الموحد دورًا محوريًا في تقليل احتمالية اختراق البيانات.

وأكد أليكس ويب، مؤلف البحث، على الأهمية الحاسمة لأمن البيانات وسط العدد المتزايد من اتصالات إنترنت الأشياء الخلوية.

وعلق ويب قائلاً: "مع تزايد عدد اتصالات إنترنت الأشياء الخلوية، من الضروري أن يضمن كل من المنصات والمشغلين أمان البيانات أثناء النقل وعلى الجهاز". "إن الفشل في القيام بذلك سيؤدي إلى ثني مستخدمي إنترنت الأشياء في الصناعات التي لديها بيانات حساسة عن تبني نهج الاتصال القائم على إنترنت الأشياء الخلوي."

تقرير جونيبر متاح مجانا هنا (التسجيل مطلوب)

(الصورة من تصوير آندي هيرموان on Unsplash)

شاهد أيضاً: تطلق Fibocom وحدات 5G RedCap لحلول إنترنت الأشياء

هل تريد التعرف على إنترنت الأشياء من قادة الصناعة؟ إتمام عملية الشراء IoT Tech Expo تجري في أمستردام وكاليفورنيا ولندن. ويقام هذا الحدث الشامل في موقع مشترك مع الأحداث الرائدة الأخرى بما في ذلك الأمن السيبراني والمعرض السحابي, معرض الذكاء الاصطناعي والبيانات الضخمة, معرض الحوسبة الحافةو أسبوع التحول الرقمي.

استكشف الأحداث والندوات التعليمية عبر الإنترنت القادمة حول تكنولوجيا المؤسسات والمدعومة من TechForge هنا.

الوسوم (تاج): iot الخلوي, الأمن الإلكتروني, الأمن السيبراني, التعلم الاتحادي, إنترنت الأشياء, IOT, بحوث العرعر, تقرير, بحث, أمن, دراسة

بقعة_صورة

أحدث المعلومات الاستخباراتية

بقعة_صورة