Logotip Zephyrnet

Juniper Research: Globalne mobilne naprave IoT se bodo do leta 2028 podvojile

Datum:

Ryan Daws je višji urednik pri TechForge Media z več kot desetletnimi izkušnjami v tehnološkem novinarstvu. Njegovo strokovno znanje je v prepoznavanju najnovejših tehnoloških trendov, seciranju kompleksnih tem in tkanju prepričljivih pripovedi okoli najnaprednejših dosežkov. S svojimi članki in intervjuji z vodilnimi osebnostmi v industriji so ga organizacije, kot je Onalytica, prepoznale kot ključnega vplivneža. Publikacije pod njegovim vodstvom so od takrat prejele priznanje vodilnih analitičnih hiš, kot je Forrester, za njihovo uspešnost. Poiščite ga na X (@gadget_ry) ali Mastodon (@gadgetry@techhub.social)


.pp-multiple-authors-boxes-wrapper {display:none;}
img {width:100%;}

Nedavna študija, ki jo je izvedel Raziskovanje brina predvideva porast števila mobilnih naprav IoT po vsem svetu.

Po Juniperjevih ugotovitvah naj bi trenutno število 3.4 milijarde takšnih naprav do leta 6.5 skokovito naraslo na 2028 ​​milijarde, kar pomeni 90-odstotno rast povezav v štiriletnem obdobju.

Vendar pa študija poudarja tudi kritičen izziv, ki spremlja to eksponentno rast. Nakazuje, da bo za izpolnjevanje naraščajočega povpraševanja po povezljivosti IoT potrebna uvedba inovativnih storitev, ki bodo lahko učinkovito racionalizirale upravljanje in varnost naprav IoT.

Juniperjeva raziskava opredeljuje inteligentne rešitve za upravljanje infrastrukture kot ključne pri obravnavi pričakovanega porasta uporabe mobilnih podatkov. Te rešitve omogočajo uporabnikom interneta stvari, da avtomatizirajo konfiguracijo naprav, izboljšajo varnostne protokole in upravljajo povezljivost v realnem času.

Študija predvideva znatno povečanje globalnih celičnih podatkov IoT, ki se bodo do leta 46 dvignili na 2028 petabajtov z 21 petabajtov v tekočem letu. Pričakuje se, da bo ta porast spodbudil nadaljnje naložbe v storitve avtomatizacije interneta stvari, vključno z zveznim učenjem.

Zvezno učenje: ščit pred varnostnimi tveganji

Prevladujoči pristop k usposabljanju modelov strojnega učenja se močno opira na podatke, shranjene na centraliziranih lokacijah, kar pušča prostor za izkoriščanje zlonamernih subjektov. Kot odgovor na to ranljivost študija zagovarja sprejetje zveznih učnih modelov znotraj ekosistema IoT.

Zvezno učenje, podmnožica strojnega učenja, uporablja decentraliziran podatkovni pristop za zmanjšanje tveganja podatkovnih goljufij v omrežjih IoT. Z omejevanjem izpostavljenosti občutljivih podatkov interneta stvari igra zvezno strojno učenje ključno vlogo pri zmanjševanju verjetnosti kršitev podatkov.

Alex Webb, avtor raziskave, je poudaril kritičen pomen varnosti podatkov ob naraščajočem številu celičnih IoT povezav.

"Ker število celičnih IoT povezav narašča, je nujno, da platforme in operaterji zagotovijo varnost podatkov med prehodom in v napravi," je komentiral Webb. "Če tega ne storite, boste uporabnike interneta stvari v panogah z občutljivimi podatki odvrnili od pristopa k povezljivosti, ki temelji na mobilnem internetu stvari."

Juniperjevo poročilo je na voljo brezplačno tukaj (obvezna registracija)

(Foto: Andy Hermawan on Unsplash)

Glej tudi: Fibocom lansira module 5G RedCap za rešitve IoT

Želite izvedeti več o IoT od vodilnih v industriji? Preveri IoT Tech Expo poteka v Amsterdamu, Kaliforniji in Londonu. Celovit dogodek je lociran skupaj z drugimi vodilnimi dogodki, vključno z Cyber ​​Security & Cloud Expo, AI & Big Data Expo, Edge Computing Expoin Teden digitalne preobrazbe.

Raziščite druge prihajajoče poslovne dogodke in spletne seminarje, ki jih poganja TechForge tukaj.

Tags: celični jot, kibernetska varnost, kibernetske varnosti, federativno učenje, Internet stvari, Internet stvari, raziskovanje brina, poročilo, Raziskave, varnost, študija

spot_img

Najnovejša inteligenca

spot_img