Zephyrnet-logotyp

Juniper Research: Globala mobila IoT-enheter fördubblas till 2028

Datum:

Ryan Daws är seniorredaktör på TechForge Media, med en erfaren bakgrund som sträcker sig över ett decennium inom teknisk journalistik. Hans expertis ligger i att identifiera de senaste tekniska trenderna, dissekera komplexa ämnen och väva övertygande berättelser kring de mest banbrytande utvecklingarna. Hans artiklar och intervjuer med ledande branschfigurer har gett honom erkännande som en viktig influenser av organisationer som Onalytica. Publikationer under hans ledning har sedan dess fått erkännande från ledande analytikerhus som Forrester för sin prestation. Hitta honom på X (@gadget_ry) eller Mastodon (@gadgetry@techhub.social)


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

En ny studie genomförd av Juniper Research projicerar en ökning av antalet cellulära IoT-enheter över hela världen.

Enligt Junipers resultat kommer det nuvarande antalet 3.4 miljarder sådana enheter att skjuta i höjden till 6.5 miljarder år 2028, vilket markerar en 90-procentig ökning av anslutningar under fyraårsperioden.

Studien visar dock också på en kritisk utmaning som följer med denna exponentiella tillväxt. Det tyder på att för att möta den eskalerande efterfrågan på IoT-anslutning kommer det att kräva implementering av innovativa tjänster som kan effektivisera hanteringen och säkerheten för IoT-enheter.

Junipers forskning identifierar intelligenta infrastrukturhanteringslösningar som avgörande för att hantera den förväntade ökningen av mobildataanvändning. Dessa lösningar ger IoT-användare möjlighet att automatisera enhetskonfiguration, förbättra säkerhetsprotokoll och hantera anslutningar i realtid.

Studien förutser en avsevärd ökning av global cellulär IoT-data, som stiger till 46 petabyte år 2028, upp från 21 petabyte under innevarande år. Denna ökning förväntas driva på ytterligare investeringar i IoT-automationstjänster, inklusive federerat lärande.

Federated learning: En sköld mot säkerhetsrisker

Det rådande tillvägagångssättet för att träna maskininlärningsmodeller är starkt beroende av data som lagras på centraliserade platser, vilket ger utrymme för exploatering av skadliga enheter. Som svar på denna sårbarhet förespråkar studien antagandet av federerade lärandemodeller inom IoT-ekosystemet.

Federated learning, en delmängd av maskininlärning, använder en decentraliserad datametod för att minska risken för databedrägerier över IoT-nätverk. Genom att begränsa exponeringen av känslig IoT-data spelar federerad maskininlärning en avgörande roll för att minska sannolikheten för dataintrång.

Alex Webb, författaren till forskningen, betonade den avgörande betydelsen av datasäkerhet mitt i det eskalerande antalet mobila IoT-anslutningar.

"När antalet mobila IoT-anslutningar växer, är det absolut nödvändigt att både plattformar och operatörer säkerställer att data är säker i övergången och på enheten," kommenterade Webb. "Ett misslyckande att göra det kommer att avskräcka IoT-användare i branscher med känslig data från att anamma en cellulär IoT-baserad strategi för anslutning."

Junipers rapport är tillgänglig gratis här. (anmälan krävs)

(Foto av Andy Hermawan on Unsplash)

Se även: Fibocom lanserar 5G RedCap-moduler för IoT-lösningar

Vill du lära dig mer om IoT från branschledare? Checka ut IoT Tech Expo äger rum i Amsterdam, Kalifornien och London. Det omfattande evenemanget är samlokaliserat med andra ledande evenemang, inklusive Cybersäkerhet & Cloud Expo, AI & Big Data Expo, Edge Computing Expooch Digital transformationsvecka.

Utforska andra kommande teknologievenemang och webbseminarier för företag som drivs av TechForge här..

Taggar: cellulär iot, Cybersäkerhet, Cybersäkerhet, federerat lärande, sakernas Internet, IoT, enbärsforskning, rapport, forskning, säkerhet, studera

plats_img

Senaste intelligens

plats_img