استارلینک روسی ۲۰۲۷ راه‌اندازی می‌شود

به گزارش آفتاب نیوز،

به نقل از زومیت، نخستین هواپیمای ایرباس A۳۲۰neo متعلق به ناوگان هوایی لوفتهانزا از فرانکفورت به پرواز درآمد تا مسافران بتوانند برای اولین‌بار در طول سفر، از اینترنت پرسرعت ماهواره‌ای برای بازی یا کار‌های اداری خود استفاده کنند. این اقدام بخشی از برنامه‌ی نوسازی ناوگان لوفتهانزا محسوب می‌شود که با همکاری سرویس استارلینک اسپیس‌ایکس انجام شده است.

به گزارش رویترز، سرویس جدید بخشی از سرمایه‌گذاری میلیاردی برای بهبود تجهیزات کابین و خدمات مسافرتی است. بر اساس برنامه‌ریزی‌های انجام‌شده، تا پایان سال جاری میلادی ۱۰ فروند هواپیمای دیگر به این سیستم مجهز می‌شوند و کل ناوگان ۸۵۰ فروندی گروه لوفتهانزا تا سال ۲۰۲۹ به اینترنت پرسرعت مجهز خواهند شد.

ینس ریتر، مدیرعامل لوفتهانزا، می‌گوید: «راه‌اندازی این سرویس، گام مهم دیگری در مسیر مدرن‌سازی لوفت‌هانزا است. وجود اینترنت باکیفیت در آینده به یکی از معیار‌های اصلی مسافران برای انتخاب خطوط هوایی در پرواز‌های طولانی تبدیل خواهد شد و این سرمایه‌گذاری اجتناب‌ناپذیر بود.»

استفاده از این خدمات برای اعضای برنامه‌ی وفاداری لوفتهانزا رایگان خواهد بود و طبق اعلام مدیریت، این دسترسی بدون هزینه به‌صورت دائمی برنامه‌ریزی شده است. استفاده از اینترنت پرسرعت در کابین هواپیما چالش‌هایی مانند افزایش سر و صدا را به همراه دارد؛ به همین دلیل قوانین سخت‌گیرانه‌ای برای استفاده از هدفون و ممنوعیت صحبت با صدای بلند در طول پرواز‌های لوفتهانزا وضع شده است.

نصب تجهیزات استارلینک بسته به ابعاد ناوگان، صد‌ها میلیون دلار هزینه دارد و سالانه ده‌ها میلیون دلار کارمزد خدمات به آن اضافه می‌شود. اسپیس‌ایکس با تکیه بر ۱۳ هزار ماهواره‌ی خود در مدار پایین زمین (LEO) که در ارتفاع ۱۶۰ تا ۲ هزار کیلومتری قرار دارند، سرعت بسیار بالاتری را نسبت‌به ماهواره‌های سنتی در مدار ۳۶ هزار کیلومتری ارائه می‌دهد و تاکنون قرارداد تجهیز بیش از ۷ هزار فروند هواپیما را در سراسر جهان امضا کرده است.

به گزارش سیتنا به نقل از آسوشیتدپرس، شرکت امنیت سایبری آتالانتا ابزار «آرگو» را معرفی کرده است؛ سامانه‌ای مبتنی بر ترکیب هوش مصنوعی و روش‌های ریاضی پیشرفته که با هدف شناسایی جامع‌تر آسیب‌پذیری‌های نرم‌افزارها و سامانه‌های متصل به اینترنت توسعه یافته است.

این فناوری در پی حمله سایبری سال ۲۰۲۲ به شبکه ارتباطات ماهواره‌ای ویاست مورد توجه قرار گرفته است. در جریان آن حمله که همزمان با آغاز جنگ روسیه علیه اوکراین رخ داد، هزاران مودم ماهواره‌ای در اوکراین و بخش‌هایی از اروپا از کار افتادند و ارتباطات را مختل کردند.

آتالانتا اعلام کرده فناوری به‌کاررفته در «آرگو» برای تقویت امنیت شبکه ماهواره‌ای ویاست نیز استفاده شده و به این شرکت کمک کرده است تا مقاومت زیرساخت ارتباطی خود در برابر حملات احتمالی آینده را ارزیابی و تقویت کند.

نکته مهم این فناوری، استفاده از رویکردی موسوم به «درک نرم‌افزار» است که با ترکیب مدل‌های ریاضی و هوش مصنوعی تلاش می‌کند رفتار و آسیب‌پذیری‌های سامانه‌های نرم‌افزاری را به شکلی عمیق‌تر بررسی کند.

به گفته کارشناسان، چنین ابزارهایی می‌توانند در آینده علاوه بر شبکه‌های ماهواره‌ای، برای حفاظت از زیرساخت‌های حیاتی مانند شبکه‌های انرژی، سامانه‌های آب و فاضلاب و دیگر تجهیزات متصل به اینترنت مورد استفاده قرار گیرند.

فناوری آتالانتا همچنین در پروژه «ماموریت جنسیس» وزارت انرژی آمریکا برای توسعه سامانه‌های خودکار مرتبط با راکتورهای هسته‌ای به کار گرفته شده است. کارشناسان آزمایشگاه ملی آیداهو معتقدند ابزارهایی از این نوع ممکن است در آینده به بخشی از فرایند استاندارد توسعه و ارزیابی سامانه‌های حساس تبدیل شوند.

این تحول نشان می‌دهد که با افزایش وابستگی ارتباطات، ماهواره‌ها و زیرساخت‌های حیاتی به نرم‌افزار، استفاده از هوش مصنوعی برای شناسایی آسیب‌پذیری‌ها پیش از بهره‌برداری مهاجمان می‌تواند به یکی از محورهای اصلی امنیت سایبری تبدیل شود.

انتهای پیام

مقاله مشترک محمدجواد شایگان‌فرد عضو هیئت علمی دانشکده هوش مصنوعی و کامپیوتر دانشگاه علم و فرهنگ و سپهر سماواتی دانش‌آموخته رشته کارشناسی ارشد مهندسی کامپیوتر ـ نرم‌افزار که برآمده از پایان‌نامه کارشناسی ارشد این دانش‌آموخته است، با عنوان «A lightweight transfer learning framework with dynamic data augmentation for few-shot remote sensing image classification» در مجله Geomatica از انتشارات Elsevier منتشر شد.

به گزارش دانشگاه علم و فرهنگ، این پژوهش به ارائه یک چارچوب سبک و کارآمد مبتنی بر هوش مصنوعی برای طبقه‌بندی تصاویر سنجش از دور در شرایط کمبود داده‌های آموزشی می‌پردازد.

پژوهشگران در این مطالعه با ترکیب روش‌های یادگیری انتقالی و افزایش پویای داده‌ها، روشی را ارائه کرده‌اند که امکان آموزش مدل‌های یادگیری عمیق را با حجم محدودی از تصاویر برچسب‌گذاری‌شده فراهم می‌کند.

کمبود داده‌های برچسب‌گذاری‌شده یکی از چالش‌های مهم در توسعه مدل‌های هوش مصنوعی برای تحلیل تصاویر ماهواره‌ای است؛ چراکه تهیه و برچسب‌گذاری این داده‌ها به زمان و منابع قابل‌توجهی نیاز دارد.

چارچوب پیشنهادی این پژوهش با هدف کاهش وابستگی مدل به حجم بالای داده‌های آموزشی طراحی شده است.

نتایج آزمایش‌ها روی تصاویر ماهواره‌ای نشان داد که روش پیشنهادی، ضمن حفظ کارایی محاسباتی و سبک‌بودن مدل، موجب کاهش خطای طبقه‌بندی و بهبود عملکرد آن می‌شود.

این ویژگی می‌تواند استفاده از مدل‌های هوش مصنوعی را در شرایطی که داده‌های آموزشی محدود یا منابع محاسباتی در دسترس کم است، امکان‌پذیرتر کند.

یافته‌های این پژوهش می‌تواند در حوزه‌هایی همچون پایش محیط‌زیست، نقشه‌برداری کاربری و پوشش اراضی، کشاورزی هوشمند، مدیریت بحران، پایش منابع طبیعی و تحلیل تصاویر ماهواره‌ای کاربرد داشته باشد.

این مقاله در مجله Geomatica از انتشارات Elsevier منتشر شده، در پایگاه Scopus نمایه می‌شود و در چارک Q۲ قرار دارد.

انتهای پیام/