Первый мобильный модем 5G прошел испытания
Американская компания Qualcomm провела испытания первого в мире модема для мобильных устройств, способного работать в сетях перспективного стандарта 5G. Как сообщает The Verge, испытания, признанные успешными, проходил модем Snapdragon X50, впервые представленный американской компанией в прошлом году.
Технология пятого поколения передачи данных, черновая версия которой была представлена в феврале текущего года, разрабатывается на протяжении последних нескольких лет. Сети 5G должны поддерживать бо́льшую ширину пропускания, чем действующие сегодня 4G, а также допускать подключение большего числа мобильных аппаратов к одной базовой станции.
Основными отличиями технологии обмена данными пятого поколения станут гарантированное обеспечение скорости обмена данными в несколько десятков мегабит в секунду для нескольких десятков тысяч абонентов и поддержка нескольких сотен тысяч одновременных подключений от разного рода датчиков беспроводной датчиковой сети (например, сенсоров устройств промышленного интернета).
Как ожидается, постепенное внедрение стандарта 5G начнется после 2020 года. В настоящее время требования к новой технологии жестко не определены, поэтому многие компании и исследовательские организации, заинтересованные в развитии 5G, разрабатывают собственные нередко несовместимые друг с другом решения.
Модем X50, работающий по технологии 5G, во время испытаний работал на частоте 28 гигагерц. Это одна из трех частот перспективного стандарта 5G, разрешенных Федеральной комиссией по связи для гражданского использования в США. Двумя другими частотами являются 37 и 39 гигагерц.
Согласно заявлению Qualcomm, во время испытаний скорость обмена данными с помощью X50 достигла гигабитного уровня. При этом технически устройство способно на обмен данными на скорости до пяти гигабит в секунду. Другие подробности об испытаниях не уточняются.
Между тем, Qulacomm разработала референсный дизайн перспективного смартфона с поддержкой сетей стандарта 5G. Референсным дизайном называется электронная схема, разработанная оригинальным производителем тех или иных микросхем. Такая схема зачастую используется сторонними производителями в качестве основы при разработке и производстве собственных устройств.
Референсный дизайн смартфона представляет собой аппарат толщиной девять миллиметром с полностью безрамочным экраном. В Qulacomm полагают, что продажи устройств с поддержкой 5G могут начаться уже в первой половине 2019 года.
В конце прошлого года Калифорнийский университет в Сан-Диего и американская компания Keysight Technologies испытали новую полнодуплексную систему обмена данными стандарта 5G. Исследователям удалось добиться скоростей передачи данных в обе стороны чуть больше двух гигабит в секунду. При этом расстояние между передатчиком и клиентским устройством составило 300 метров.
В испытании новой полнодуплексной системы был задействован массив из 32 передатчиков, работающих на частоте 60 гигагерц. Они управлялись системой-на-чипе, разработанной Калифорнийским университетом и произведенной компанией Keysight Technologies. В основу своего варианта сети 5G разработчики положили сеть Wi-Fi стандарта 802.11ad.
Во время испытаний разработчикам удалось добиться скорости передачи данных в четыре гигабита в секунду к абоненту и от него. При этом расстояние, на котором велся обмен данными, составило сто метров. На расстоянии 800 метров скорость обмена данными составила около 500 мегабит в секунду.
Василий Сычёв
Теперь она может определять киберугрозы
Исследователи из Южной Кореи обучили языковую модель DarkBERT на текстах из даркнета. Люди общаются в даркнете иначе, чем в обычном интернете, в том числе используют свой сленг. Модель изучила этот язык, и теперь ее можно применять в задачах кибербезопасности. Препринт доступен на arXiv.org. Языковые модели сегодня применяют для изучения разных текстов. Это нейросети, которые обучились на большом количестве данных и хорошо выполняют задачи, связанные с пониманием речи. Популярные языковые модели основаны на архитектуре Transformer, которую придумали инженеры из Google — такие модели умеют фокусировать внимание на важных частях предложения. Языковые модели лучше всего понимают то, что похоже на примеры из обучающей выборки. Обычно они учатся на больших объемах текстов из интернета, поэтому понимают много чего: литературный язык, сообщения из социальных сетей, научно-популярные статьи. Но есть тексты, которые не попадают в обучающую выборку, в том числе тексты из даркнета. У них есть свои лингвистические особенности: словарный запас, распределение частей речи и даже синтаксис. Обычные языковые модели это не учитывают, потому что во время обучения не видели таких текстов. Выход есть — обучить языковую модель на материалах из даркнета. Даркнет — это часть интернета, которую не найти в обычных поисковиках вроде Яндекса или Гугла. Туда нельзя попасть через обычный браузер. Есть разные сервисы для входа в даркнет, авторы исследования использовали Tor. Люди в даркнете общаются анонимно, и их сложно отследить. Поэтому даркнет стал платформой для всякого незаконного, от утечек данных до торговли запрещенными веществами. Специалисты по кибербезопасности постоянно ищут способы мониторить и изучать тексты в даркнете. Группа ученых из Южной Кореи под руководством Сун Вон Шина (Seungwon Shin) из Корейского института передовых технологий собрала корпус текстов из даркнета и обучила на нем языковую модель DarkBERT. Сначала авторы составили списки сайтов с помощью инструмента поиска по даркнету. Затем они скачали 6 миллионов веб-страниц и превратили их в тексты. Для обучения использовали модель RoBERTa, основанную на архитектуре Transformer. После обучения на текстах даркнета получилась готовая модель DarkBERT. Ее качество сравнивали со стандартными моделями RoBERTa и BERT, которые обучались на обычных текстах. Тестировали модели на разных сценариях киберугроз. Например, иногда злоумышленники похищают конфиденциальные данные с сайтов и вымогают у их владельцев деньги. Если деньги не поступают, злоумышленники публикуют украденные данные. Нейросети получали текст сайта и решали задачу бинарной классификации: определить, размещают ли на нем утекшие данные. DarkBERT справился с этой задачей намного лучше (точность 84 процента у DarkBERT против 70 процентов у BERT и 44 процента у RoBERTa). Еще один пласт нелегальной активности в даркнете — это продажа запрещенных веществ. Авторы проверили, насколько хорошо разные модели понимают сообщения с форумов даркнета: нейросети выделяли ключевые слова в сообщениях о запрещенных веществах. Такие ключевые слова могут пригодиться сотрудникам правоохранительных органов, чтобы быстро искать сообщения о продаже веществ и определять продавцов. Эту задачу тестировали на DarkBERT и на похожей модели BERT, дообученной на тематическом сабреддите. Здесь DarkBERT снова обошел конкурента (точность определения топ-10 ключевых слов 60 процентов у DarkBERT против 40 процентов у BERT). В целом результаты показывают, что предобученная на текстах из даркнета нейросеть DarkBERT справляется с задачами кибербезопасности лучше, чем другие модели. Ее можно использовать, чтобы мониторить нелегальную активность в даркнете, вычислять преступников и предотвращать утечки данных. Но у DarkBERT есть свои ограничения. Во-первых, она умеет работать только с англоязычными текстами. Во-вторых, обучающую выборку из даркнета собирать сложно, потому что сайты непросто найти и превратить в тексты. А чем больше подходящих текстов, тем выше эффективность модели. Другие языковые модели тоже продолжают развиваться. Например, инженеры из Яндекса натренировали нейросеть на русскоязычных текстах и встроили ее в Алису.