آرشیو برچسب: سرویس ابری

ویدئوها و آنالیتیک ها در سال 2019

با به پایان رسیدن سال 2018 همه ی افراد منتظرند که ببینند چه تکنولوژی هایی تبدیل به روندهای رایج امنیتی در سال 2019 خواهند شد. تا جایی که سیستم های نظارت ویدئویی مسئله موردبحث باشند، انتظار میرود که در سال 2019 سیستم های تجزیه و تحلیل محتوای ویدئویی، سیستم های تشخیص چهره و سیستم های محاسباتی اج-محور برجسته تر از قبل خودی نشان دهند.

تجزیه و تحلیل محتوای ویدئویی

تجزیه و تحلیل محتوای ویدئویی پیشرفت زیادی داشته و از تکنولوژی های اغراق-شده ی گذشته به نوآوری هایی اساسی که باعث بهبود وضع امنیت و همچنین هوشمندی بیزنسی میشوند تغییر شکل یافته است. انتظار میرود که در سال 2019 این تکنولوژی نقش پررنگ تری را در امنیت ایفا نماید.

در حال حاضر نرم افزارهای تجزیه و تحلیل محتوای ویدئویی که هوش مصنوعی ﴿AI﴾ و تکنولوژی یادگیری عمیق را در خود جای داده اند به مراتب ارزشمندتر از بررسی های پس از وقوع رخدادها تلقی میشوند. به خاطر سرعت باورنکردنی و قابلیت های هوشمند این سیستم ها، بسیاری از افراد درحال یافتن راه هایی جدید برای استفاده از آنها هستند. به عنوان مثال، بیزینس های خرده-فروشی در حال استفاده از این تکنولوژی جهت برنامه ریزی های کنش گرایانه و استراتژیک هستند تا تجربه ی بهتری را برای مشتریان فراهم ساخته و در نتیجه باعث افزایش میزان فروش خود و وفاداری آنها شوند؛ سازمان های درمانی و بهداشتی نیز از این تکنولوژی جهت رسیدگی به مسائل عملیاتی همچون یافتن افراد غیرمجاز در مناطقی با تاسیسات محدود استفاده می نمایند؛ و قطب-های حمل و نقل از این تکنولوژی ها جهت بهبود جریان مسافران استفاده کرده و شهرداری ها به صورت کنشگرایانه برای امن تر نگاه داشتن خیابان های شهری بهره میگیرند.

علیرغم صحبت های موجود مبنی بر فقدان یک عامل پیشبینی کننده در آنالیتیک های امروزی (این سیستم ها قادر به پیش بینی اینکه فردی قصد انجام کار بدی را دارد یا خیر نیستند!)، پیشرفت های صورت گرفته درآنالیتیک ها منجر به پیشگیری بهتر از وقوع جرائم میگردد. به عنوان مثال از طریق استفاده از بیگ دیتا یا کلان داده ها، مجاری قانونی بهتر میتوانند به تجزیه و تحلیل الگوی جرائم و روندهای آنها بپردازند و بدین شکل محل وقوع رخدادهای امنیتی را پیشبینی کرده و طبق این داده ها، نیروهای خود را به کار بگیرند. استفاده از ویدئوآنالیتیک ها در بررسی ها و تحقیقات صورت گرفته پس از وقوع رخدادها به عنوان امری مهم برای یافتن مجرمین، فهم بهتر صحنه جرائم و تعیین محل افراد گم شده تلقی میگردد و این داده ها هوشمندی لازم برای پیشگیری کنشگرایانه ی جرائم را فراهم میسازند.

سیستم های تشخیص چهره

سیستم های تشخیص چهره پیشرفتی جدید تلقی میشوند. با استفاده از تکنولوژی های یادگیری عمیق و تکنولوژی هوش مصنوعی ﴿AI﴾، سیستم های تشخیص چهره قادر به صدور اجازه ی ورود به گوشی هوشمند بوده و همچنین میتوانند دوستان شما را در تصاویر منتشرشده در شبکه های مجازی تشخیص بدهند. در حالی که به سیستم های تجزیه و تحلیل محتواهای ویدئویی فکر میکنیم، سیستم های تشخیص چهره بیشتر از هر زمان دیگری در حال ایفای نقشی پررنگ هستند. در سال 2019 شاهد استفاده ی بیشتر ارگان های اجرایی قانون از آنالیتیک های ویدئویی و سیستم های تشخیص چهره خواهیم بود تا بدین شکل وقایع صورت گرفته با سرعت بیشتری حل و فصل شوند. با استفاده از این تکنولوژی ها خرده فروشان به سرعت میتوانند به تشخیص سارقین وسایل موجود در فروشگاه ها بپردازند. از آنجایی که این تکنولوژی در حجم بالا در سراسر جهان به کار گرفته شده و بیشتر از هر زمان دیگری در دسترس افراد قرار دارد، انتظار میرود که این تکنولوژی به شکل قابل توجهی در سال 2019 بکار گرفته شود.

علیرغم وجود برخی نگرانی ها یا مسائل اخلاقی حول سیستم های تشخیص چهره، این سیستم ها راه هایی مناسب برای رسیدگی به این دست از مسائل خواهند بود.

سیستم های تشخیص چهره موارد کاربرد معناداری را ارائه میکنند؛ یکی از این کاربردها تطبیق چهره ها بر اساس تصویری در یک ویدئو یا تصویری بیرون از سیستم مربوطه ﴿ به عنوان بخشی از لیست افراد تحت تعقیب یا به عنوان یک تصویر منفرد﴾ میباشد. افراد شاهد ارجاعات زیادی از نوع فیلم “گزارش اقلیت” به کارگردانی استیون اسپیلبرگ به سیستم های تشخیص چهره بوده-اند؛ محور اصلی این فیلم روی سیستمی است که بر مبنای ۳ انسان کار می‌کند و می‌تواند جرایم را پیش از وقوع پیش‌بینی کند و بدین ترتیب مأموران اجرایی پیش از وقوع جنایت جلوی آن را می‌گیرند و بدین ترتیب مدت‌هاست که دیگر جنایتی رخ نداده است. اما همین سیستم پیچیده هم ممکن است فریب بخورد. زمانی که ماشین پیش‌بینی می‌کند در زمان مشخصی یکی از مأموران اصلی پروژه دست به قتل خواهد زد، او با این پرسش مواجه می‌شود که آیا خود اراده تغییر آینده خود را دارد یا مجبور است به تقدیر تن در دهد و در این راه معمای پیچیده‌ای را باز می‌کند. حقیقت آن است که وضع تصاویر هیچ پیشرفتی نداشته، هیچگونه ارتباطی با داده های فردی وجود نداشته و هیچگونه ارتباطی بین سایر تصاویر فرد موردنظر در خارج از ویدئویی که چهره ی وی با آن تطبیق داده شده وجود ندارد. با توجه به آنچه گفته شد، به احتمال زیاد شاهد نظارت قدرتمندتر از سوی دولت ها خواهیم بود تا بدین شکل سیاست هایی برای تنظیم استفاده از این تکنولوژی ها و تعریف حقوق انتخاب برای دنبال شدن به صورت دیجیتال را تعیین کنند.

پردازش اج-محور و محاسبات ابری

در آخر، پردازش اج-محور و محاسبات ابری نقشی به مراتب پررنگتر را در افزایش سرعت بکارگیری آنالیتیک های پیشرفته محتوای ویدئویی ایفا خواهند نمود. با ادامه یافتن شهرت ویدئوها، نیاز به حفظ پهنای باند در حال ایجاد موجی از مهاجرت ابری و محاسبات اج-محور است. این امر امکان آنالیتیک های پیشرفته محتواهای ویدئویی را فراهم میسازد؛ این آنالیتیک ها داده های جمع-آوری شده از دوربین ها و دستگاه ها را مورد پردازش قرار میدهند. پیشبینی میشود که در سال 2019 مهاجرت به سوی سیستم های محاسبات ابری و پردازش اج-محور همچنان ادامه پیدا کند و در نتیجه آن شاهد بکارگیری بیشتر آنالیتیک های AI-محور محتواهای ویدئویی در بسیاری از صنایع باشیم؛ این صنایع شامل صنعت حمل و نقل، آموزش عالی، مراکز بهداشتی و درمانی، خرده فروشی-ها و بسیاری از صنایع دیگر میشوند.

برگرفته از مجله a&s و دانشنامه آزاد ویکی پدیا

50 شرکت امنیتی برتر: روندهای تکنولوژی 2019

با به پایان رسیدن سال 2018، بسیاری از افراد به دنبال آن هستند که ببینند کدام یک از تکنولوژی­های امنیتی در سال 2019 رایج خواهند بود. 50 شرکت امنیتی برتر در سال 2018، برخی از این تکنولوژیها را معرفی نموده­ اند که خلاصه ­ای از آنها در ادامه این مقاله آورده شده است.

1. امنیت سایبری

از لحاظ تکنولوژیک، امنیت سایبری همچنان به عنوان موضوعی داغ در سال 2019 مطرح خواهند ماند. در واقع طبق طبقه­ بندی ارائه شده توسط انجمن صنعت امنیتی آمریکا ((SIA، امنیت سایبری نخستین رتبه را از میان 10 روند عظیم امنیتی از آن خود نموده است؛ انتظار میرود که این 10 روند عظیم امنیتی، صنعت امنیت را در سال 2019 شکل دهند. از میان تهدیدات سایبری موجود در مورد دستگاه ­های امنیتی که روز به روز بیشتر از پیش به سوی سیستم­ های تحت شبکه مهاجرت میکنند، فروشندگان این نوع سیستم ­ها باید ثابت کنند که راهکار­های آنها در مقابل حملات و هک­های صورت گرفته مقاوم هستند. در سال 2019، امنیت سایبری همچنان به عنوان موضوعی مهم مطرح خواهد بود و اقدامات مربوط به مقاوم­سازی در برابر حملات سایبری همچنان به عنوان وجهی کلیدی در توسعه محصولات باقی خواهند ماند.

2. هوش مصنوعی/ یادگیری عمیق

لازم به گفتن نیست که هوش مصنوعی و آنالیتیک­های پیشرفته همچنان در زمینه صنعت امنیت حکمرانی خواهند نمود. هوش مصنوعی/ یادگیری ماشین/ یادگیری عمیق، یک روند تکنولوژی مداوم خواهد بود که قادر به بهبود بخشیدن قابل ­توجه عملکرد و قابلیت­های سیستم­ های امنیتی است.

3. محافظت از حریم شخصی

با این حال با مطرح­ شدن تکنولوژی هوش مصنوعی، چگونگی استفاده و محافظت از داده ­ها به مسئله ­ای اساسی تبدیل خواهد شد. البته باید گفت که بحث­ های زیادی حول هوش مصنوعی و یادگیری عمیق در این صنعت وجود دارد. علاوه بر این انتظار میرود که تاکید زیادی روی بحث حریم شخصی و شخصی­ سازی صورت بگیرد. دغدغه­ های موجود حول رویکرد یک شرکت نسبت به مسئله حریم شخصی و استفاده از داده ­های شخصی، یکی از تاثیرگذارترین جنبه ­های پیشرفت یک بیزینس خواهد بود.

4. محاسبات اج محور

در ارتباط نزدیک با تکنولوژی هوش مصنوعی/ یادگیری عمیق میتوان به محاسبات اج-محور اشاره نمود که به زودی برای انجام الگوریتم ­های پیچیده، قدرتمندتر خواهد شد؛ علاوه بر این، برای فهم تمامی داده­ های جمع آوری شده، محاسبات ابری به کار گرفته خواهند شد.

همچنین منابع پیشرفته ای برای محاسبات اج-محور موجود خواهد بود که باعث هوشمندتر شدن دستگاه­ های اج محور، پذیرش بیشتر راهکارهای ابر-محور در صنعت و استفاده هوشمندتر از تکنولوژی ­های ابری برای تجزیه ­و­تحلیل عمیق­تر رخدادها خواهد شد.

5. اعتبارسنجی موبایلی

در زمینه کنترل دسترسی، سیستم های کنترل دسترسی بیسیم و سیستم­های اعتبارسنجی موبایلی پذیرش بیشتری را در بازار به دست خواهد آورد. در مقایسه با استفاده از کارت­های پلاستیکی، اعتبارسنجی از طریق گوشی­های هوشمند با استقبال زیادی مواجه شده است.

برگرفته از: مجله a&s

ویدئوآنالیتیک های AI-محور تا چه حد هوشمند هستند؟

در حال حاضر صحبت های زیادی حول استفاده از هوش مصنوعی ﴿AI﴾ در آنالیتیک های ویدئویی وجود دارد. به طوری که بسیاری از ارائه کنندگان راهکارهای امنیتی، واژه ی هوش مصنوعی را به عنوان یک ضرورت در تولید و عرضه محصولات خود میبینند. اگر بخواهیم منصفانه صحبت کنیم باید بگوییم که راهکارهای آنالیتیک ویدئویی راه زیادی را از نخستین روزهای ورود خود آمده اند. با این حال این سوال مطرح میگردد که آنالیتیک های ویدئویی تا چه حد هوشمند هستند؟

هوش مصنوعی در کجای صنعت امنیت جای میگیرد؟

هوش مصنوعی (AI﴾، یادگیری عمیق، آنالیتیک های ویدئویی همگی از جمله کلمات رایجی هستند که به دیدن آنها عادت کرده ایم.

علیرغم تمامی بحث ها و تبلیغات های صورت گرفته در مورد هوش مصنوعی، اغلب افراد ذهنیتی مبهم نسبت به اجزای تشکیل دهنده ی این تکنولوژی دارند. نکته جالب توجه اینجاست که این موضوع در بحث امنیت ساختمان های مسکونی و تجاری که در چند سال اخیر بیشتر مطرح شده صادق است.

همچنین اینکه اصطلاحات نزدیکی چون آنالیتیک ها، یادگیری ماشین و یادگیری عمیق چگونه زیرمجموعه، گونه جهش یافته یا زیرشاخه ای از هوش مصنوعی (AI﴾ محسوب میشوند نیز برای اکثر متخصصین امنیتی و مشتریان همچون یک راز تلقی میگردد. علاوه بر آن، به احتمال زیاد برای این افراد انجام یک سری عملیات پیچیده توسط ربات ها به قطع مستلزم درجه ای از هوش مصنوعی خواهد بود.

هوش مصنوعی یک اصلاح گسترده است که برای توصیف هر چیزی که همچون مغز یک انسان عمل میکند استفاده میشود. یادگیری ماشین تکنیکی است که در آن یک کامپیوتر میتواند با پردازش حجم بالایی از داده ها در مورد عملیات مربوطه، قدرت خود را برای انجام یک عملیات بهبود بخشد. یادگیری عمیق زیرمجموعه ای از یادگیری ماشین است که از شبکه های نورونی بهره میگیرد. یک لایه از شبکه های نورونی پس از پردازش داده ها، نتیجه این پردازش را به لایه ی بعد منتقل میکند که این لایه نیز پس از انجام عملیات، پاسخ خود را به لایه بعد میفرستد. این دست از شبکه های نورونی به عنوان شبکه های نورونی پیچیده یا CNN مشهور هستند.آنالیتیک های نظارت ویدئویی نمونه ای عالی از بکارگیری هوش مصنوعی و یادگیری عمیق هستند که با ورود GPUها ﴿واحدهای پردازش گرافیکی﴾ امکان پذیر شده اند.

چرا هوش مصنوعی، آنالیتیک ها، سرویس های ابری و امنیت سایبری، فرصت های جدیدی را برای نصاب ها فراهم میکنند؟

به قطع آنالیتیک های ویدئویی یکی از رایجترین راه های بکارگیری هوش مصنوعی در کاربردهای امنیتی است. به همین شکل، سیستم های مدیریت اطلاعات مربوطه به امنیت فیزیکی ﴿PSIM﴾ که با تلفیق داده های امنیتی گوناگون باعث آگاهی موقعیتی میشوند نیز از تکنولوژی هوش مصنوعی بهره میگیرند.

ربات های بادوام و هوشمندی را تصور کنید که مجهز به چنین الگوریتم های پیشرفته و سنسورهای پردازش و هوشمند شوند. این ربات ها یک چشم انداز امنیتی وسیع را باز میکنند که با کمک آن تهدیدات انسانی به حداقل رسیده و مکان ها و ابعاد دوری را که غیرقابل دسترسی بوده اند، برای آنالیز، ارزیابی و پاسخگویی به صورت همزمان با وقوع رخداد مورد دسترس قرار میگیرند.

صنعت امنیت چگونه میتواند از هوش مصنوعی بهره مند شود؟

به تدریج با بهبود یافتن دستگاه ها و پایین آمدن قیمت ها، کاربری های این تکنولوژی گسترده تر خواهد شد. همچنین انواع مختلف تکنولوژی هوشمند مصنوعی به احتمال زیاد در اغلب جنبه های زندگی روزانه ما نفوذ خواهد کرد.

برعهده گرفتن آن دسته از کارهایی که از لحاظ فکری نیازمند انرژی چندانی نیستند توسط ماشین ها به روندی بزرگ برای سالهای پیش رو تبدیل خواهد شد. شرکت آمازون در حال بکارگیری این تکنولوژی در مغازه های خرده فروشی خود است که در آنها مفهوم گیشه پرداخت قیمت کالا با مشتریانی که خارج میشوند جایگزین شده است. تولید این نوع از ابزارهای فکری در مراحل اولیه خود به سر میبرند، با این حال این ابزارها به رسیدگی به مسائل و ایجاد ارزش ادامه خواهند داد. انقلاب صنعتی هوشمند در حال وقوع در اطراف ما است. شاید این انقلاب بسیار آشفته به نظر آید، اما در عین حال بسیار هوشمند و رهایی بخش است.

پتانسیل آنالیتیک های ویدئویی به مراتب سودمندتر از سیستم های قاعده-محور قدیمی است. با شهرت یافتن بیشتر GPUها در اجرای سیستم های AI، تولیدکنندگان بزرگی چون NVIDIA و حتی استارتاپ های کوچکتر شاهد سرمایه گذاری بیشتری در این زمینه هستند.

در سالهای اخیر یادگیری عمیق توجه های زیادی را جلب خود نموده است، چرا که این تکنولوژی عملکردهای گوناگونی را ارائه میکند که موردپسند مشتریان قرار گرفته است. به عنوان مثال، الگوریتم های جستجوی تصویری به مشتریان اجازه میدهد تا به جستجوی اشیاء، حیوانات بخصوص و یا سایر چیزهای دیگر بپردازند.

توانایی این تکنولوژی در داشتن هوش کافی برای کار کردن در جهت گیری ها و شرایط نوری مختلف است که آن را به یک تکنولوژی تاثیرگذار تبدیل نموده است. تکنولوژی یادگیری عمیق در واقع در سالهای 2012 و 2013 به صورت پررنگ مطرح شد. این تکنولوژی در کنار قدرت GPUهایی که قادر به انجام آن دسته از کارهایی هستند که در گذشته به صورت بازدارنده ای زمانگیر و طاقت فرسا بودند، به عنوان سوختی تلقی میگردد که موج نوآوری را امکان پذیر ساخته است.

هنگامی که صحبت از شبکه های نورونی میشود، منظور یک تکنولوژی یادگیری عمیق صرف نیست که متشکل از شبکه های عمیقی باشد که افراد از آنها به عنوان شبکه های نورونی پیچیده یاد میکنند. در حال حاضر شبکه های نورونی قدرتمندتر و توانمندتر از قبل شده اند و منابع و ابزارآلات بسیار خوبی نسبت به گذشته در اختیار افراد قرار گرفته است.

شرکت های فعال در این زمینه

با توجه به پتانسیل مشهود تکنولوژی هوش مصنوعی AI، برخی از غول های تکنولوژی نیز مشتاق ورود به این زمینه و جستجوی فرصت ها هستند. این شرکت ها تا حد زیادی به عنوان پیشگامان این زمینه عمل میکنند و توسعه و بکارگیری راهکارهای هوشمندتر را تشویق میکنند.

به قطع شرکت های بزرگ فعال در زمینه تکنولوژی همچون گوگل، با ارائه مدل TensorFlow خود کمک بزرگی در این زمینه  نموده اند. شرکت اینتل نیز دارای ابزارآلاتی عالی است که با بکارگیری مدل TensorFlow و وارد کردن آن، از هر منبعی که روی آن است (چیپ هایی که با کمک آنها به اجرای برنامه ها میپردازید) خروجی تهیه میکند. بنابراین شما یک ترکیب انعطاف پذیر از CPU و GPU را در اختیار دارید. حال منابعی در اختیار شما قرار دارد که این کار را برای شما هدف قرار میدهد. در مرحله بعد، شما تمام افرادی را دارید که روی راه هایی برای فعالسازی و توسعه مراکز آموزش که از اهمیت بالایی برخوردارند کار میکنند. در نتیجه چیزی شبیه به یک اکوسیستم کامل حول این مسئله که چگونه ماشینها دیدن و فهمیدن را یاد میگیرند شکل میگیرد.

برای انجام این کار ابعاد و لایه های زیادی وجود دارد، چرا که اساسا این کار همان جمع آوری و نام گذاری داده ها است. کامپایلرهای متعددی که قادر به اجرای کارآمد مدل های شما در چیپ-ست های مختلف هستند، ابزارآلات تحلیل داده ای که برای تهیه خروجی از آنها بدان احتیاج پیدا خواهید کرد، همگی به پتانسیل تکنولوژی هوش مصنوعی AI در آنالیتیک های ویدئویی کمک میکنند.

برگرفته از مجله a&s و سکیوریتی-سیلز

سه راه استفاده از ابرها به عنوان یک سرویس

انعطاف پذیری، سادگی و انتخاب، سه مورد از بزرگترین نقاط قوت نهفته در رایانش ابری است. همانطور که در حال حاضر انتظار مشاهده ی فیلم ها و انجام بازی های کامپیوتری را به صورت آنلاین داریم، رایانش ابری راهی را برای استفاده از منابع رایانشی بنا-به-درخواست ارائه میکند: داده ها، رایانش، اپلیکیشن ها و سرویس ها.

رایانش-بنا-به-درخواست نوعی مدل ارائه سرویس است که با کمک آن و بنا به نیاز افراد، منابع رایانشی در اختیار آنها قرار میگیرد. این سیستم ها ممکن است که در شرکت کاربر موردنظر نگهداری شوند و یا با کمک یک ارائه کننده ی سرویس ابری در دسترس کاربر قرار بگیرند. هنگامی که این سرویس ها توسط شرکت دیگری ارائه میشوند، اغلب از اصطلاح رایانش ابری استفاده میشود که مترادف با همان رایانش-بنا-به-درخواست است.

مدل رایانش بنا-به-درخواست با هدف غلبه بر چالش معمول شرکت ها که مبنی بر برآورده سازی کارآمد نیازهای متغیر بوده است، ایجاد شده است. از آنجایی که نیازهای یک شرکت به منابع رایانشی در بازه های زمانی مختلف بسیار متفاوت است، داشتن منابع کافی برای برآورده سازی چنین نیازهای حجم بالایی، بسیار پرهزینه تمام خواهد شد. از طرف دیگر، در صورتی که یک شرکت با نگهداری حداقل منابع رایانشی خود جهت کم کردن هزینه های خود اقدام کند، احتمال آن میرود که منابع کافی برای برآورده سازی چنین حجم بالایی از نیازها وجود نداشته باشد.

مدل رایانش بنا-به-درخواست به شرکت ها میکند که منابع رایانشی خود را تنها با یک کلیک، ایجاد تماس API یا یک قانون بیزینسی کم و زیاد کنند. قابلیت هایی چون مقیاس پذیری، پرداخت برای هر بار استفاده و سلف سرویس از جمله ویژگی های این مدل هستند. فرقی نمیکند که منبع موردنظر یک برنامه برای کمک به همکاری بین افراد یک تیم باشد یا حافظه ی بیشتر برای آرشیو تصاویر، منابع رایانشی انعطاف پذیر، قابل اندازه گیری و آسان برای بکارگیری و استفاده هستند.

سرویس های ابری همچون یک موتور رشد برای بیزینس ها عمل میکنند. از آنجایی که تکنولوژی باعث تغییر چگونگی تعامل ما با همه چیز، ازرسانه های آنلاین گرفته تا مراکز درمانی و سرویس های بانکی میشود، رایانش ابری به شرکت ها کمک میکند تا سرویس های جدید را با سرعت بیشتری ارائه کنند، به سرعت موارد کاربرد جدید ایجاد کنند و از کالاها و سرویس های موردپسند مشتریان سر در بیاورند.

کمپانی هایی که از سرویس های ابری استفاده میکنند، میتوانند به جای خریداری و اجرای سرورها و نرم افزارها، روی بیزینس خود تمرکز کنند. سرویس های ابری، ابزارها و تکنیک های جدیدی را در اختیار آنها قرار میدهد تا بدین شکل، زمان موردنیاز شرکت ها برای تبدیل ایده ها به واقعیت کاهش پیدا کند. این سرویس ها به شرکت ها اجازه میدهد که حجم بالایی از داده ها را جمع آوری، به اشتراک گذاری و تجزیه و تحلیل کنند.

بیشتر سرویس های رایانش ابری به سه گروه گسترده تقسیم میشوند: زیربنا به عنوان یک سرویس ﴿IaaS﴾، پلتفرم به عنوان یک سرویس ﴿PaaS﴾  و نرم افزار به عنوان یک سرویس ﴿SaaSاز این سه گروه گسترده گاهی به عنوان توده رایانشی نیز یاد میشود، چرا که هر کدام از آنها روی دیگری ایجاد میشود. هوشمندی هر شرکت و ارگانی در آن نهفته است که بداند با توجه به نیازهای خود، کدام مدل را انتخاب کند

هر یک از این مدل های مختلف به عنوان یک سرویس ارائه میشوند و از مزیت دیگری که سرویس های ابری ارائه میکنند برخوردار هستند – تحت لیسانس بودن به جای ساخت و خرید نرم افزارها و سخت افزارها. این مدل ها عبارتند از :

1﴾ نرم افزار به عنوان یک سرویس ﴿SaaS:  این مدل این امکان را برای بیزینس ها فراهم میسازد که به صورت مستقیم، اجازه ی دسترسی به اپلیکیشن ها را برای کارمندان، همکاران و یا مشتریان خود صدور کنند. از آنجایی که این اپلیکیشن ها به صورت مرکزی روی ابرها مدیریت میشوند، هیچ نیازی به نگهداری لیسانس ها یا آپگریدها نیست.

2﴾ پلتفرم به عنوان یک سرویس ﴿PaaS:  این مدل یک پلتفرم توسعه اپلیکیشن است که بنا به درخواست ارائه میشود و به توسعه دهندگان اجازه میدهد که بدون متحمل شدن هزینه و دشواری خرید و مدیریت سخت افزار، نرم افزار، تامین ذخایر و هاستینگ تحت آن، روی طراحی، توسعه و بکارگیری نرم افزار تمرکز کنند

به عنوان مثال، با استفاده از مدل PaaS، یک شرکت طراحی بازی های آنلاین میتواند سرعت عمل و ابتکار عمل بیشتری را کسب کند. پیش از در اختیار قرار گرفته شدن منابع ابری، راه اندازی محصولات جدید این کمپانی با استفاده از زیربناها و پیکربندی های مخصوص خود، حدود دو تا چهار ماه طول میکشید. بکارگیری مدل PaaS به این کمپانی اجازه داد که تنها در عرض چند ساعت، منابع درست و مناسب را در اختیار سازندگان بازی ها و مشتریانی که خواهان بازی با آنها بوده اند قرار دهد.

3 زیربنا به عنوان یک سرویس ﴿IaaS:  این مدل بنا به درخواست افراد، قدرت محاسبه/رایانش، محل دخیره سازی و شبکه سازی را در اختیار آنها قرار میدهد و در صورت ارائه ی سرویس از بیرون، هزینه های سنگین مربوط به نگهداری، تامین نیروی کار و انرژی و خنک سازی یک مرکز داده در محل حذف میگردد. در صورتی که این سرویس در داخل خود شرکت و در سطح یکی از بخش های آن شرکت ارائه شود، این مدل همچنان سرعت و کارآمدی مناسبی را در ارائه منابع رایانشی موردنیاز بیزینس ها ارائه میکند.

نمیتوان گفت که تمامی سرویس های ابری مشابه یکدیگر هستند. سه راه مختلف برای بکارگیری منابع رایانش ابری وجود دارد که هر یک از آنها را در ادامه این مقاله بررسی خواهیم نمود :سرویس ابری عمومی، سرویس ابری خصوصی و سرویس ابری هیبریدی.

سرویس ابری عمومی

ابرهای عمومی توسط ارائه کنندگان سرویس های ابری شخص ثالث خریداری و اجرا میشوند که منابع رایانشی خود همچون سرورها و حافظه ها را از طریق اینترنت ارائه میکنند. با کمک سرویس ابری عمومی، تمامی سخت افزارها، نرم افزارها و سایر زیربناهای پشتیبان توسط ارائه کننده ی سرویس ابری خریداری و مدیریت میشوند. شما میتوانید با کمک یک مرورگر وب به این سرویس ها دسترسی پیدا کنید و حساب کاربری خود را مدیریت کنید.

سرویس ابری خصوصی

یک سرویس ابری خصوصی به منابع رایانش ابری اشاره دارد که به صورت گسترده در یک بیزینس یا سازمان منفرد استفاده میشده است. سرویس ابری خصوصی را میتوان به صورت فیزیکی در مرکز داده ی موجود در محل کمپانی قرار داد. همچنین، برخی از شرکتها به ارائه کنندگان سرویس شخص ثالث پول پرداخت میکنند تا بدین شکل ابر خصوصی آنها را هاست کنند. یک ابر خصوصی، ابری است که در آن سرویس ها و زیربناها روی یک شبکه خصوصی نگهداری میشوند.

سرویس ابری هیبریدی

ابرهای هیبریدی، ابرهای عمومی و خصوصی را با یکدیگر ترکیب میکنند و با کمک تکنولوژی که امکان به اشتراک گذاری داده ها و اپلیکیشن ها را میان آنها فراهم میسازد به یکدیگر مربوط میسازند. با ایجاد امکان حرکت و انتقال داده ها و اپلیکیشن ها میان ابرهای خصوصی و عمومی، ابرهای هیبریدی به بیزینس ها کمک میکنند تا انعطاف پذیری بیشتر و گزینه های بکارگیری بیشتری پیدا کنند.

علیرغم تمام آنچه که گفته شد، تکنولوژی به خودی خود باعث ایجاد تغییر نمیشود. چگونگی استفاده از آن و آگاهی مناسب نسبت به آن است که تغییر واقعی و فرهنگ نوآوری را ایجاد میکند.

برگرفته از Searchitoperations، Wired و Azure

http://www.didarc.com/fa/news/three-ways-to-use-cloud-as-a-service

آشنايي با سرويس هاي ابری

سرویس ابری در همه جا حضور دارد. این سرویس بدون آن که ما متوجه حضور آن باشیم، همیشه در همه جا حاضر است. صبح ها هنگامی که پیش از بلند شدن از جای خود به چک کردن ایمیل های گوشی خود میپردازید، تعامل خود را با ابرها آغاز نموده اید. حتی هنگامی که از اپلیکیشنهای موبایل خود برای بررسی میزان ترافیک موجود در خیابان های مسیر بازگشت خود استفاده میکنید، در حال استفاده از سرویس های ابری هستید.

 

هنگامی که در محیط کار مشغول کدنویسی با استفاده از برنامه گیت-هاب هستید و یا مدرکی را با استفاده از برنامه باکس با همکار خود به اشتراک میگذارید، اطلاعات مشتریان را در مرکز داده ی فروش سیلز-فورس وارد میکنید و یا یک کارمند جدید را با استفاده از برنامه ورک-دی تعریف میکنید، در حال استفاده از سرویس ابری هستد. وقتی که به منزل میرویم شاید دوستی سری عکس های گرفته شده در تعطیلاتی که رفته بودیم را در برنامه دراپ-باکس برایمان ارسال کند و آنها را باز کنیم، بدون آنکه متوجه باشیم که مشغول استفاده از یک سرویس ابری هستیم.

 

تمامی مواردی که پیشتر ذکر شد جزء سرویس های ابری هستند، با این حال هر کدام از ما آنها را با اشکال متفاوتی تجربه میکنیم که این موضوع خود سوالاتی را ایجاد میکند: سرویس ابری چیست؟ این ابرها کجا قرار دارند؟ ابر با اینترنت چه فرقی میکند؟

 

اصطلاح “ابر” رابطه ی بسیار نزدیکی با اینترنت دارد. برای مدتی طولانی، پیچیدگی موضوع اینترنت به یک آیکون ابر ساده در دیاگرام های شبکه تقلیل یافته بود.

 

به همین دلیل بود که تمرکز روی سرورها، دستگاه ها و سوئیچ هایی که متخصصین IT مسئول آن بوده اند قرار داشته است و از دیدگاه معماری شبکه، اینترنت فراتر از افق موضوعی بود که احساس نیاز به نگرانی در مورد آن وجود داشته باشد.

 

از آنجایی که در نرم افزارهای ارائه شده از طریق اینترنت، نیازی به نگرانی مشتریان در مورد چگونگی ساختار آنها وجود ندارد، افراد شروع به نامیدن این نرم افزار به عنوان “سرویسی ابری” نمودند.

 

اصطلاح سرویس های ابری یک مفهوم گسترده است که شامل منابع IT بیشماری میشود که از طریق اینترنت فراهم میگردد. ممکن است که از این اصطلاح برای توصیف سرویس های پیشرفته ای استفاده شود که از انتخاب، بکارگیری و مدیریت مداوم منابع ابرمحور مختلف پشتیبانی میکنند.

 

 

 

1.1. تکنولوژی ابر-محور چیست؟

معنای نخست سرویس های ابری، دامنه ی عظیمی از منابع را در بر میگیرد که یک ارائه کننده ی سرویس از طریق اینترنت به مشتریان خود ارائه میکند؛ این تعریف به صورت گسترده به عنوان سرویس ابری شناخته شده است. خوداکتفایی و انعطاف پذیری از جمله ویژگی های سرویس های ابری هستند؛ به عبارت دیگر مشتریان میتوانند به محض درخواست، سرویس های مربوطه را دریافت کنند و هر موقع که دیگر نیازی به آنها ندارند آن را ببندند. علاوه بر این، در این نوع سرویس مشتریان معمولا تحت یک قرارداد پراخت مرتب ماهیانه در سرویس های ابری ثبت نام میکنند و با این کار دیگر لازم نیست که برای لیسانس نرم افزارها و سرور پشتیبان و زیربناهای شبکه هزینه ای صرف کنند. در بسیاری از معاملات این نوع رویکرد، تکنولوژی ابری را به جای یک هزینه ی سرمایه ای به یک هزینه ی عملیاتی تبدیل میکند. از یک دیدگاه مدیریتی، تکنولوژی ابری به سازمان ها اجازه میدهد که بدون تحمل بار نگهداری و بروزرسانی موارد ذیل، به نرم افزار، حافظه، کامپیوتر و سایر زیربناهای IT دسترسی پیدا کنند.

 

 

1.2. سرویس های ابری به عنوان سرویس های تخصصی 

دومین معنای سرویس های ابری مربوط به سرویس های تخصصی میشود که مشتریان را قادر به بکارگیری انواع مختلف سرویس های ابری میسازد. شرکت های مشاوره ای، نصابان و سایر کانال های همکاران ممکن است که این نوع سرویس ها را برای کمک به مشتریان خود در بکارگیری تکنولوژی ابری ارائه کنند.

 

 

1.3. سرویس های ابری به عنوان زیرمجموعه ای از اینترنت

لاری الیسون که یکی از قدیمی ترین مدیرعاملین فعال در تاریخچه سیلیکون ولی است، عدم رضایت خود را نسبت به استفاده ی بیش از حد از واژه ی “ابر” بازگو نمود. به نقل از وی: «شاید من یک احمق باشم، ولی نمیدانم که بقیه در مورد چه صحبت میکنند. این واژه چیست؟ به نظر من این واژه بسیار نامفهوم است و دیوانه وار در حال استفاده سدن است. چه زمان این دیوانگی متوقف خواهد شد؟

 

این که چه چیزی ابری نیست واضح است. نرم افزاری که در هارد درایو موجود در محل ذخیره شده و از آنجا اجرا میشود ابری نیست، چرا که شرط لازم برای رایانش ابری آن است که نرم افزار مربوطه، کد نهفته آن، و زیربنای پشتیبان آن حتما از طریق اینترنت ارائه و اجرا شود.

 

اما چرا فیسبوک به عنوان یک سرویس ابری تلقی میگردد و آمازون زیرمجموعه چنین سرویسی قرار نمیگیرد؟ پاسخ این سوال به چگونگی استفاده ازاین سرویس ها بازمیگردد. یک تجارت الکترونیک همچون آمازون تحت تعریف “نرم افزار یا سرویس ارائه شده از طریق اینترنت” قرار میگیرد. با این حال، شرط دیگر ابری بودن آن است که داده ها باید در آن بارگذاری شده باشند. افراد هیچ گونه داده ای را روی سایت تجارت الکترونیک آمازون بارگذاری نمیکنند، اما در مورد فیسبوک افراد حجم عظمیی از داده ها را که شامل تصاویر و کامنت ها و غیره میشوند در آن بارگذاری میکنند.

 

به همین علت است که نمیتوان سرویس ابری را با اینترنت تلفیق کرد. در عوض، محاسبات ابری مدلی برای به اشتراک گذاری منابع و ایجاد امکان دسترسی فوری به چیزهایی چون ذخیره سازی داده ها، نرم افزار و پردازش است.

2. رایانش ابری چیست؟

به زبان ساده، محاسبات/رایانش ابری به ارائه سرویس های رایانشی از قبیل سرورها، فضاهای ذخیره سازی، پایگاه های داده، شبکه سازی، نرم افزار، آنالیتیک ها و بسیاری موارد دیگر از طریق اینترنت ﴿ابر﴾ اطلاق میشود. نامی که به شرکت های ارائه کننده این گونه سرویس های رایانشی اطلاق میشود، ارائه کنندگان خدمات ابری  است. همچون پولی که برای هزینه های آب و برق مصرفی به صورت دوره ای پرداخت میکنید، با توجه به میزان مصرف شما از این سرویس ها معمولا باید هزینه ای را پرداخت کنید.

 

 

2.1. کاربردهای رایانش ابری

به احتمال زیاد در حال حاضر شما در حال استفاده از رایانش ابری هستید، حتی اگر خودتان از آن مطلع نباشید. اگر از یک سرویس آنلاین برای ارسال ایمیل، ویرایش مدارک، مشاهده ی فیلم و برنامه های تلویزیونی، گوش دادن به موسیقی، بازی کردن و یا ذخیره سازی تصاویر و سایر فایل ها استفاده میکنید، احتمال آن بسیار زیاد است که در پس این صحنه، راینش ابری انجام چنین اموری را ممکن ساخته باشد. نخستین سرویس رایانش ابری شاید یک دهه هم سن نداشته باشد، اما در حال حاضر نهادهای مختلف ﴿از استارتاپ های کوچک گرفته تا شرکت های بین المللی، سازمان های دولتی  و غیرانتفاعی﴾ به دلایل گوناگون در حال بکارگیری این تکنولوژی هستند. در اینجا به برخی از کاربردهای سرویس ابری اشاره خواهیم کرد:

 

• ایجاد کاربردها و سرویس های جدید

• ذخیره سازی، تهیه فایل پشتیبان و بازیابی داده ها

• هاست نمودن وبسایت ها و وبلاگ ها

• پخش صدا و تصویر

• ارائه نرم افزار در صورت درخواست

• تحلیل داده ها برای تشخیص الگوها و انجام پیش بینی

 

 

2.2. مزایای اصلی رایانش ابری

رایانش ابری باعث یک تغییر بزرگ در طرز تفکر بیزینس ها نسبت به منابع IT شده است. رایانش ابری چیست؟ چرا رایانش ابری تا این حد معروف شده است؟ در ادامه ی این مقاله به 6 دلیل معمولی که سازمان ها را به سوی استفاده از سرویس های رایانش ابری سوق میدهد اشاره خواهیم نمود:

 

1. هزینه

رایانش ابری باعث حذف صرف هزینه های بسیار سنگین برای خرید سخت افزارها و نرم افزارها و نصب و برقرای پایگاه های داده در محل میشود؛ این پایگاه ها شامل رک سرورها، تامین برق شبانه روزی برای منابع تغذیه و خنک سازی و متخصصین IT برای مدیریت زیربناهای موجود میشود. این سرویس ها به سرعت به نتیجه میرسند.

 

2. سرعت 

بیشتر سرویس های رایانش ابری به صورت سلف سرویس و به محض درخواست شما ارائه میشوند، بنابراین مقادیر بسیار عظیمی از منابع رایانشی را میتوان در کسری از ثانیه و تنها یا چند کلیک روی موس فراهم نمود. این ویژگی سرویس های ابری، انعطاف پذیری زیادی را برای بیزینس ها به ارمغان می آورد و فشار حاصل از برنامه ریزی ظرفیت ها را بر می دارد.

 

3. مقیاس جهانی

یکی از مزایای سرویس های رایانش ابری، قابلیت مقیاس پذیری آسان آنها است. اگر بخواهیم به زبان سرویس های ابری توضیح دهیم، این قابلیت به معنای ارائه مقدار مناسبی از منابع IT – به عنوان مثال، قدرت رایانش، حافظه ی ذخیره سازی و پهنای باند کمتر یا بیشتر – درست در زمانی که بدان احتیاج است و از منطقه ی جغرافیایی درست میباشد.

 

4. سودمندی

مراکز داده ی موجود در محل معمولا نیازمند حجم زیادی”قفسه سازی و پیکربندی در سرورها“ هستند؛ این اقدامات شامل نصب و برقراری سخت افزارها، پچ نمودن نرم افزارها و سایر کارهای وقت گیر مدیریت IT میشوند.رایانش ابری نیاز به انجام بسیاری از این اقدامات را از بین میبرد، بدین شکل تیم های IT میتوانند زمان خود را صرف نیل اهداف بیزینسی مهمتر کنند.

 

5. عملکرد

بزرگترین سرویس های رایانش ابری روی شبکه ای جهانی از مراکز داده ی ایمن اجرا میشوند که معمولا به صورت مرتب به جدیدترین نسل سخت افزارهای رایانشی سریع و کارآمد بروزرسانی میشوند.

 

6. قابلیت اعتماد

رایانش ابری باعث آسان تر و کم هزینه تر شدن تهیه فایل پشتیبان از داده ها، احیاء داده ها پس از وقوع رخدادهای غیرمنتظره و تداوم بیزینسی میشود؛ این امر بدان خاطر است که داده های موردنظر را میتوان در چندین محل مختلف و روی شبکه ی ارائه کننده سرویس ابری منعکس کرد.

 

 

2.3. رایانش ابری چگونه کار میکند؟

نحوه ی کار سرویس های رایانش ابری با توجه ارائه کننده ی سرویس موردنظر کمی متفاوت است. بسیاری از این سرویس ها، یک داشبورد دوستانه و مرورگر-محور را ارائه میکنند که سفارش منابع و مدیریت حساب های کاربری را برای متخصصین و توسعه دهندگان IT آسانتر میسازد.

 

برخی از سرویس های رایانش ابری با هدف کار با REST APIها و CLI طراحی شده اند که این نوع سرویس ها گزینه های متفاوتی را پیش روی توسعه دهندگان قرار میدهند.

 

 

 

برگرفته از skyhighnetworks، azure، searchitchannel 

http://www.didarc.com/fa/news/what-is-a-cloud-service%3F