30 iul. 2023

Tableau Software: Vizualizarea și analiza datelor

de Nicolae Sfetcu | postat în: Arhiva, Numărul 3, Software, Volumul 2 | 0

Sfetcu, Nicolae (2023), Tableau Software: Vizualizarea și analiza datelor, IT & C, 2:2, 36-42, DOI: 10.58679/IT41294, https://www.internetmobile.ro/tableau-software-vizualizarea-si-analiza-datelor/

Tableau Software: Data visualization and analysis

Abstract

Nowadays, data is generated everywhere, such as YouTube, Tumblr, Reddit, Facebook, WhatsApp, Twitter, Instagram, Gmail, LinkedIn and Academia. Understanding this data is very important because it is a crucial and very important entity of an organization, nation and institutions. Analysis and visualizations of data sets can provide new trends in business, politics, or intelligence, prevent disease and model to predict future paradigms and fight crime, and so on. Right now, the most used tool for data discovery, analysis and visualization is Tableau. Tableau is one of the fastest business intelligence tools. It is quick to implement, easy to learn and very useful for a user.

Keywords: software, Tableau, Tableau Software, data visualization, data analysis, predictions, business intelligence

Rezumat

În prezent, datele sunt generate peste tot, precum YouTube, Tumblr, Reddit, Facebook, WhatsApp, Twitter, Instagram, Gmail, LinkedIn și Academia. Înțelegerea acestor date este foarte importantă, deoarece aceasta este o entitate crucială și foarte importantă a unei organizații, națiuni și instituții. Analiza și vizualizările seturilor de date pot oferi noi tendințe în afaceri, politică, sau intelligence, pot preveni bolile și pot modela pentru a prognoza paradigmele viitoare și a combate criminalitatea, și așa mai departe. În acest moment, cel mai utilizat instrument pentru descoperirea, analiza și vizualizarea datelor, este Tableau. Tableau este unul dintre cele mai rapide instrumente de business intelligence. Este rapid de implementat, ușor de învățat și foarte util pentru un utilizator.

Cuvinte cheie: software, Tableau, Tableau Software, vizualizarea datelor, analiza datelor, predicții, business intelligence

IT & C, Volumul 2, Numărul 3, Septembrie 2023, pp. 36-42
ISSN 2821 – 8469, ISSN – L 2821 – 8469, DOI: 10.58679/IT41294
URL: https://www.internetmobile.ro/tableau-software-vizualizarea-si-analiza-datelor/
© 2023 Nicolae Sfetcu. Responsabilitatea conținutului, interpretărilor și opiniilor exprimate revine exclusiv autorilor

Tableau Software: Vizualizarea și analiza datelor

Nicolae Sfetcu[1]

nicolae@sfetcu.com

[1] Cercetător – Academia Română – Comitetul Român de Istoria și Filosofia Științei și Tehnicii (CRIFST), Divizia de Istoria Științei (DIS)

Introducere

În prezent, datele sunt generate peste tot, cum ar fi YouTube, Tumblr, Reddit, Facebook, WhatsApp, Twitter, Instagram, Gmail, LinkedIn și Academia. (1) Înțelegerea acestor date este foarte importantă, deoarece aceasta este o entitate crucială și foarte importantă a unei organizații, națiuni și instituții. Big Data este o colecție de date mari [1] și complexe, care sunt dificil de gestionat cu software-ul tradițional de procesare a datelor. Analiza și vizualizările [2] seturilor de date pot oferi noi tendințe de afaceri, pot preveni bolile și pot modela pentru a prognoza paradigmele viitoare și a combate criminalitatea, și așa mai departe. În acest moment, cel mai utilizat instrument pentru descoperirea, analiza și vizualizarea datelor, este Tableau [3]. Tableau este unul dintre cele mai rapide instrumente de business intelligence (BI). Este rapid de implementat, ușor de învățat și foarte util pentru un utilizator. Tableau este un software [4] care poate ajuta utilizatorii să-și exploreze și să-și înțeleagă datele prin craearea de vizualizări interactive. Software-ul are avantajele că poate fi utilizat împreună cu aproape orice bază de date și este ușor de utilizat prin drag-and-drop pentru a crea o vizualizare interactivă [5] care exprimă formatul dorit. Utilitatea Tableau în analiza datelor datelor, ca în cazul COVID-19(Coronavirus), [6] poate fi măsurată prin performanța sa, mediul ușor de utilizat și viteza. Tableau este un instrument utilizat pentru vizualizarea complexă și simplificarea datelor complexe. A fost conceput pentru a ajuta utilizatorul să creeze imagini și grafice fără ajutorul vreunui programator sau fără cunoștințe anterioare de programare. Vizualizarea datelor este o modalitate intuitivă prin care utilizatorii pot citi și înțelege cu ușurință datele, în special în analizele de megadate [7]. Ajută la îmbunătățirea calității politicilor sau serviciilor de guvernanță [8], prezentând o viziune integrată și dovezi pentru luarea de decizii mai bune [9]. Tableau conectează utilizatorii cu o varietate de surse de date și le permite să creeze vizualizări de date prin realizarea de diagrame, hărți, tablouri de bord și prezentări printr-o interfață simplă de glisare și plasare.

Tableau se poate conecta la fișiere, surse relaționale și Big Data [1] pentru a achiziționa și procesa date. Software-ul permite combinarea datelor și colaborarea în timp real, ceea ce îl face foarte unic. Analiza datelor [10] este foarte rapidă cu Tableau [11], iar vizualizările create sunt sub formă vizuală cu tablouri de bord și foi de lucru. Un tablou de bord Tableau permite integrarea mai multor vizualizări într-o singură vizualizare. Este adesea folosit pentru a afișa numai datele cele mai importante, și uneori este personalizat. Funcționează prin conectarea la datele stocate în diferite locuri. Poate extrage date din orice sursă imaginabilă. De la o simplă foaie Excel la PDF, la baze de date complexe precum Oracle, la următorul nivel de cloud cum ar fi serviciile web Amazon[12], baza de date Microsoft Azure SQL [13], sau Google Cloud SQL, pot fi extrase de Tableau.

Tableau este un software de vizualizare a datelor și business intelligence dezvoltat de Tableau Software, o companie fondată în 2003. Acesta permite utilizatorilor să se conecteze la diverse surse de date, să vizualizeze seturi de date complexe și să creeze tablouri de bord și rapoarte interactive și perspicace. Software-ul se adresează utilizatorilor de toate nivelurile, de la începători la experți în date, oferind o interfață intuitivă și funcționalitate drag-and-drop.

Caracteristici și funcționalitate

Tableau facilitează partajarea datelor, indiferent de cerințele dvs. (1) Tableau Online este un instrument BI ușor de utilizat, bazat pe cloud, care poate permite oricărei organizații să partajeze vizualizările create în Tableau Desktop cu alte persoane [14]. Tableau Server permite aceleași capacități de partajare printr-o interfață similară, dar este instalat pe propriile noastre servere de rețea și gestionat de dvs.. După cum ne-am aștepta, toate vizualizările de pe Tableau Server și Tableau online sunt complet interactive și pot fi încorporate în orice pagină web. În plus, motorul Tableau se poate conecta la date live pentru vizualizări actualizate sau la date stocate pentru multe vizualizări care se mișcă mai ușor. În această secțiune, discutăm despre diferitele tipuri de versiuni Tableau.

Avantaje ale lucrului cu Tableau:

Conectivitate la date: Tableau acceptă o gamă largă de surse de date, inclusiv foi de calcul, baze de date, stocare de date bazată pe cloud și surse de date masive. Această flexibilitate permite utilizatorilor să îmbine și să integreze diverse fluxuri de date fără probleme.
Interfață drag-and-drop: interfața ușor de utilizat a Tableau permite utilizatorilor să creeze vizualizări fără a fi nevoie de cunoștințe extinse de codare sau programare. Cu acțiuni simple de glisare și plasare, utilizatorii pot construi diagrame, grafice, hărți și alte reprezentări vizuale ale datelor.
Tablouri de bord interactive: tablourile de bord interactive Tableau oferă utilizatorilor posibilitatea de a explora datele în mod dinamic. Ele pot filtra, detalia și trece cu mouse-ul peste punctele de date pentru a obține informații mai profunde și a descoperi modele și tendințe.
Analiză și calcule: Software-ul oferă o gamă largă de funcții și calcule analitice încorporate. Utilizatorii pot aplica măsuri statistice, pot efectua calcule complexe și pot crea câmpuri calculate pentru a obține noi valori din datele existente.
Mobilitate și colaborare: aplicația mobilă Tableau permite utilizatorilor să-și acceseze vizualizările și tablourile de bord din mers. Mai mult, software-ul promovează colaborarea, permițând utilizatorilor să partajeze vizualizări interactive cu colegii și părțile interesate.

Serverul Tableau este proiectat astfel încât să conecteze mai multe niveluri de date prezentate în figura 1. (1) Poate conecta clienți de pe desktop, mobil și web. Desktop Tableau este un instrument robust de vizualizare a datelor. Este foarte disponibil și sigur. Poate rula atât pe mașini virtuale, cât și pe mașini fizice. Este un sistem multi-utilizator, multi-proces și multi-threaded [15]. Poate ușura analiza datelor și vă ajută să efectuați o varietate de sarcini, inclusiv accesarea bazelor de date, colaborarea la proiecte, generarea de rapoarte și așa mai departe. Cel mai bun lucru despre Tableau este că se poate conecta la mai multe surse simultan. Îmbină datele pe care le primește din acele surse pentru a vă oferi rezultate precise.

Componenta principală a arhitecturii Tableau sunt sursele de date la care se poate conecta. Stochează date în depozit, păstrează datele utilizatorului în siguranță și efectuează multe sarcini esențiale similare. Tableau se poate conecta la mai multe surse de date. Aceste surse de date pot fi la sediu sau de la distanță. Se poate conecta la o bază de date, un fișier Excel și o aplicație web toate în același timp. Tableau poate conecta date din medii eterogene. Tableau poate lucra cu toate acestea simultan. Tableau oferă alternative simple pentru a vă actualiza datele pentru a fi rapid și receptiv cu motorul rapid de date în memorie [29]. Poate combina datele din mai multe surse de date. De asemenea, poate crea o relație între diverse tipuri de surse de date.

Figura 1 Arhitectura Tableau. Credit: (1)

Impactul asupra analizei datelor

Tableau a avut un impact profund asupra analizei datelor și proceselor de luare a deciziilor din cadrul organizațiilor:

Viteză și eficiență: interfața intuitivă Tableau și capabilitățile de procesare a datelor în timp real reduc semnificativ timpul necesar pentru analiza datelor. Utilizatorii pot transforma rapid datele brute în informații utile, ceea ce duce la un proces decizional mai eficient.
Vizualizarea datelor: accentul software-ului pe vizualizarea datelor îmbunătățește înțelegerea datelor. Utilizatorii pot identifica tendințele, valorile aberante și corelațiile mai eficient prin reprezentări vizuale, ceea ce duce la decizii de afaceri mai bine informate.
Democratizarea datelor: accesibilitatea Tableau a democratizat datele, permițând angajaților de la toate nivelurile să acceseze și să interpreteze datele fără a fi nevoie de expertiză specializată în IT sau știința datelor. Această împuternicire încurajează o cultură bazată pe date în cadrul organizațiilor.
Povești bazate pe date: Tableau încurajează povestirea bazată pe date, permițând utilizatorilor să comunice informații în mod eficient către părțile interesate non-tehnice. Prin prezentarea vizuală a datelor, informațiile complexe devin mai accesibile și mai memorabile.

Promovarea alfabetizării datelor

Tableau Software joacă un rol esențial în promovarea alfabetizării datelor în diverse industrii:

Educație și formare: ușurința de utilizare a Tableau și adoptarea pe scară largă în afaceri au dus la încorporarea acestuia în programele educaționale. Acest lucru dă putere studenților și profesioniștilor deopotrivă să dezvolte abilități de analiză a datelor.
Vizualizarea datelor publice: Tableau Public, o platformă gratuită, permite utilizatorilor să publice vizualizări de date interactive în mod public. Acest lucru încurajează o comunitate de pasionați de date care împărtășesc cunoștințe și idei prin vizualizări convingătoare.
Luarea deciziilor bazată pe date: prin împuternicirea organizațiilor cu perspective bazate pe date, Tableau contribuie la o cultură care apreciază luarea deciziilor bazate pe dovezi. Acest lucru asigură alegeri mai informate în diferite sectoare.

Concluzie

Tableau Software a transformat peisajul vizualizării și analizei datelor. Cu interfața sa ușor de utilizat, caracteristicile puternice și accent pe vizualizarea datelor, Tableau a făcut analiza datelor accesibilă unui public mai larg, promovând alfabetizarea datelor și luarea deciziilor în cunoștință de cauză. Pe măsură ce lumea continuă să producă cantități uriașe de date, rolul Tableau de a împuternici indivizii și organizațiile pentru a înțelege aceste date și a genera schimbări pozitive va rămâne indispensabil.

Referințe

Nikhat Akhtar, Nazia Tabassum, Asif Perwej, Yusuf Perwej, în ”Data analytics and visualization using Tableau utilitarian for COVID-19 (Coronavirus)”, Global Journal of Engineering and Technology Advances, 2020, 03(02), 028–050, DOI 10.30574/gjeta.2020.3.2.0029, licența CC BY 4.0. Traducere și adaptare © 2023 Nicolae Sfetcu

Bibliografie

[1] Yusuf Perwej. (2017). “An Experiential Study of the Big Data,” International Transaction of Electrical and Computer Engineers System (ITECES), USA, ISSN (Print): 2373-1273 ISSN (Online): 2373-1281, Science and Education Publishing, 4(1),14-25.

[2] Lidong Wang, Guanghui Wang and Cheryl Ann Alexander.(2015).”Big Data and Visualization: Methods Challenges and Technology Progress”, Digital Technologies, 1(1), 33-38.

[3] Joshua N. M. (2015). „Learning Tableau „, Published by the PACKT, ISBN-13, 978-1784391164.

[4] M Cristani, E Karafili and L Vigano. (2013). Tableau systems for reasoning about risk. Ambient Intelligence and Humanized Computing.

[5] Lei Junhu, Yang Jiahong, Zhong Jiancheng et al. (2011). „High dimensional data visualization based on PCA and parallel coordinates [J]”, computer engineering, 37(1), 48-50.

[6] [WHO portal, https://www.who.int/emergencies/diseases/novel-coronavirus, Last accessed on 11/03/2020].

[7] Nikhat Akhtar, Firoj Parwej and Dr. Yusuf Perwej. (2017). “A Perusal Of Big Data Classification And Hadoop Technology,” International Transaction of Electrical and Computer Engineers System (ITECES), USA, ISSN (Print): 2373-1273 ISSN (Online): 2373-1281, 4(1), 26-38.

[8] Al-Mushayt O, Haq K and Yusuf P. (2009). “Electronic-Government in Saudi Arabia; a Positive Revolution in the Peninsula”, International Transactions in Applied Sciences, India, 1(1), 87-98.

[9] Janvrin DJ, Raschke RL and Dilla WN. (2014). Making sense of complex data using interactive data visualization. J Account Educ, 32(4), 31-48.

[10] Pascual-cid Victor. (2008). „An Information Visualization System for the Understanding of Web Data”, Proceedings of IEEE Symposium on Information Visualization (INFOVIS).

[11] Manohar V, Arpan G and Bjorn B. (2018). Brandenburg. 2018. Tableau: A High-Throughput and Predictable VM Scheduler for High-Density Workloads. In EuroSys ’18: Thirteenth EuroSys Conference, ACM, New York, NY, USA, 16.

[12] S Narula, A Jain and M Prachi. (2015). „Cloud computing security: Amazon Web service”, IEEE 5th Int. Conf. Adv. Comput. Commun. Technol, 501-505.

[13] R Tudoran, A Costan, G Antoniu and L Bouge.(2012). „A performance evaluation of azure and nimbus clouds for scientific applications”, Proceedings of the 2nd International Workshop on Cloud Computing Platforms, 4.

[14] Santos D. (2016). “Tableau 10 Business Intelligence Cookbook”.

[15] Tim C and Lori B. (2020). ’’Prepare Your Data for Tableau: A Practical Guide to the Tableau Data Prep Tool”, Apress Media, ISBN-13 (electronic): 978-1-4842-5497-4.

Acesta este un articol cu Acces Deschis (Open Access) distribuit în conformitate cu termenii licenței de atribuire Creative Commons CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/).

27 iul. 2023

Criptomonede și criptosecurități – Contracte inteligente

de Nicolae Sfetcu | postat în: Arhiva, Numărul 3, Securitate cibernetică, Volumul 2 | 0

Sfetcu, Nicolae (2023), Criptomonede și criptosecurități – Contracte inteligente, IT & C, 2:2, 58-68, DOI: 10.58679/IT50863, https://www.internetmobile.ro/criptomonede-si-criptosecuritati-contracte-inteligente/

Cryptocurrencies and Cryptosecurities – Smart Contracts

Abstract

Cryptocurrencies have become a „buzzword” to refer to a wide range of technological developments, through which cryptocurrencies are secured. Cryptosecurities are used to register, issue, and transfer common stock and other corporate securities so that a company’s capitalization table is always accurate and up-to-date. A smart contract is a computer protocol designed to digitally facilitate, verify, or execute the negotiation or execution of a contract, enabling credible, traceable, and irreversible transactions without third parties.

Keywords: blockchain, cryptocurrencies, crypto security, cryptographic tokens, intelligence contracts

Rezumat

Criptomonedele au devenit un „cuvânt la modă” pentru a se referi la o gamă largă de evoluții tehnologice, prin care criptomonedele sunt securizate. Criptosecuritățile sunt folosite pentru înregistrarea, emiterea și transferul de acțiuni obișnuite și alte titluri corporative, astfel încât tabelul de capitalizare al unei companii să fie întotdeauna corect și actualizat. Contractul inteligent este protocol informatic destinat să faciliteze, să verifice sau să execute în mod digital negocierea sau executarea unui contract, permițând tranzacții credibile, trasabile și ireversibile, fără terțe părți.

Cuvinte cheie: blockchain, criptomonede, criptosecurități, jetoane criptografice, contracte inteligence

IT & C, Volumul 2, Numărul 3, Septembrie 2023, pp. 58-68
ISSN 2821 – 8469, ISSN – L 2821 – 8469, DOI: 10.58679/IT50863
URL: https://www.internetmobile.ro/criptomonede-si-criptosecuritati-contracte-inteligente/
© 2023 Nicolae Sfetcu. Responsabilitatea conținutului, interpretărilor și opiniilor exprimate revine exclusiv autorilor.

Criptomonede și criptosecurități – Contracte inteligente

Nicolae Sfetcu[1]

nicolae@sfetcu.com

[1] Cercetător – Academia Română – Comitetul Român de Istoria și Filosofia Științei și Tehnicii (CRIFST), Divizia de Istoria Științei (DIS)

Definirea criptomonedelor

Stabilirea unei definiții a criptomonedelor nu este o sarcină ușoară. La fel ca blockchain, criptomonedele au devenit un „cuvânt la modă” pentru a se referi la o gamă largă de evoluții tehnologice care utilizează o tehnică mai cunoscută sub numele de criptografie. În termeni simpli, criptografia este tehnica de protejare a informațiilor prin transformarea acesteia (adică criptarea acesteia) într-un format ilizibil care poate fi descifrat (sau decriptat) doar de către cineva care deține o cheie secretă. (1) Criptomonedele precum Bitcoin sunt securizate prin această tehnică folosind un sistem ingenios de chei digitale publice și private. (2)

De la apariția Bitcoin în 2009 (3), subiectul criptomonedelor a fost examinat de diferiți factori de decizie politică, fiecare abordând subiectul într-un mod diferit.

BCE

Banca Centrală Europeană („BCE”) a clasificat criptomonedele ca un subset de monede virtuale. Într-un raport privind schemele de valută virtuală din 2012, a definit astfel de valute ca o formă de bani digitali nereglementați, de obicei emise și controlate de dezvoltatorii săi și utilizate și acceptate în rândul membrilor unei comunități virtuale specifice. (4)

A clarificat în continuare că trei tipuri de monede virtuale pot fi distinse în funcție de interacțiunea cu monedele tradiționale și economia reală:

monede virtuale care pot fi utilizate numai într-un sistem virtual închis, de obicei în jocuri online (de exemplu, World of Warcraft Gold);
monede virtuale care sunt legate unilateral de economia reală: există o rată de conversie pentru achiziționarea monedei (cu banii tradiționali), iar moneda achiziționată poate fi utilizată ulterior pentru a cumpăra bunuri și servicii virtuale (și, în mod excepțional, pentru a cumpăra bunuri și servicii reale) ( de exemplu, credite Facebook);
monede virtuale care sunt legate bilateral de economia reală: există rate de conversie atât pentru achiziționarea de monede virtuale, cât și pentru vânzarea unei astfel de monede; moneda achiziționată poate fi utilizată pentru a cumpăra atât bunuri virtuale, cât și bunuri reale și servicii. (5)

Criptomonedele, cum ar fi Bitcoin, sunt monede virtuale de acest tip: pot fi cumpărate atât cu bani tradiționali, așa cum se folosesc acești bani, și pot fi folosite și pentru a cumpăra atât bunuri și servicii digitale, cât și reale. (6)

Într-un raport mai recent din 2015 intitulat Virtual Currency Schemes – a further analysis, BCE a prezentat o „a doua” definiție a monedelor virtuale și, în mare măsură, actualizată. Aceasta a definit monedele virtuale ca reprezentări digitale ale valorii, care nu sunt emise de o bancă centrală, o instituție de credit sau o instituție de monedă electronică, care, în anumite circumstanțe, pot fi utilizate ca alternativă la bani. (7) De asemenea, a clarificat faptul că criptomonedele, precum Bitcoin, constituie o monedă virtuală descentralizată bidirecțională (adică bilaterală) . (8)

FMI

La fel ca BCE, Fondul Monetar Internațional („FMI”) a clasificat criptomonedele ca un subset de monede virtuale, pe care le definește ca reprezentări digitale ale valorii, emise de dezvoltatori privați și denominate în propria unitate de cont. (9) Potrivit FMI, conceptul de monede virtuale acoperă o gamă mai largă de „monede”, variind de la IOU-uri simple („Certificate informale de datorie” sau „Vă datorez”) de către emitenți (cum ar fi cupoane Internet sau mobile și distanțe pe linii aeriene), valute virtuale susținute de active precum aurul, și criptomonede precum Bitcoin. (10)

BIS

Comitetul pentru plăți și infrastructuri de piață („CPMI”), un organism al Băncii pentru decontări internaționale („BIS”), are criptomonede calificate drept monede digitale sau scheme de monedă digitală. (11) Se spune că aceste scheme prezintă următoarele caracteristici cheie:

sunt active, a căror valoare este determinată de cerere și ofertă, asemănătoare ca și concept cu mărfuri precum aurul, dar cu valoare intrinsecă zero;
utilizează registre mari distribuite pentru a permite schimburi la distanță de la egal la egal de valoare electronică în absența încrederii între părți și fără a fi nevoie de intermediari; și
nu sunt operate de nicio persoană sau instituție specifică. (12)

EBA

Autoritatea bancară europeană („EBA”) a sugerat să se refere la criptomonede ca monede virtuale, pe care le definește (13) ca reprezentări digitale ale valorii care nu sunt nici emise de o bancă centrală sau autoritate publică și nici neapărat atașate unei monede fiduciare, dar sunt utilizate de către sau persoane fizice sau juridice ca mijloc de schimb și pot fi transferate, stocate sau tranzacționate electronic. (14)

ESMA

Autoritatea europeană pentru valori mobiliare și piețe („ESMA”) s-a referit recent la criptomonede drept valute virtuale, într-un avertisment paneuropean emis în cooperare cu Autoritatea europeană pentru asigurări și pensii ocupaționale („EIOPA”) și EBA. (15) Complet conform definiției ABE, monedele virtuale sunt definite ca reprezentări digitale ale valorii care nu sunt nici emise, nici garantate de o bancă centrală sau de o autoritate publică și care nu au statutul juridic al monedei sau banilor. (16)

Banca Mondială

Banca Mondială a clasificat criptomonedele ca un subset de monede digitale, pe care le definește ca reprezentări digitale ale valorii care sunt denominate în propria unitate de cont, distinctă de e-money, care este pur și simplu un mecanism de plată digitală, reprezentând și denominat în bani fiduciari. (17)

Spre deosebire de majoritatea celorlalți factori de decizie politică, Banca Mondială a definit, de asemenea, criptomonedele în sine ca monede digitale care se bazează pe tehnici criptografice pentru a ajunge la un consens. (18)

FATF

La fel ca mulți alți factori de decizie politică, Financial Action Task Force („FATF”) a abordat criptomonedele ca un subset de monede virtuale, pe care le definește ca reprezentări digitale ale valorii care pot fi tranzacționate digital și funcționează ca (1) un mediu de schimb; și / sau (2) o unitate de cont; și / sau (3) un depozit de valoare, dar nu au statut de mijloc legal de plată (adică, atunci când sunt oferite unui creditor, nu sunt o ofertă de plată validă și legală) în orice jurisdicție. (19)

În plus, sugerează că monedele virtuale pot fi împărțite în două tipuri de bază:

monede virtuale convertibile care au o valoare echivalentă în moneda reală și pot fi schimbate cu monede reale; aceste monede virtuale pot fi de natură centralizată sau descentralizată (adică pot avea fie o autoritate de administrare centrală care controlează sistemul, fie nu au deloc o supraveghere centrală); și
monedele virtuale neconvertibile, care sunt specifice unui anumit domeniu sau lume virtuală (de exemplu, un joc de rol online masiv multiplayer, cum ar fi World of Warcraft) și în conformitate cu regulile care guvernează utilizarea acestuia, nu pot fi schimbate în monedă fiduciară. (20)

Criptomonedele precum Bitcoin sunt monede virtuale de primul tip, care pot fi, conform FATF, definite ca monede virtuale convertibile descentralizate bazate pe matematică, protejate de criptografie.

Concluzie

Principala concluzie care poate fi trasă din diferitele perspective expuse mai sus este că nu există o definiție general acceptată a termenului criptomonede disponibile în spațiul de reglementare. Și mai mult, majoritatea factorilor de decizie politică s-au abținut de la definirea completă a termenului. Dintre cele citate mai sus, numai Banca Mondială și FATF au prezentat o definiție clară. Este clar, însă, că majoritatea factorilor de decizie politică abordează criptomonedele ca subset sau sub formă de monede virtuale sau digitale.

Dacă încercăm să rezumăm toate definițiile de mai sus, un rezumat bun ar putea fi că o criptomonedă este „o reprezentare digitală a valorii care (i) este destinată să constituie o alternativă peer-to-peer („ P2P ”) alternativă la cursul legal emis de guvern, (ii) este utilizată ca mijloc de schimb de uz general (independent de orice bancă centrală), (iii) este garantată printr-un mecanism cunoscut sub numele de criptografie și (iv) poate fi convertită la cursul legal și invers”.

Criptosecurități

În practică, termenul de criptomonede este adesea folosit în mod eronat într-un sens foarte larg. (21) Ar trebui ca termenul să se distingă atât de jetoane, cât și de criptosecurități.

Criptomonede – Jetoane

În primul rând, criptomonedele ar trebui să se deosebească de „jetoanele” criptografice, care oferă o funcționalitate diferită și dincolo de cea a unui mediu de schimb cu scop general. Jetoanele sunt emise în cadrul unei oferte inițiale de jetoane sau „ITO” (22) pentru a strânge fonduri pentru un anumit proiect sau întreprindere. Acestea constituie o nouă clasă de cripto-active (adică active digitale înregistrate pe un registru distribuit, securizat prin criptografie (23)) care înglobează un fel de creanță împotriva unei entități (sau împotriva fluxurilor sale de numerar, a activelor, a valorii reziduale, a bunurilor sau serviciilor viitoare, … ) care apare din utilizarea tehnologiei blockchain. (24)

Unele jetoane seamănă cu instrumente tradiționale precum acțiuni sau obligațiuni și sunt denumite în mod obișnuit „jetoane de securitate” sau „jetoane de investiții” . (25) Alte jetoane acordă deținătorilor lor (viitori) acces la produse sau servicii specifice și sunt denumite în mod obișnuit „jetoane utilitare ”. Acestea pot fi utilizate pentru a achiziționa anumite produse sau servicii, dar nu constituie un mediu de schimb cu scop general, pur și simplu pentru că pot fi utilizate în general numai pe platforma simbolică în sine. (26)

Criptosecurități

În al doilea rând, criptomonedele ar trebui, de asemenea, să se distingă de un concept care a fost denumit recent „criptosecurități” . (27) Pe scurt, s-a susținut că tehnologia blockchain ar putea fi folosită și pentru înregistrarea, emiterea și transferul de acțiuni obișnuite și alte titluri corporative, astfel încât ca tabelul de capitalizare al unei companii este întotdeauna corect și actualizat. (28) Deoarece acest proces tehnologic ar fi securizat cu criptografie, s-a sugerat ca aceste valori mobiliare să fie definite sub numele de criptosecurități.

Singura conexiune dintre acest concept nou dezvoltat, „criptosecurități”, și criptomonede, este că ambele utilizează tehnologia blockchain.

Contracte inteligente

Un contract inteligent este un protocol informatic destinat să faciliteze, să verifice sau să execute în mod digital negocierea sau executarea unui contract. Contractele inteligente permit efectuarea de tranzacții credibile fără terți. Aceste tranzacții sunt trasabile și ireversibile.

Susținătorii contractelor inteligente susțin că multe tipuri de clauze contractuale pot fi făcute parțial sau pe deplin auto-executabile, autoaplicabile sau de amândouă. Scopul contractelor inteligente este de a oferi o securitate superioară legilor contractuale tradiționale și de a reduce alte costuri de tranzacționare asociate contractării. Diferite criptovalute au implementat tipuri de contracte inteligente.

Istorie

Contractele inteligente au fost inițial propuse de Nick Szabo, care a creat acest termen. Cu prezentele implementări, bazate pe blocuri, „contractul inteligent” este folosit în special mai specific în sensul calculului general care are loc într-un blockchain sau într-un registru distribuit. În această interpretare, folosită de Fundația Ethereum sau IBM, un contract inteligent nu este neapărat legat de conceptul clasic al unui contract, ci poate fi orice tip de program de calculator.

În 2018, un raport al Senatului american a spus: „În timp ce contractele inteligente ar putea părea noi, conceptul se înrădăcinează în legea contractului de bază. De regulă, sistemul judiciar se pronunță asupra litigiilor contractuale și impune termeni, dar este, de asemenea, comună o altă metodă de arbitraj, pentru tranzacțiile internaționale. Cu contracte inteligente, un program execută contractul construit în cod.”

Implementări

Algoritmi bizantini toleranți la erori au permis securitatea digitală prin descentralizare pentru a forma contracte inteligente. În plus, limbajele de programare cu diferite grade de completitudine Turing ca o caracteristică încorporată a unor blockchains, fac posibilă crearea unei logici sofisticate personalizate.

Exemple notabile de implementare a contractelor inteligente sunt:

Bitcoin oferă, de asemenea, un limbaj script Turing incomplet, care permite crearea de contracte personalizate inteligente în plus față de conturile de tip multi-semnătură Bitcoin, canale de plată, intermedieri financiare, blocări de timp, tranzacționare cu lanțuri atomice, oracole sau loterie multi-party fără operator.
Ethereum implementează un limbaj aproape complet Turing în blockchain, un cadru de contract inteligent proeminent.
RootStock (RSK) este o platformă inteligentă care este conectată la blocul Bitcoin prin tehnologia laterală. RSK este compatibil cu contractele inteligente create pentru Ethereum.
Ripple (Codius): dezvoltarea inteligentă a contractelor s-a oprit în 2015

Titluri replicate și executarea contractelor

Szabo propune ca infrastructura inteligentă a contractelor să poată fi implementată prin intermediul registrelor de bunuri reproduse și executării contractului utilizând lanțuri hash criptografice și replicare problemelor de toleranță bizantină. Askemos a implementat această abordare în 2002 utilizând Schema (mai târziu adăugând SQLite) ca limbaj script script.

O propunere de utilizare a unui bitcoin pentru înregistrarea activelor reproduse și executarea contractelor se numește „monede colorate”. Titlurile reproduse pentru formele de proprietate potențial arbitrare, împreună cu executarea repetată a contractului, sunt implementate în diferite proiecte.

Începând cu anul 2015, UBS a experimentat „legături inteligente” care utilizează blockchain-ul bitcoin, în care fluxurile de plată ar putea fi automatizate ipotetic, creând un instrument cu plată automată.

Probleme de securitate

Un contract inteligent este „un protocol de tranzacție computerizat care execută termenii unui contract”. Un contract inteligent bazat pe blockchain este vizibil pentru toți utilizatorii blockchain menționat. Totuși, aceasta conduce la o situație în care bug-urile, inclusiv găurile de securitate, sunt vizibile pentru toți, dar nu pot fi repede reparate.

Un astfel de atac, greu de rezolvat repede, a fost executat cu succes pe DAO în iunie 2016, drenând US $ 50 milioane în Ether, în timp ce dezvoltatorii au încercat să ajungă la o soluție care să obțină un consens. Programul DAO a avut o întârziere în timp înainte ca hackerul să poată scoate fondurile; o furcă dură de software-ului Ethereum a fost făcută pentru a recupera fondurile de la atacator înainte de expirarea termenului limită.

Problemele din contractele inteligente de la Ethereum includ, în special, ambiguități și construcții ușoare, dar nesigure, în limbajul de contractat Solidity, bug-uri de compilare, bug-uri virtuale de la Ethereum, atacuri asupra rețelei blockchain, imutabilitatea bug-urilor, și faptul că nu există nicio sursă centrală de documentare a vulnerabilităților cunoscute, atacuri și construcții problematice.

Referințe

Sfetcu, Nicolae (2022). Criptomonede, Editura MultiMedia Publishing, ISBN 978-606-033-645-7, https://www.telework.ro/ro/e-books/criptomonede/
Sfetcu, Nicolae (). Tehnologia Blockchain – Bitcoin, Editura MultiMedia Publishing, ISBN 978-606-033-121-6, https://www.telework.ro/ro/e-books/tehnologia-blockchain-bitcoin/

Bibliografie

(1) See for example: J. Faulkner, Getting started with Cryptography in .NET, Mu nchen BookRix, 2016, 6.
(2) R. HOUBEN, „Bitcoin: there two sides to every coin”, ICCLR, Vol. 26, Issue 5, 2015, 195.
(3) Inter alia: https://bitcoin.org/en/faq#who-created-bitcoin; G. HILEMAN and M. RAUCHS, “Global Cryptocurrency Benchmarking Study”, Cambridge Centre for Alternative Finance, 2017, https://www.jbs.cam.ac.uk/fileadmin/user_upload/research/centres/alternative-finance/downloads/2017-global-cryptocurrency-benchmarking-study.pdf, 15.
(4) ECB, “Virtual Currency Schemes”, October 2012, https://www.ecb.europa.eu/pub/pdf/other/virtualcurrencyschemes201210en.pdf, 13.
(5) Ibid., 13-19.
(6) Inter alia: BANQUE DE FRANCE, „Les dangers liés au développement des monnaies virtuelles: l’exemple de bitcoin”, in Focus, no. 10, 5 December 2013, https://www.banque-france.fr/uploads/tx_bdfgrandesdates/Focus-10-stabilite-financiere.pdf, 2; R. HOUBEN, „Bitcoin: there two sides to every coin”, ICCLR, Vol. 26, Issue 5, 2015, 194; N. VANDEZANDE, Virtual currencies: a legal framework, Antwerp, Intersentia, 2018, 75-76.
(7) ECB, “Virtual Currency Schemes – a further analysis”, February 2015, https://www.ecb.europa.eu/pub/pdf/other/virtualcurrencyschemesen.pdf, 4.
(8) Ibid., 9.
(9) IMF Staff Discussion Note, “Virtual Currencies and Beyond: Initial Considerations”, January 2016, https://www.imf.org/external/pubs/ft/sdn/2016/sdn1603.pdf, 7.
(10) Ibid.
(11) CPMI, “Digital currencies”, November 2015, https://www.bis.org/cpmi/publ/d137.pdf, nota de subsol 2: „acest raport folosește termenul„ monede digitale ”, deoarece, în timp ce recunoaște că termenul nu este perfect, termenul este folosit pe scară largă și reflectă conceptul că acestea sunt active reprezentate în formă digitală. Rapoartele CPMI anterioare foloseau termenul „monede virtuale”, reflectând existența lor într-o formă virtuală mai degrabă decât fizică; monedele virtuale, în special, sunt răspândite în anumite medii online. Mai mult, aceste scheme sunt denumite frecvent „criptomonede”, reflectând utilizarea criptografiei în emiterea lor și în validarea tranzacțiilor ”.
(12) Ibid., 4-7.
(13) Trebuie remarcat faptul că EBA a indicat că utilizarea termenului „monedă” poate fi înșelătoare în unele cazuri. Cu toate acestea, a ales să utilizeze acest termen datorită utilizării sale publice obișnuite în acel moment (adică 2014). A se vedea, “EBA Opinion on ‘virtual currencies’”, 4 July 2014, https://www.eba.europa.eu/documents/10180/657547/EBA-Op-2014-08+Opinion+on+Virtual+Currencies.pdf, 11.
(14) Ibid. Vezi și: Discurs de Andrea Enria, președinte al EBA, “Designing a Regulatory and Supervisory Roadmap for FinTech”, 9 March 2018, http://www.eba.europa.eu/documents/10180/2151635/Andrea+Enria%27s+speech+on+FinTech+at+Copenhagen+Business+School+090318.pdf, 5.
(15) A se vedea: ESMA, EBA & EIOPA, “Warning on the risks of Virtual Currencies https://www.esma.europa.eu/sites/default/files/library/esma50-164-1284_joint_esas_warning_on_virtual_currenciesl.pdf, 1.
(16) Ibid.
(17) A se vedea: World Bank Group (H. NATARAJAN, S. KRAUSE, and H. GRADSTEIN), “Distributed Ledger Technology (DLT) and blockchain”, 2017, FinTech note, no. 1. Washington, D.C., http://documents.worldbank.org/curated/en/177911513714062215/pdf/122140-WP-PUBLIC-Distributed-Ledger-Technology-and-Blockchain-Fintech-Notes.pdf, IV.
(18) Ibid.
(67) FATF, “Virtual Currencies – Key Definitions and Potential AML/CFT Risks”, June 2014, http://www.fatf-gafi.org/media/fatf/documents/reports/Virtual-currency-key-definitions-and-potential-aml-cft-risks.pdf, 4.
(20) Ibid., 4-5.
(21) În unele cazuri, termenul „criptomonedă” ar putea fi numit chiar cu un nume greșit. A se vedea: A. ZAINUDDIN, “Differences Between Cryptocurrency Coins and Tokens”, 2017, https://masterthecrypto.com/differences-between-cryptocurrency-coins-and-tokens/.
(22) Observăm că literatura juridică și media populare se referă în mod obișnuit la aceste evenimente de strângere de fonduri ca oferte inițiale de monede sau ICO (vezi de exemplu: J. ROHR și A. WRIGHT, “Blockchain-Based Token Sales, Initial Coin Offerings, and the Democratization of Public Capital Markets”, octombrie 2017 (disponibil electronic prin https://ssrn.com/abstract=3048104); D. ZETZSCHE, RP BUCKLEY, DW ARNER și L. FÖHR, “The ICO Gold Rush: It‘s a scam, it‘s a bubble, it‘s a super challenge for regulators”, noiembrie 2017 (disponibil electronic prin https://ssrn.com/abstract=3072298); D. FLOYD, “$6.3 Billion: 2018 ICO Funding Has Passed 2017’s Total”, aprilie 2018 , https://www.coindesk.com/6-3-billion-2018-ico-funding-already-outpaced-2017/). Dacă vom considera poziția că jetoanele diferă de fapt de monede, atunci termenul Ofertă inițială de jetoane sau ITO este un termen mai potrivit pentru referințe viitoare.
(23) EY, „IFRS – Accounting for crypto-assets”, martie 2018, http://eyfinancialservicesthoughtgallery.ie/wp-content/uploads/2018/03/EY-IFRS-Accounting-for-crypto-assets.pdf, 2.
(24) Vezi: A. SNYERS și K. PAUWELS, „ICOs in Belgium: down the rabbit hole into legal no man’s land? (Part 1)”, ICCLR, 2018, care urmează să fie publicat.
(25) Ibidem.
(26) Trebuie remarcat faptul că diferite studii ale pieței de jetoane au propus taxonomii ale jetoanelor. Nu toate aceste taxonomii coincid, totuși firul roșu care pare să le parcurgă este că, cel puțin, trebuie făcută o distincție între „securitate” sau „jetoane de investiții” pe de o parte și „jetoane utilitare ” pe de altă parte. A se vedea, printre altele: D. ZETZSCHE, RP BUCKLEY, DW ARNER și L. FÖHR, „The ICO Gold Rush: It’s a scam, it’s a bubble, it’s a super provocation for regulators”, noiembrie 2017 (disponibil electronic prin https : //ssrn.com/abstract=3072298); J. ROHR și A. WRIGHT, „Blockchain-Based Token Sales, Initial Coin Offerings, and the Democratization of Public Capital Markets”, octombrie 2017, (disponibil electronic prin intermediul https://ssrn.com/abstract=3048104); EY, „Research: initial coin offerings (ICOs)”, decembrie 2017, http://www.ey.com/Publication/vwLUAssets/ey-research-initial-coin-offerings-icos/$File/ey-research-initial -coin-oferte-icos.pdf; Laga, „Initial Coin Offerings – Legal qualification and regulatory challenges”, martie 2018, https://www.slideshare.net/fintechbelgium/fintech-belgium-meetup-on-icos-080318-laurent-godts; FINMA, „Guidelines for enquiries regarding the regulatory framework for initial coin offerings (ICOs)”, februarie 2018, https://www.finma.ch/en/~/media/finma/dokumente/dokumentencenter/myfinma/1bewilligung/fintech/ wegleitung-ico.pdf? la = en; P. HACKER și C. THOMALE, „Crypto-Securities Regulation: ICOs, Token Sales and Cryptocurrencies under EU Financial Law”, noiembrie 2017 (disponibil electronic prin https://ssrn.com/abstract=3075820); A. SNYERS și K. PAUWELS, „ICOs in Belgium: down the rabbit hole into legal no man’s land? (Part 1)”, ICCLR, 2018, care urmează să fie publicat.
(27) M. VAN DE LOOVERBOSCH, „Crypto-effecten: tussen droom en daad”, TRV-RPS 2018, 193-207.
(28) Ibidem, 198, nr. 22-23. A se vedea, de asemenea: P. PAECH, „Securities, Intermediation and the Blockchain: An Inevitable Choice between Liquidity and Legal Certainty”, LSE Law, Society and Economy Working Paper 20/2015, 26-28. Trebuie remarcat faptul că, deși tehnologia blockchain nu este încă aplicată pe scară largă în contextul dreptului societăților comerciale, ea are deja unele aplicații legale (adică în SUA (Delaware) și Franța). Vedeți pentru Franța: Ordonnance n° 2017-1674 du 8 de cembre 2017 relative a l’utilisation d’un dispositif d’enregistrement electronique partage pour la repre sentation et la transmission de titres financiers JORF 9 december 2017, no 0287, text nr. 24, www.legifrance.gouv.fr/eli/ordonnance/2017/12/8/2017-1674/jo/texte; vezi pentru Delaware: Adunarea Generală din Delaware, Senatul Bill 69, https://legis.delaware.gov/BillDetail?legislationId=25730; D. LUCKING și C. O’HANLON, „Delaware Passes Law Permitting Companies to Use Blockchain Technology to Issue and Track Shares”, 26 septembrie 2017, http://www.allenovery.com/publications/en-gb/Pages/Delaware -Passes-Law-Permitting-Companies-to-Use-Blockchain-Technology-to-Issue-and-Track-Shares-.aspx.

Acesta este un articol cu Acces Deschis (Open Access) sub licența Creative Commons CC BY-SA 4.0 (http://creativecommons.org/licenses/by/4.0/).

25 iul. 2023

Rezumarea automată în inteligența artificială prin învățare nesupravegheată: TextRank

de Nicolae Sfetcu | postat în: Arhiva, Numărul 3, Programare, Volumul 2 | 0

Sfetcu, Nicolae (2023), Rezumarea automată în inteligența artificială prin învățare nesupravegheată: TextRank, IT & C, 2:2, 43-52, DOI: 10.58679/IT78864, https://www.internetmobile.ro/rezumarea-automata-in-inteligenta-artificiala-prin-invatare-nesupravegheata-textrank/

Automatic summarization in artificial intelligence via unsupervised learning: TextRank

Abstract

Automatic summarization is the process of summarizing a text document with a computer program to create a summary that captures the most important points of the original document. Technologies that can make a coherent abstract take into account variables such as length, writing style, and syntax. Machine learning is a subfield of artificial intelligence dedicated to understanding and building methods that allow machines to „learn”. One key phrase extraction algorithm is TextRank, which exploits the structure of the text itself to determine key phrases that appear „central” to the text.

Keywords: summarization, machine learning, unsupervised machine learning, TextRank, LexRank

Rezumat

Rezumarea automată este procesul de sumarizare a unui document text cu un program de calculator pentru a crea un rezumat care să rețină cele mai importante puncte ale documentului original. Tehnologiile care pot face un rezumat coerent iau în considerare variabile precum lungimea, stilul de scriere și sintaxa. Învățarea automată este un subdomeniu al inteligenței artificiale dedicat înțelegerii și construirii de metode care permit mașinilor să ”învețe”. Un algoritm de extragere a frazelor cheie este TextRank, careexploatează structura textului în sine pentru a determina expresiile cheie care apar „centrale” pentru text.

Cuvinte cheie: rezumare, rezumarea automată, învățarea automată, învățarea automată nesupravegheată, TextRank, LexRank

IT & C, Volumul 2, Numărul 3, Septembrie 2023, pp. 43-52
ISSN 2821 – 8469, ISSN – L 2821 – 8469, DOI: 10.58679/IT78864
URL: https://www.internetmobile.ro/rezumarea-automata-in-inteligenta-artificiala-prin-invatare-nesupravegheata-textrank/
© 2023 Nicolae Sfetcu. Responsabilitatea conținutului, interpretărilor și opiniilor exprimate revine exclusiv autorilor.

Rezumarea automată în inteligența artificială prin învățare nesupravegheată: TextRank

Nicolae Sfetcu[1]

nicolae@sfetcu.com

[1] Cercetător – Academia Română – Comitetul Român de Istoria și Filosofia Științei și Tehnicii (CRIFST), Divizia de Istoria Științei (DIS)

Rezumarea automată

Rezumarea automată (1) este procesul de sumarizare a unui document text cu un program de calculator pentru a crea un rezumat care să rețină cele mai importante puncte ale documentului original. Tehnologiile care pot face un rezumat coerent iau în considerare variabile precum lungimea, stilul de scriere și sintaxa. Rezumarea automată a datelor face parte din învățarea automată și extragerea datelor. Ideea principală a rezumatului este de a găsi un subset reprezentativ de date, care conține informațiile întregului set. Tehnologiile de rezumat sunt folosite astăzi într-un număr mare de sectoare din industrie. Un exemplu de utilizare a tehnologiei de rezumare îl reprezintă motoarele de căutare, cum ar fi Google. Alte exemple includ rezumatul documentelor, rezumatul colecției de imagini și rezumatul video. Rezumatul documentului încearcă să creeze automat un sumar reprezentativ sau un rezumat al întregului document, prin găsirea celor mai informative propoziții. În mod similar, în rezumarea imaginilor, sistemul găsește imaginile cele mai reprezentative și importante (sau proeminente). În mod similar, în videoclipurile pentru consumatori a’i dori să eliminați scenele plictisitoare sau repetitive și să extrageți o versiune mult mai scurtă și concisă a videoclipului. Acest lucru este, de asemenea, important, să zicem pentru videoclipurile de supraveghere, în care s-ar putea să doriți să extrageți numai evenimente importante din videoclipul înregistrat, din moment ce cea mai mare parte a videoclipului poate fi neinteresantă, fără a se întâmpla nimic. Pe măsură ce problema supraîncărcării informaționale crește și pe măsură ce cantitatea de date crește, interesul pentru rezumarea automată crește și el.

În general, există două abordări ale rezumării automate: extracția și abstracția. Metodele extractive funcționează prin selectarea unui subset de cuvinte, fraze sau propoziții existente în textul original pentru a forma rezumatul. În schimb, metodele abstractive construiesc o reprezentare semantică internă și apoi folosesc tehnici de generare a limbajului natural pentru a crea un rezumat care este mai aproape de ce poate genera un om. Un astfel de rezumat poate conține cuvinte care nu sunt prezente în mod explicit în original. Cercetarea metodelor abstractive este un domeniu de cercetare din ce în ce mai important și activ; cu toate acestea, din cauza constrângerilor de complexitate, cercetarea până în prezent s-a concentrat în primul rând pe metodele extractive. În unele domenii de aplicație, rezumatul extractiv are mai mult sens. Exemple dintre acestea includ rezumatul colecțiilor de imagini și rezumatul videoclipurilor.

Învățarea automată

(Mașinile kernel sunt utilizate pentru a calcula funcții neliniar separabile într-o funcție de dimensiune mai mare separabilă liniar. Credit: Alisneaky/Wikimedia, licența CC0 1.0)

Învățarea automată (2) este un domeniu dedicat înțelegerii și construirii de metode care permit mașinilor să „învețe” – adică metode care valorifică datele pentru a îmbunătăți performanța computerului la un set de sarcini.[1] Este văzut ca un subdomeniu larg al inteligenței artificiale [2].

Algoritmii de învățare automată construiesc un model bazat pe date eșantion, cunoscut sub numele de date de antrenament, pentru a face predicții sau decizii fără a fi programat în mod explicit pentru a face acest lucru.[3] Algoritmii de învățare automată sunt utilizați într-o mare varietate de aplicații, cum ar fi în medicină, filtrarea e-mailului, recunoașterea vorbirii, agricultură și viziunea computerizată, unde este dificil sau imposibil să se dezvolte algoritmi convenționali pentru a îndeplini sarcinile necesare.[4][5] ]

Un subset al învățării automate este strâns legat de statisticile computaționale, care se concentrează pe realizarea de predicții folosind computere, dar nu toată învățarea automată este învățare statistică. Studiul optimizării matematice oferă metode, teorii și domenii de aplicare în domeniul învățării automate. Mineritul datelor este un domeniu de studiu conex, concentrându-se pe analiza exploratorie a datelor prin învățare nesupravegheată.[7][8]

Unele implementări ale învățării automate folosesc datele și rețelele neuronale într-un mod care imită funcționarea unui creier biologic.[9][10]

În aplicarea sa în problemele de afaceri, învățarea automată este denumită și analitica predictivă.

Algoritmii de învățare funcționează pe baza faptului că strategiile, algoritmii și inferențele care au funcționat bine în trecut vor continua să funcționeze bine în viitor. Aceste concluzii pot fi uneori evidente, cum ar fi „deoarece soarele a răsărit în fiecare dimineață în ultimele 10.000 de zile, probabil că va răsări și mâine dimineață”. Alteori, acestea pot fi mai nuanțate, cum ar fi „X% din familii au specii separate geografic, cu variante de culoare, deci există o șansă de Y% ca lebede negre nedescoperite să existe”.[11]

Programele de învățare automată pot îndeplini sarcini fără a fi programate în mod explicit pentru a face acest lucru. Implică ideea unor calculatoare care învață din datele furnizate astfel încât să îndeplinească anumite sarcini. Pentru sarcini simple atribuite computerelor, este posibil să se programeze algoritmi care spun mașinii cum să execute toți pașii necesari pentru a rezolva problema în cauză; din partea computerului, nu este nevoie de învățare. Pentru sarcini mai avansate, poate fi o provocare pentru un om să creeze manual algoritmii necesari. În practică, se poate dovedi mai eficient să ajute mașina să-și dezvolte propriul algoritm, mai degrabă decât ca programatorii umani să specifice fiecare pas necesar.[12]

Disciplina învățării automate folosește diverse abordări pentru a învăța computerele să îndeplinească sarcini în care nu este disponibil un algoritm pe deplin satisfăcător. În cazurile în care există un număr mare de răspunsuri potențiale, o abordare este de a eticheta unele dintre răspunsurile corecte ca fiind valide. Acestea pot fi apoi folosite ca date de antrenament pentru computer pentru a îmbunătăți algoritmul (algoritmii) pe care îl folosește pentru a determina răspunsurile corecte. De exemplu, pentru a instrui un sistem pentru sarcina de recunoaștere digitală a caracterelor, a fost adesea folosit setul de date MNIST de cifre scrise de mână.[12]

Abordări de învățare nesupravegheată: TextRank

Un algoritm de extragere a frazelor cheie este TextRank. (1) În timp ce metodele supravegheate au câteva proprietăți frumoase, cum ar fi capacitatea de a produce reguli interpretabile pentru caracteristicile care caracterizează o expresie cheie, ele necesită, de asemenea, o cantitate mare de date de antrenament. Sunt necesare multe documente cu expresii cheie cunoscute. În plus, antrenamentul pe un anumit domeniu tinde să personalizeze procesul de extracție la acel domeniu, astfel încât clasificatorul rezultat nu este neapărat portabil, așa cum demonstrează unele dintre rezultatele lui Turney. Extragerea nesupravegheată a frazelor cheie elimină nevoia de date de antrenament. Ea abordează problema dintr-un unghi diferit. În loc să încerce să învețe caracteristici explicite care caracterizează expresiile cheie, algoritmul TextRank exploatează structura textului în sine pentru a determina expresiile cheie care apar „centrale” pentru text, în același mod în care PageRank selectează paginile web importante. Amintiți-vă că acest lucru se bazează pe noțiunea de „prestigiu” sau „recomandare” din rețelele sociale. În acest fel, TextRank nu se bazează deloc pe date de antrenament anterioare, ci mai degrabă poate fi rulat pe orice bucată de text arbitrară și poate produce rezultate pur și simplu pe baza proprietăților intrinseci ale textului. Astfel algoritmul este ușor de portat în noi domenii și limbaje.

TextRank [13] este un algoritm de clasare bazat pe grafice de uz general pentru NLP. În esență, rulează PageRank pe un grafic special conceput pentru o anumită sarcină NLP. Pentru extragerea frazelor cheie, construiește un grafic folosind un set de unități de text ca noduri. Muchiile se bazează pe o anumită măsură a asemănării semantice sau lexicale între nodurile unității de text. Spre deosebire de PageRank, marginile sunt de obicei nedirecționate și pot fi ponderate pentru a reflecta un grad de similitudine. Odată construit graficul, acesta este folosit pentru a forma o matrice stocastică, combinată cu un factor de amortizare (ca în „modelul de surfer aleatoriu”), iar clasificarea peste noduri este obținută prin găsirea vectorului propriu corespunzător valorii proprii 1 (adică, distribuţia staţionară a mersului aleator pe grafic).

Nodurile ar trebui să corespundă cu ceea ce vrem să clasăm. Potențial, am putea face ceva similar cu metodele supravegheate și am crea un nod pentru fiecare unigramă, bigramă, trigramă etc. Cu toate acestea, pentru a menține graficul mic, autorii decid să clasifice unigramele individuale într-un prim pas, apoi să includă un al doilea pas care îmbină unigramele adiacente bine clasate pentru a forma expresii cu mai multe cuvinte. Acest lucru are un efect secundar frumos de a ne permite să producem fraze cheie de lungime arbitrară. De exemplu, dacă clasificăm unigramele și constatăm că „procesare” „avansat”, „limbaj” și „natural” obțin toate ranguri înalte, atunci ne-am uita la textul original și vom vedea că aceste cuvinte apar consecutiv și creează în final expresia cheie folosind toate patru împreună. Rețineți că unigramele plasate în grafic pot fi filtrate printr-o parte a vorbirii. Autorii au descoperit că adjectivele și substantivele sunt cele mai bune de inclus. Astfel, unele cunoștințe lingvistice intră în joc în acest pas.

Marginile sunt create pe baza apariției simultane a cuvintelor în această aplicație a TextRank. Două noduri sunt conectate printr-o muchie dacă unigramele apar într-o fereastră de dimensiune N în textul original. N este de obicei în jur de 2-10. Astfel, „natural” și „limbaj” ar putea fi legate într-un text despre NLP. „Natural” și „procesare” ar fi, de asemenea, conectate, deoarece ambele ar apărea în același șir de N cuvinte. Aceste margini se bazează pe noțiunea de „coeziune a textului” și pe ideea că cuvintele care apar unul lângă altul sunt probabil legate într-un mod semnificativ și se „recomandă” reciproc cititorului.

Deoarece această metodă clasifică pur și simplu nodurile individuale, avem nevoie de o modalitate de a limita sau de a produce un număr limitat de fraze cheie. Tehnica aleasă este să setați un număr T să fie o fracțiune specificată de utilizator din numărul total de noduri din grafic. Apoi, nodurile/unigramele de sus T sunt selectate pe baza probabilităților lor staționare. Se aplică apoi un pas de postprocesare pentru a îmbina instanțele adiacente ale acestor unigrame T. Ca rezultat, vor fi produse mai multe sau mai puține expresii cheie finale, dar numărul ar trebui să fie aproximativ proporțional cu lungimea textului original.

Inițial, nu este clar de ce aplicarea PageRank unui grafic de co-ocurență ar produce expresii cheie utile. O modalitate de a gândi la asta este următoarea. Un cuvânt care apare de mai multe ori într-un text poate avea mai mulți vecini concomitenți. De exemplu, într-un text despre învățarea automată, unigrama „învățare” poate apărea împreună cu „mașină”, „supravegheată”, „nesupravegheată” și „semi-supravegheată” în patru propoziții diferite. Astfel, nodul „învățare” ar fi un „hub” central care se conectează la aceste alte cuvinte modificatoare. Rularea PageRank/TextRank pe grafic are probabil ca „învățare” să se claseze foarte bine. În mod similar, dacă textul conține expresia „clasificare supravegheată”, atunci ar exista o margine între „supravegheat” și „clasificare”. Dacă „clasificarea” apare mai multe alte locuri și, prin urmare, are mulți vecini, importanța sa ar contribui la importanța „supravegheată”. Dacă ajunge la un rang înalt, va fi selectat ca una dintre primele T unigrame, împreună cu „învățare” și probabil „clasificare”. În pasul final de post-procesare, vom ajunge apoi cu expresii cheie „învățare supravegheată” și „clasificare supravegheată”.

Pe scurt, graficul de co-ocurență va conține regiuni dens conectate pentru termeni care apar des și în contexte diferite. O plimbare aleatorie pe acest grafic va avea o distribuție staționară care atribuie probabilități mari termenilor din centrele clusterelor. Acest lucru este similar cu paginile web dens conectate care sunt clasate foarte bine de PageRank. Această abordare a fost utilizată și în rezumarea documentelor, analizată mai jos.

TextRank și LexRank

Abordarea nesupravegheată a rezumatului este, de asemenea, destul de asemănătoare în spirit cu extragerea nesupravegheată a frazelor cheie și ocolește problema datelor costisitoare de antrenament. (1) Unele abordări de rezumare nesupravegheate se bazează pe găsirea unei propoziții „centroid”, care este vectorul cuvântului mediu al tuturor propozițiilor din document. Apoi propozițiile pot fi clasificate în funcție de asemănarea lor cu această propoziție centroid.

O modalitate mai bazată pe principii de a estima importanța propoziției este utilizarea mersurilor aleatorii și a centralității vectorului propriu. LexRank [14] este un algoritm în esență identic cu TextRank și ambii folosesc această abordare pentru rezumarea documentelor. Cele două metode au fost dezvoltate de grupuri diferite în același timp, iar LexRank s-a concentrat pur și simplu pe rezumat, dar puteau fi la fel de ușor utilizate pentru extragerea expresiilor cheie sau orice altă sarcină de clasare NLP.

Atât în LexRank, cât și în TextRank, un grafic este construit prin crearea unui nod pentru fiecare propoziție din document.

Marginile dintre propoziții se bazează pe o formă de similitudine semantică sau de suprapunere a conținutului. În timp ce LexRank folosește asemănarea cosinus a vectorilor TF-IDF, TextRank folosește o măsură foarte similară, bazată pe numărul de cuvinte pe care două propoziții le au în comun (normalizate de lungimea propozițiilor). Lucrarea LexRank a explorat utilizarea marginilor neponderate după aplicarea unui prag valorilor cosinus, dar a experimentat și utilizarea marginilor cu ponderi egale cu scorul de similaritate. TextRank folosește scoruri de similaritate continue ca ponderi.

În ambii algoritmi, propozițiile sunt ordonate prin aplicarea PageRank la graficul rezultat. Un rezumat se formează prin combinarea propozițiilor de top, folosind un prag sau o lungime limită pentru a limita dimensiunea rezumatului.

Merită remarcat faptul că TextRank a fost aplicat rezumatului exact așa cum este descris aici, în timp ce LexRank a fost folosit ca parte a unui sistem de sumarizare mai mare (MEAD) care combină scorul LexRank (probabilitate staționară) cu alte caracteristici precum poziția și lungimea propoziției folosind o combinație liniară cu greutăți specificate de utilizator sau reglate automată. În acest caz, ar putea fi necesare unele documente de instruire, deși rezultatele TextRank arată că funcțiile suplimentare nu sunt absolut necesare.

O altă distincție importantă este că TextRank a fost folosit pentru rezumarea unui singur document, în timp ce LexRank a fost aplicat pentru rezumarea mai multor documente. Sarcina rămâne aceeași în ambele cazuri – doar numărul de propoziții din care să alegeți a crescut. Cu toate acestea, când rezumați mai multe documente, există un risc mai mare de a selecta propoziții duplicat sau extrem de redundante pentru a le plasa în același rezumat. Imaginați-vă că aveți un grup de articole de știri despre un anumit eveniment și doriți să realizați un rezumat. Este posibil ca fiecare articol să aibă multe propoziții similare și ați dori să includeți numai idei distincte în rezumat. Pentru a rezolva această problemă, LexRank aplică o etapă de post-procesare euristică, care creează un rezumat adăugând propoziții în ordinea clasamentului, dar renunță la orice propoziții care sunt prea asemănătoare cu cele deja plasate în rezumat. Metoda utilizată se numește Cross-Sentence Information Subsumption (CSIS).

Aceste metode funcționează pe baza ideii că propozițiile „recomandă” cititorului alte propoziții similare. Astfel, dacă o propoziție este foarte asemănătoare cu multe altele, va fi probabil o propoziție de mare importanță. Importanța acestei propoziții provine și din importanța propozițiilor care o „recomandă”. Astfel, pentru a obține o poziție superioară și plasată într-un rezumat, o propoziție trebuie să fie similară cu multe propoziții care sunt, la rândul lor, similare cu multe alte propoziții. Acest lucru are sens intuitiv și permite aplicarea algoritmilor oricărui text nou arbitrar. Metodele sunt independente de domeniu și ușor de portat. Ne-am putea imagina caracteristicile care indică propoziții importante în domeniul știrilor putând varia considerabil față de domeniul biomedical. Cu toate acestea, abordarea nesupravegheată bazată pe „recomandări” se aplică oricărui domeniu.

Referințe

(1) Bentley, Drew (2023). Business intelligence și analitica în afaceri, Traducere și adaptare de Nicolae Sfetcu. Editura MultiMedia Publishing, ISBN 978-606-033-776-8, DOI: 10.58679/MM70651

(2) Învățarea automată în inteligența artificială, în Telework, 27.04.2023, https://www.telework.ro/ro/invatarea-automata-in-inteligenta-artificiala/

Bibliografie

[1] Mitchell, Tom (1997). Machine Learning. New York: McGraw Hill. ISBN 0-07-042807-7. OCLC 36417892. Archived from the original on 2020-04-07.

[2] George, Gerard; Haas, Martine R.; Pentland, Alex (2014). „FROM THE EDITORS: BIG DATA AND MANAGEMENT”. The Academy of Management Journal. 57 (2): 321–326. ISSN 0001-4273.

[3] Definiția „fără a fi programat în mod explicit” este adesea atribuită lui Arthur Samuel, care a inventat termenul de „învățare automată” în 1959, dar expresia nu se găsește literal în această publicație și poate fi o parafrază care a apărut mai târziu. Confer „Parafrazând Arthur Samuel (1959), întrebarea este: Cum pot calculatoarele să învețe să rezolve probleme fără a fi programate în mod explicit?” în Koza, John R.; Bennett, Forrest H.; Andre, David; Keane, Martin A. (1996). „Automated Design of Both the Topology and Sizing of Analog Electrical Circuits Using Genetic Programming”. Artificial Intelligence in Design ’96. Artificial Intelligence in Design ’96. Springer, Dordrecht. pp. 151–170. doi:10.1007/978-94-009-0279-4_9. ISBN 978-94-010-6610-5.

[4] Hu, Junyan; Niu, Hanlin; Carrasco, Joaquin; Lennox, Barry; Arvin, Farshad (2020). „Voronoi-Based Multi-Robot Autonomous Exploration in Unknown Environments via Deep Reinforcement Learning”. IEEE Transactions on Vehicular Technology. 69 (12): 14413–14423. doi:10.1109/tvt.2020.3034800. ISSN 0018-9545. S2CID 228989788.

[5] Yoosefzadeh-Najafabadi, Mohsen; Hugh, Earl; Tulpan, Dan; Sulik, John; Eskandari, Milad (2021). „Application of Machine Learning Algorithms in Plant Breeding: Predicting Yield From Hyperspectral Reflectance in Soybean?”. Front. Plant Sci. 11: 624273. doi:10.3389/fpls.2020.624273. PMC 7835636. PMID 33510761.

[6] Bishop, C. M. (2006), Pattern Recognition and Machine Learning, Springer, ISBN 978-0-387-31073-2

[7] Machine learning and pattern recognition „can be viewed as two facets of the same field.”^[6]: vii

[8] Friedman, Jerome H. (1998). „Data Mining and Statistics: What’s the connection?”. Computing Science and Statistics. 29 (1): 3–9.

[9] „What is Machine Learning?”. www.ibm.com. Archived from the original on 2021-08-13

[10] Zhou, Victor (2019-12-20). „Machine Learning for Beginners: An Introduction to Neural Networks”. Medium. Archived from the original on 2022-03-09

[11] Domingos, Pedro (September 22, 2015). The Master Algorithm: How the Quest for the Ultimate Learning Machine Will Remake Our World. Basic Books. ISBN 978-0465065707, Chapter 6, Chapter 7.

[12] Ethem Alpaydin (2020). Introduction to Machine Learning (Fourth ed.). MIT. pp. xix, 1–3, 13–18. ISBN 978-0262043793.

[13] Rada Mihalcea and Paul Tarau, 2004: TextRank: Bringing Order into Texts, Department of Computer Science University of North Texas „Archived copy” (PDF).

[14] Güneş Erkan and Dragomir R. Radev: LexRank: Graph-based Lexical Centrality as Salience in Text Summarization [1]

Acesta este un articol cu Acces Deschis (Open Access) sub licența Creative Commons CC BY-SA 4.0 (http://creativecommons.org/licenses/by/4.0/).

13 iul. 2023

Arhitectura de bază a rețelelor 5G

de Nicolae Sfetcu | postat în: Arhiva, Numărul 3, Telecomunicații, Volumul 2 | 0

Sfetcu, Nicolae (2023), Arhitectura de bază a rețelelor 5G, IT & C, 2:3, 17-25, DOI: 10.58679/IT90882, https://www.internetmobile.ro/arhitectura-de-baza-a-retelelor-5g/

Basic architecture of 5G networks

Abstract

March 2019 saw the launch of the industry’s first database tracking global 5G device launches. One of the most important innovations in the 5G architecture is the full virtualization of the core network (5GCN). For example, the „softwareization” of network functions will allow easier portability and greater flexibility of network systems and services (Control-User-Plane Separation, CUPS). New features and improvements brought by GPP specification version 16 are reflected in updates and additions to Core 5G features

Keywords: telecommunications networks, 5G communications, 5G, core network virtualization, GPP specification, Core 5G

Rezumat

În martie 2019 s-a lansat prima bază de date din industrie care urmărește lansările de dispozitive 5G la nivel mondial. Una dintre cele mai importante inovații în arhitectura 5G este virtualizarea completă a rețelei de bază (5GCN). De exemplu, „softwarizarea” funcțiilor de rețea va permite o portabilitate mai ușoară și o flexibilitate mai mare a sistemelor și serviciilor de rețea (Separarea planului de control-utilizator, CUPS). Noile caracteristici și îmbunătățiri aduse de versiunea 16 a specificației GPP sunt reflectate în actualizări și adăugiri la funcțiile Core 5G

Cuvinte cheie: rețele de telecomunicații, comunicații 5G, 5G, virtualizarea rețelei de bază, specificația GPP, Core 5G

IT & C, Volumul 2, Numărul 3, Septembrie 2023, pp. 17-25
ISSN 2821 – 8469, ISSN – L 2821 – 8469, DOI: 10.58679/IT90882
URL: https://www.internetmobile.ro/arhitectura-de-baza-a-retelelor-5g/
© 2023 Nicolae Sfetcu. Responsabilitatea conținutului, interpretărilor și opiniilor exprimate revine exclusiv autorilor.

Arhitectura de bază a rețelelor 5G

Nicolae Sfetcu[1]

nicolae@sfetcu.com

[1] Cercetător – Academia Română – Comitetul Român de Istoria și Filosofia Științei și Tehnicii (CRIFST), Divizia de Istoria Științei (DIS)

Introducere

În martie 2019, Global Mobile Suppliers Association a lansat prima bază de date din industrie care urmărește lansările de dispozitive 5G la nivel mondial.[1] GSA a identificat 23 de furnizori care au confirmat disponibilitatea viitoarelor dispozitive 5G cu 33 de dispozitive diferite, inclusiv variante regionale. Au existat șapte factori de formă anunțați pentru dispozitive 5G: (telefoane (×12 dispozitive), hotspot-uri (×4), echipamente interioare și exterioare la sediul clienților (×8), module (×5), dongle și adaptoare Snap-on (×2) ), și terminale USB (×1)).[2] Până în octombrie 2019, numărul de dispozitive 5G anunțate a crescut la 129, în 15 factori de formă, de la 56 de furnizori.[3]

În arena chipset-urilor 5G IoT, în aprilie 2019 existau patru chipseturi de modem 5G comerciale și un procesor/platformă comercială, fiind așteptate mai multe lansări în viitorul apropiat.[4]

Pe 6 martie 2020, a fost lansat primul smartphone 5G Samsung Galaxy S20. Potrivit Business Insider, caracteristica 5G a fost prezentată ca fiind mai scumpă în comparație cu 4G; gama începe de la 1.000 USD, în comparație cu Samsung Galaxy S10e, care a început de la 750 USD.[5] Pe 19 martie, HMD Global, actualul producător de telefoane marca Nokia, a anunțat Nokia 8.3 5G, despre care a susținut că are o gamă mai largă de compatibilitate 5G decât orice alt telefon lansat până atunci. Se pretinde că modelul de gamă medie, cu un preț inițial în zona euro de 599 EUR, acceptă toate benzile 5G de la 600 MHz la 3,8 GHz.[6]

Pe 13 octombrie 2020, Apple a anunțat iPhone 12 și iPhone 12 Pro, prima linie de telefoane Apple care acceptă conectivitate 5G. Apple a colaborat cu Verizon pentru a activa planurile 5G pe iPhone 12.

Arhitectura

Zoom-in arhitectura rețelei de bază

Una dintre cele mai importante inovații în arhitectura 5G este virtualizarea completă a rețelei de bază (5GCN). De exemplu, „softwarizarea” funcțiilor de rețea va permite o portabilitate mai ușoară și o flexibilitate mai mare a sistemelor și serviciilor de rețea (Separarea planului de control-utilizator, CUPS). Rețeaua definită de software (SDN) abstractizează funcționalități de rețea de nivel scăzut pentru a simplifica gestionarea rețelei. Virtualizarea funcției de rețea (NFV) oferă tehnologia de abilitare pentru plasarea diferitelor funcții de rețea în diferite componente de rețea pe baza nevoilor / cerințelor de performanță; și elimină nevoia de hardware specific funcției sau serviciului. SDN și NFV, completându-se reciproc, îmbunătățesc flexibilitatea rețelei, simplifică controlul și gestionarea rețelei, elimină bariera soluțiilor specifice furnizorului sau proprietății, și sunt astfel considerate extrem de importante pentru rețelele viitoare. Aceste noi tehnologii și concepte de rețea care se bazează în mare măsură pe „software” și virtualizarea funcțiilor de rețea vor introduce amenințări noi și complexe. Rețeaua centrală este partea centrală a infrastructurii 5G și permite toate funcțiile legate de tehnologiile multi-acces. Scopul său principal este de a furniza servicii pe toate tipurile de rețele (wireless, fixe, convergente).

Una peste alta, în noua specificație rețeaua de bază a fost modificată cu câteva funcții noi și câteva componente, în timp ce structura generală a rămas aproape neschimbată. Majoritatea funcțiilor adăugate sunt legate de probleme de localizare și implementarea serviciilor de localizare. În figura prezentată mai jos, aceste noi funcții au fost adăugate. În același timp, segmentarea a fost omisă în zoom-ul rețelei de bază, deoarece este inclusă într-un zoom specializat mai târziu în acest ghid. Rețeaua de bază a fost definită de 3GPP și structura sa este următoarea:

Descrierea elementelor rețelei de bază 5G sunt după cum urmează:

Element
- Scurtă descriere
Funcția de acces și gestionare a mobilității (AMF)
- (Așa cum este definit în 3GPP TS23.501 Secțiunea 6.2.117)
- AMF poate include următoarele funcționalități:
  - Terminarea interfeței RAN CP;
  - Terminarea NAS, cifrarea NAS și protecția integrității;
  - Managementul înregistrării;
  - Managementul conexiunii;
  - Managementul accesibilității;
  - Managementul mobilității; Furnizarea transportului pentru mesajele SM între UE și SMF;
  - Proxy transparent pentru rutarea mesajelor SM;
  - Autentificare acces;
  - Autorizație de acces.
  - Furnizare transportul mesajelor SMS între UE și SMSF;
  - Funcționalitatea ancorei de securitate;
  - Gestionarea serviciilor de localizare pentru servicii de reglementare;
  - Furnizare transport pentru mesajele Serviciilor de localizare între UE și LMF, precum și între RAN și LMF;
  - Alocarea ID-ului purtătorului EPS pentru inter-lucru cu EPS; Notificarea evenimentului de mobilitate UE;
  - Suport pentru optimizarea controlului / planului utilizatorului IoT celular (CIoT);
  - Suport pentru autentificare și autorizare specifice rețelelor.
Funcția de gestionare a sesiunii (SMF)
- (Așa cum este definită în 3GPP TS23.501 secțiunea 6.2.2)
- SMF poate include următoarele funcționalități:
  - Gestionarea sesiunii; Alocarea și gestionarea adreselor IP UE (funcții DHCPv4 și v6 (server și client));
  - Răspunde solicitărilor Protocolului de rezoluție a adreselor (ARP) și / sau solicitărilor vecinilor IPv6;
  - Selectarea și controlul funcției UP, inclusiv controlul UPF către proxy ARP sau IPv6 Neighbor Discovery;
  - Selectarea și controlul funcției UP;
  - Configurează direcția de trafic la UPF pentru a direcționa traficul către destinația corespunzătoare;
  - Închiderea interfețelor către funcțiile de control al politicii; Colectarea datelor de încărcare și suportul interfețelor de încărcare;
  - Controlul și coordonarea colectării datelor de încărcare la UPF;
  - Terminarea părților de gestionare a sesiunii din mesajele NAS;
  - Notificare date legătură descendentă;
  - Determinare modul sesiunii și continuitatea serviciului unei sesiuni.
  - Suport pentru optimizarea planului de control CIoT
  - Suport pentru compresia antetului;
  - Furnizarea de parametri externi (parametri de comportament UE așteptați sau parametri de configurare a rețelei);
  - Sprijină descoperirea Proxy-CSCF pentru serviciile IP Multimedia Subsystem (IMS);
  - Funcționalitate în roaming;
  - Gestionarea aplicării locale pentru aplicarea SLA-urilor QoS (VPLMN);
  - Colectarea datelor de încărcare și interfața de încărcare
- (NOTĂ: Nu toate funcționalitățile trebuie să fie acceptate într-o instanță a unei secțiuni de rețea. În plus față de funcționalitățile SMF descrise mai sus, SMF poate include funcționalități legate de politici, așa cum este descris în clauza 6.2.2 din TS 23.50318)
Funcția planului utilizatorilor (UPF)
- UPF suportă:
  - Direcționarea și redirecționarea pachetelor;
  - Inspecția pachetelor;
  - Manipularea QoS;
  - Interceptare legală (colecție UP);
  - Raportarea utilizării traficului;
  - Acționează ca punct de sesiune PDU extern de interconectare la rețeaua de date (DN);
  - Este un punct de ancorare pentru mobilitatea intra și inter-RAT;
  - Funcționalitate pentru a răspunde la solicitările Protocolului de rezoluție a adreselor (ARP) și / sau la solicitările de solicitare a vecinilor IPv6 pe baza informațiilor cache locale pentru PDU-urile Ethernet;
  - Funcționalitatea translatorului în rețea sensibil la timp (TSN);
  - Comunicare cu latență ridicată, vezi clauza;
  - Accesare funcționalitatea de direcționare, comutare și divizare a traficului (ATSSS) pentru a direcționa traficul sesiunii PDU cu acces multiplu;
  - Funcționalitatea Inter PLMN UP Security (IPUPS).
Funcția de control al politicii (PCF)
- PCF suportă:
  - Cadrul de politici unificat;
  - Regulile de politică pentru funcțiile CP și
  - Accesarea informațiilor de abonament pentru deciziile de politică în UDR.
Funcția de expunere în rețea (NEF)
- NEF suportă:
  - Expunerea capabilităților și evenimentelor;
  - Furnizarea sigură de informații din aplicația externă către rețeaua 3GPP;
  - Traducerea informațiilor interne / externe;
  - NEF poate suporta, de asemenea, o funcție de gestionare a grupului 5GLAN: Funcția de gestionare a grupului 5GLAN din NEF poate stoca informațiile despre grupul 5GLAN în UDR prin UDM, așa cum este descris în TS 23.50219;
  - Expunerea analizelor;
  - Suport pentru livrarea de date non-IP;
  - Când UE este capabil să comute între EPC și 5GC, un SCEF + NEF este utilizat pentru expunerea la serviciu.
Funcția de depozitare a rețelei (NRF)
- NRF suportă funcția de descoperire a serviciilor și menține profilul NF și instanțele NF disponibile.
  - Suportă descoperirea Proxy-CSCF pentru serviciile IP Multimedia Subsystem (IMS);
  - Suportă descoperirea Serviciului de comunicare proxy (SCP) și menține profilul SCP al instanțelor SCP disponibile;
  - Notifică instanțele NF și SCP înregistrate / actualizate / radiate și menține starea de sănătate a NF și SCP.
Managementul unfificat al datelor (UDM)
- UDM suportă:
  - Generarea de acreditări de autentificare și acord cheie (AKA);
  - Manipularea identificării utilizatorului;
  - Autorizație de acces;
  - Gestionarea abonamentelor;
  - Gestionarea managementului grupului 5GLAN;
  - Suport pentru aprovizionarea parametrilor externi.
Funcția de server de autentificare (AUSF)
- AUF suportă autentificarea pentru acces 3GPP și acces non-3GPP de încredere.
Funcția aplicației (AF)
- AF interacționează cu rețeaua de bază pentru a furniza servicii, de exemplu pentru a suporta următoarele:
  - Influența aplicației asupra rutei de trafic;
  - Accesarea funcției de expunere la rețea;
  - Interacțiunea cu cadrul politic pentru controlul politicilor.
  - Interacțiunile subsistemului multimedia IP (IMS) cu 5G Core
Depozitarea unificată a datelor (UDR)
- UDR suportă următoarele funcționalități:
  - Stocarea și recuperarea datelor de abonament de către UDM;
  - Stocarea și recuperarea datelor de politică de către PCF;
  - Stocarea și recuperarea datelor structurate pentru expunere;
  - Datele aplicației (inclusiv descrierile fluxului de pachete (PFDs) pentru detectarea aplicației;
  - Informații despre cererea AF pentru mai multe UE), de către NEF.
- (A se vedea, de asemenea, 3GPP TS23.501 secțiunea 6.2.11)
  - Stocarea și recuperarea ID-ului grupului NF corespunzător identificatorului abonatului (de ex. IMPI, IMPU, SUPI);
Funcția de stocare a datelor nestructurate (UDSF)
- UDSF este o funcție opțională care acceptă stocarea și recuperarea informațiilor ca date nestructurate de către orice NF.
Funcția de selectare a segmentării de rețea (NSSF)
- NSSF oferă servicii către AMF și NSSF într-un PLMN diferit prin intermediul interfeței bazate pe servicii Nnssf (consultați 3GPP TS 23.501 și 3GPP TS 23.502).
Centrul de locație mobilă a porții de acces (GMLC) 20
- GMLC conține funcționalități necesare pentru a sprijini serviciile de localizare (LCS). Într-un singur PLMN, pot exista mai multe GMLC.
- Un GMLC este primul nod pe care un client LCS extern îl accesează într-un PLMN. AF-urile și NF-urile pot accesa GMLC direct sau prin NEF.
- După efectuarea autorizării unui client LCS extern sau AF și verificarea confidențialității UE țintă, un GMLC transmite o cerere de localizare fie către un AMF care servește, fie către un GMLC într-un alt PLMN în cazul unui UE în roaming.
Funcția de gestionare a localizării (LMF)
- LMF gestionează coordonarea generală și programarea resurselor necesare pentru locația unui UE care este înregistrat cu sau care accesează 5GCN. De asemenea, calculează sau verifică o locație finală și orice estimare a vitezei și poate estima acuratețea obținută. LMF primește cereri de localizare pentru un UE țintă de la AMF de servire utilizând interfața Nlmf. LMF interacționează cu UE pentru a schimba informații de localizare aplicabile metodelor de poziție asistate de UE și bazate pe UE și interacționează cu NG-RAN, N3IWF sau TNAN pentru a obține informații de localizare.
Serviciul de comunicare proxy (SCP)
- Un serviciu NF este un tip de capacitate expus de un NF (producător de servicii NF) altui NF autorizat (consumator de servicii NF) printr-o interfață bazată pe servicii. Serviciile NF pot comunica direct sau indirect printr-un SCP.
- Astfel cum este definit în 3GPP TS 23.501, Clauza 6.2.19, Serviciul de comunicare proxy (SCP) include una sau mai multe dintre următoarele funcționalități:
  - Comunicare indirectă;
  - Descoperire delegată;
  - Redirecționarea mesajelor și rutare către serviciul de destinație NF / NF;
  - Redirecționarea mesajelor și rutare către un următor SCP hop;
  - Securitatea comunicării (de exemplu, autorizarea consumatorului de servicii NF pentru a accesa API-ul producătorului de servicii NF), echilibrarea încărcării, monitorizarea, controlul supraîncărcării etc.
Funcția de gestionare a capacității radio UE (UCMF)
- UCMF este utilizat pentru stocarea intrărilor de dicționar corespunzătoare ID-urilor de capacitate radio UE atribuite fie PLMN, fie atribuite de producător.
- Un AMF se poate abona cu UCMF pentru a obține de la UCMF noi valori ale ID-ului de capacitate radio UE pe care UCMF le atribuie în scopul memorării în cache a acestora local.
Funcția de autentificare și autorizare specifică segmentului de rețea (NSSAAF)
- Funcția de autentificare și autorizare specifică a segmentului de rețea (NSSAAF) oferă suport pentru autentificare și autorizare specifice segmentării rețelei, așa cum este specificat în TS 23.502 cu un server de autentificare, autorizare și acces (AAA-S).
Nausf, Nnrf, Nudm, Nnef, Namf, Nmssf, Nsmf, Npcf, Naf, Nlmf, Ngmlc, Nssaaf, Nucmf
- Acestea sunt interfețe bazate pe servicii prezentate de funcțiile planului de control 5G Core.
N1
- Punct de referință între UE și AMF.
N2
- Punct de referință între RAN și AMF.
N3
- Punct de referință între RAN și UPF.
N6
- Punct de referință între UPF și o rețea de date.

Elemente de noutate în versiunea 16

Noile caracteristici și îmbunătățiri aduse de versiunea 16 a specificației GPP sunt reflectate în actualizări și adăugiri la funcțiile Core 5G, așa cum sunt evidențiate în tabelul detaliat de mai sus. Cele mai importante îmbunătățiri și impactul acestora asupra 5G Core sunt prezentate mai jos:

Noile funcții sunt adăugate la setul de instrumente Core 5G, pentru a sprijini autentificarea specifică a rețelei (NSSAAF), serviciile de localizare (GMLC) și îmbunătățirile aduse specificațiilor funcțiilor existente care acceptă cazuri de utilizare, cum ar fi suport IoT celular, arhitectură ultra-fiabilă cu latență scăzută, servicii LAN 5G, rețea sensibilă la timp pentru IoT industrial, vehicul la toate (tehnologia V2X).

O îmbunătățire semnificativă pentru arhitectura bazată pe servicii este activarea comunicării indirecte și a descoperirii delegate prin intermediul serviciului de comunicare proxy. Acest lucru crește flexibilitatea, permițând comunicarea între funcțiile de rețea prin funcția de depozit de rețea (NRF) și serviciul de comunicare proxy (SCP).

Îmbunătățirile în funcțiile de expunere la analiza rețelei sunt un factor important pentru automatizarea rețelei în sistemul 5G.

O altă caracteristică furnizată este optimizarea semnalizării capacităților radio (Radio Capabilities Signalling, RACS) prin semnalizarea optimizată a capacităților radio UE prin introducerea mapării ID-ului RACS la capacitatea radio UE în rețea. Asocierea dintre ID-ul RACS la capacitățile UE Radio va fi stocată în noua funcție de rețea UE (radio)m funcția de management a capabilității (Capability Management FunctionUCMF) și stocată în cache în AMF și gNB.

Funcția de segmentare a rețelei este îmbunătățită dincolo de autentificarea specifică a segmentării de rețea, cu topologii îmbunătățite SMF / AMF și cu suport inter-funcționare cu Sistemul de pachete Evolved, având în vedere implementările Non Standalone (NSA).

Bibliografie

(1) „GSA launches first global database of commercial 5G devices”. Total Telecom
(2) „5G Device Ecosystem Report”. GSA.
(3) „5G Devices: Ecosystem Report”. GSA. September 2019
(4) „LTE, 5G and 3GPP IoT Chipsets: Status Update”. GSA. April 2019.
(5) „5G is making the smartphones we love more expensive than ever”. Business Insider. March 14, 2020.
(6) Collins, Katie (March 19, 2020). „The Nokia 8.3 is the ‘first global 5G phone.’ Here’s what that means for you”. CNET.3.3

Sursa: Sfetcu, Nicolae (2022). Rețele de comunicații 5G, MultiMedia Publishing, ISBN: 978-606-033-636-5, https://www.telework.ro/ro/e-books/retele-de-comunicatii-5g/

Acesta este un articol cu Acces Deschis (Open Access) sub licența Creative Commons CC BY-SA 4.0 (http://creativecommons.org/licenses/by/4.0/).

« 1 … 26 27 28 29 30 31 32 … 44 »

Blog Full

Tableau Software: Data visualization and analysis

Abstract

Rezumat

Tableau Software: Vizualizarea și analiza datelor

Introducere

Caracteristici și funcționalitate

Impactul asupra analizei datelor

Promovarea alfabetizării datelor

Concluzie

Referințe

Bibliografie

Cryptocurrencies and Cryptosecurities – Smart Contracts

Abstract

Rezumat

Criptomonede și criptosecurități – Contracte inteligente

Definirea criptomonedelor

BCE

FMI

BIS

EBA

ESMA

Banca Mondială

FATF

Concluzie

Criptosecurități

Criptomonede – Jetoane

Criptosecurități

Contracte inteligente

Istorie

Implementări

Titluri replicate și executarea contractelor

Probleme de securitate

Referințe

Bibliografie

Automatic summarization in artificial intelligence via unsupervised learning: TextRank

Abstract

Rezumat

Rezumarea automată în inteligența artificială prin învățare nesupravegheată: TextRank

Rezumarea automată

Învățarea automată

Abordări de învățare nesupravegheată: TextRank

TextRank și LexRank

Referințe

Bibliografie

Basic architecture of 5G networks

Abstract

Rezumat

Arhitectura de bază a rețelelor 5G

Introducere

Arhitectura

Elemente de noutate în versiunea 16

Bibliografie

Articles published according to the current editorial policy