about-3 back-contact back-deep eitaa کانال روبیکاخبرگزاری سایبربان
مطالب پربازدید
نقد
1405/04/06 - 17:47- جنگ سایبری

نقد و بررسی فیلم سینمایی قمارباز | فیلمی درباره هک شدن بانک سپه در جنگ دوازده روزه

قمار باز یک تریلر ایرانی محصول سال ۱۴۰۴ است که توسط محسن بهاری کارگردانی شده است. تهیه کنندگی این فیلم را سجاد نصراللهی نسب بر عهده داشته و بهجت شریف اصفهانی هم نگارش فیلمنامه را انجام داده است. کوروش تهامی، آرمین رحیمیان، امیر نوروزی و شبنم قربانی از باز

تشکیل
1405/05/12 - 15:10- آمریکا

تشکیل نخستین فرماندهی «چنددامنه‌ای» در نیروی زمینی آمریکا

نیروی زمینی ایالات متحده از تشکیل نخستین فرماندهی چنددامنه‌ای خود خبر داد؛ اقدامی که به‌عنوان یکی از مهم‌ترین گام‌های برنامه نوسازی نیروهای زمینی آمریکا برای آمادگی در جنگ‌های آینده ارزیابی می‌شود.

آیا
1405/04/01 - 14:49- جنگ سایبری

آیا رسانه‌ای کردن حملات سایبری برای ایران بازدارندگی ایجاد می‌کند؟

در سال‌های اخیر، اخبار متعددی درباره نفوذ و عملیات‌های سایبری منتسب به ایران و محور مقاومت با بازتاب گسترده رسانه‌ای همراه بوده است. برخی این اقدامات را نشانه‌ای از قدرت سایبری و عاملی جهت بازدارندگی در برابر دشمنان می‌دانند و برخی دیگر معتقدند بخش مهمی ا

محققان به کمک فناوری یادگیری ماشینی هوش مصنوعی و ایجاد الگوریتم در حال تلاش برای نجات گونه‌های در حال انقراض هستند.

به گزارش کارگروه فناوری اطلاعات سایبربان ؛ هزاران گونه روی زمین وجود دارد که ما هنوز چیز زیادی درباره آن‌ها نمی‌دانیم و فقط می‌دانیم که در بسیاری از آن‌ها در آستانه انقراض هستند.  در این راستا یک مطالعه جدید به کمک یادگیری ماشینی انجام شد تا مشخص شود این گونه‌های کمتر شناخته شده، چقدر در معرض خطر هستند که البته نتایج تلخی از آن گزارش شد.

برخی از گونه‌های جانوران و گیاهان با عنوان "کمبود داده" شناخته می‌شوند، زیرا حافظان محیط زیست نتوانسته‌اند اطلاعات کافی در مورد آن‌ها را جمع‌آوری کنند تا بفهمند چگونه زندگی می‌کنند یا چه تعداد از آن‌ها باقی مانده‌اند. به نظر می‌رسد که این گونه‌های "کمبود داده" متاسفانه حتی بیشتر از گونه‌های دیگر که شناخته شده‌تر هستند (حداقل برای دانشمندان) در معرض خطر هستند.

داده‌های این مطالعه از اتحادیه بین‌المللی حفاظت از طبیعت (IUCN) گرفته شده است که یک "فهرست قرمز" جهانی دارد که گونه‌ها را بر اساس میزان تهدید انقراض آن‌ها رتبه‌بندی می‌کند.
بیش از نیمی از گونه‌های فاقد اطلاعات موجود در این مطالعه (۵۶ درصد)، احتمالا با خطر انقراض روبرو هستند. در مقابل، تنها ۲۸ درصد از گونه‌های موجود در فهرست قرمز در معرض خطر انقراض قرار دارند.

یان بورگلت، بوم‌شناس دانشگاه علم و صنعت نروژ و نویسنده اصلی این مطالعه، که به تازگی در مجله Communications Biology منتشر شد، می‌گوید: همه چیز می‌تواند بدتر از چیزی باشد که در حال حاضر واقعا تصور می‌کنیم. احتمالا گونه‌های بیشتری از آنچه قبلا تصور می‌کردیم در معرض تهدید قرار دارند.

بیشتر کار‌های بورگلت بر درک چگونگی تاثیر فعالیت‌های انسانی، مانند تولید برق آبی یا آلودگی پلاستیک، بر اکوسیستم‌ها و تنوع زیستی متمرکز است.
فهرست قرمز منبع ارزشمندی برای این تلاش‌ها است، اما بیش از ۲۰ هزار گونه به عنوان کمبود داده طبقه بندی می‌شوند و این نقطه کور، به طور بالقوه می‌تواند دقت تحقیقاتی را که به فهرست قرمز متکی هستند را کاهش دهد.

بورگلت و همکارانش برای حل این مشکل، به استفاده از فناوری یادگیری ماشین هوش مصنوعی روی آوردند. آن‌ها الگوریتمی را برای پیش‌بینی خطر انقراض گونه‌های کمبود داده آموزش دادند. برای انجام این کار، آن‌ها از اطلاعات ۲۸۳۶۳ نوع مختلف حیوانی استفاده کردند که IUCN قبلا ارزیابی کرده است.

به این ترتیب، الگوریتم می‌تواند شروع به درک عواملی (از جمله تغییرات آب و هوا، گونه‌های مهاجم، آلودگی و ...) کند که اغلب تعیین می‌کنند یک گونه چقدر در معرض خطر است.
سپس محققان توجه خود را به ۷۶۹۹ گونه دارای کمبود داده معطوف کردند. این تعداد کمی بیش از یک سوم تمام گونه‌های کمبود داده است، اما بورگلت و همکارانش فقط می‌توانستند با گونه‌هایی کار کنند که پراکندگی جغرافیایی حیوانات را می‌دانستند.

این الگوریتم مشخص کرد که ۵۶ درصد از این گونه‌ها احتمالا در معرض خطر انقراض هستند، اما برخی از حیوانات دارای مشکلات عمیق تری نسبت به بقیه هستند. به عنوان مثال، ۸۵ درصد از دوزیستان با کمبود اطلاعات، در معرض خطر انقراض قرار دارند. بعضی از این گونه‌ها شامل قورباغه دهان باریک خالدار و چندین گونه دیگر قورباغه است.

این تحقیقات زمانی تایید شد که IUCN لیست قرمز خود را در سال گذشته به روز کرد. صد و بیست و سه گونه از گونه‌های موجود در این به‌روزرسانی، گونه‌هایی بودند که الگوریتم در مورد آن‌ها پیش‌بینی کرده بود. یعنی بیش از دو سوم از پیش‌بینی‌های الگوریتم، (۷۶ درصد) درست بود.
بورگلت گفت: نتیجه اطمینان بخش بود، چنین الگوریتم‌هایی واقعا سریع هستند و آن‌ها آنقدر وقت‌گیر یا نیازمند کار فشرده نیستند و نیازی نیست که گونه‌ها را به‌صورت جداگانه ارزیابی کنید.

در پایان، اما او افزود: البته یادگیری ماشین محدودیت‌هایی هم دارد. در حال حاضر، این الگوریتم‌ها قطعا نباید جایگزین ارزیابی‌های متخصصین شوند، زیرا ارزیابی‌های کارشناسان دقیق‌تر هستند.

تازه ترین ها
افزایش
1405/05/25 - 12:45- هوش مصنوعي

افزایش ۵۶ درصدی حملات سایبری مبتنی بر هوش مصنوعی

بر اساس گزارش سال ۲۰۲۶ شرکت آی بی ام درباره هزینه سرقت داده‌ها، حملات سایبری مبتنی بر هوش مصنوعی طی یک سال گذشته ۵۶ درصد افزایش یافته است.

افزایش
1405/05/25 - 12:39- جرم سایبری

افزایش ۷.۵ درصدی حملات سایبری کره شمالی، چین و روسیه

حملات سایبری سازمان‌یافته از سوی گروه‌های هکری وابسته به دولت‌های کره شمالی، چین و روسیه در نیمه نخست سال ۲۰۲۶ نسبت به شش ماه قبل ۷.۵ درصد افزایش یافته است.

تلاش
1405/05/25 - 12:31- اروپا

تلاش روسیه برای بی‌ثبات‌سازی مولداوی

بر اساس تحقیقی که روزنامه نیویورک‌تایمز منتشر کرده است، روسیه با اجرای یک عملیات گسترده، تلاش کرده روند انتخابات مولداوی را مختل کرده، مسیر این کشور به سوی اتحادیه اروپا را متوقف و دولت «مایا ساندو» رئیس‌جمهور غرب‌گرای مولداوی را تضعیف کند.

مطالب مرتبط

در این بخش مطالبی که از نظر دسته بندی و تگ بندی مرتبط با محتوای جاری می باشند نمایش داده می‌شوند.