北京智能軟硬件開發(fā)公司最近進行的一項研究預測全球物聯網智能軟硬件設備的數量將激增。此類設備的數量目前為 34 億，到 2028 年將飆升至 65 億，這意味著四年內連接數將增長 90%。

然而，該研究也強調了伴隨這一指數級增長而來的一個關鍵挑戰(zhàn)。研究指出，要滿足日益增長的物聯網連接需求，就必須實施能夠有效簡化物聯網設備管理和安全性的創(chuàng)新服務。

北京智能軟硬件開發(fā)公司的研究發(fā)現，智能基礎設施管理解決方案是應對預期的蜂窩數據使用量激增的關鍵。這些解決方案使物聯網用戶能夠自動配置設備、增強安全協(xié)議并實時管理連接。

該研究預計，全球蜂窩物聯網數據將大幅增加，到 2028 年將從今年的 21 PB 飆升至 46 PB。這一激增預計將推動對物聯網自動化服務（包括聯合學習）的進一步投資。

目前訓練機器學習模型的主流方法嚴重依賴于存儲在中心位置的數據，這為惡意實體利用留下了空間。為了應對這一漏洞，該研究提倡在物聯網生態(tài)系統(tǒng)中采用聯合學習模型。

聯合學習是機器學習的一個子集，它采用分散數據方法來降低物聯網網絡中數據欺詐的風險。通過限制敏感物聯網數據的暴露，聯合機器學習在降低數據泄露的可能性方面發(fā)揮著關鍵作用。在蜂窩物聯網連接數量不斷增加的背景下，數據安全至關重要，隨著蜂窩物聯網連接數量的增長，平臺和運營商必須確保數據在傳輸過程中和設備上的安全，如果做不到這一點，敏感數據行業(yè)的物聯網用戶將不會采用基于蜂窩物聯網的連接方式。