頭條 高通拆解Wi-Fi 8关键技术：无线连接堪比有线 1月29日消息，Wi-Fi 8的一大设计目是实现超高可靠性，即使在拥塞、干扰性和移动性强的复杂现实环境下，也能提供稳定、低时延、近乎无损的连接性能，超越传统Wi-Fi的表现。日前，高通技术公司技术标准副总裁Rolf De Vegt发文剖析Wi-Fi 8在解决这些挑战时所具备的独特关键技术。 最新資訊 美国腾退占用7.125–7.4 GHz频段的联邦系统 12月22日消息，据悉，白宫于12月19日发布消息称，美国总统唐纳德·特朗普当日签署总统备忘录，正式启动美国6G频谱战略布局，旨在“赢得6G竞赛”，确保美国在下一代通信技术中的全球主导地位。 發(fā)表于：2025/12/23 物联网多维度安全防御模型研究 传统物联网“感知–网络–应用”三层架构在边缘侧存在防护盲区，而“六域模型”因实施成本高、域间协同机制缺失导致工程落地困难。基于物理域、网络域、服务域的威胁分析，重构“终端域–边缘域–核心网域–云应用域”四域架构，并引入数据面与控制面解耦的双层控制机制，提出“四域双层”安全框架。该框架系统揭示硬件渗透、协议缺陷、量子计算冲击及API语义冲突等多维威胁，构建了终端轻量化防护、量子增强传输、服务端主动防御及全生命周期安全管控模型。银行零信任场景与工业物联网场景的实测表明，该架构下攻击检出率≥98%，平均响应时间≤500 ms。研究结果可为规模化物联网安全工程提供可复用的体系化方法。 發(fā)表于：2025/12/23 美国“星链”一卫星或爆炸失联 可能对其他在轨运行卫星构成威胁 12 月 22 日消息，据央视新闻报道，美国太空探索技术公司（SpaceX）旗下“星链”计划的一颗卫星日前在太空中发生异常，产生了少量碎片并与地面失去联系。 發(fā)表于：2025/12/22 SpaceX罕见披露卫星失联事故 12月19日，近期备受资本市场关注的SpaceX罕见披露了一起在轨卫星事故。据“星链”官方账号披露，本周三，第35956号星链卫星发生异常事故，在距离地面418公里处失联。异常导致卫星的推进剂储罐泄漏，高度迅速下降4公里，并释放出少量碎片。 發(fā)表于：2025/12/22 中国移动研究院发布“泛在实时通信网络原型1.0” 2025年12月17日，中国移动研究院联合华为公司发布了“泛在实时通信网络（Ubiquitous Real-time Communication Network）原型1.0”，标志着泛在实时通信网络领域研究成果从理论架构走向技术实践，为未来实时通信网络的创新发展奠定关键基础。 發(fā)表于：2025/12/22 全新量子纠缠技术框架助无人机和机器人无信号通信 12 月 21 日消息，据科技媒体 Interesting Engineering 今天报道，美国弗吉尼亚理工大学博士 Alexander DeRieux 最近推出一种新框架，有望让机器人、无人机在没有信号的情况下也能通信。 發(fā)表于：2025/12/22 中国互联网络信息中心发布“.CN”域名技术迁移手册 12 月 17 日消息，中国互联网络信息中心于 2025 年 12 月 15 日发布《域名迁移技术指导手册》（以下简称《手册》）。 發(fā)表于：2025/12/18 英特尔发布IT数据中心战略白皮书 近日，英特尔（Intel）发布了IT数据中心策略白皮书，显示该公司的信息技术部门（Intel IT）凭借其创新的数据中心战略，成功实现了显著的成本节省与效率提升。从2010年至2024年，Intel IT 数据中心战略的累积节省金额已超过114.1亿美元。 發(fā)表于：2025/12/18 基于专利分析的6G天地一体化网络编码技术发展研究 随着第六代移动通信技术（6th Generation，6G）通信技术的快速发展，天地一体化网络因其全球无缝覆盖能力成为研究热点。基于专利分析方法，系统研究了6G天地一体化网络中的编码技术发展态势，聚焦Turbo码、低密度奇偶校验码（Low-Density Parity-Check Code，LDPC码）、Polar码和人工智能编码（Artificial Intelligence coding，AI coding）四大技术分支。通过对2016~2025年全球专利数据的分析，揭示了技术演进趋势、区域竞争格局和创新主体分布。研究发现：韩国在专利数量上领先，中国在Polar码领域具有优势，AI编码技术占比超过50%但标准化仍处早期阶段。该研究还识别了高动态信道适配、星地协同优化等关键技术空白，为6G编码技术研发和标准制定提供了战略参考。 發(fā)表于：2025/12/17 基于GAN和集成学习的电力系统网络入侵检测方法 针对现有入侵检测方法在面临高维数据非线性关联和样本分布不均衡的网络监测数据时存在检测准确率低和对少数类攻击漏检率高的问题，提出一种基于生成对抗网络（GAN）与集成学习的电力系统网络入侵检测方法。首先，利用GAN生成与真实分布一致的合成攻击样本，有效缓解数据不均衡问题；其次，通过稀疏自编码器（SAE）对高维特征进行非线性降维，提取低维判别性特征以克服维度灾难；最后，构建Bagging集成学习框架，融合K-means、层次聚类和高斯混合模型（GMM）的异构基学习器，并采用DBSCAN元学习器对聚类结果进行二次分析，提升检测鲁棒性。基于KDD CUP99数据集的实验表明，所提方法在数据增强后使少数类样本占比从2.6%提升至17.7%，检测准确率达96.4%，误检率低至7.3%，尤其少数类关键攻击的召回率超过97.6%。相较于传统方法显著提升了复杂攻击场景下的检测性能，为电力系统网络安全防护提供了新思路。 發(fā)表于：2025/12/17 <…6789101112131415…>
