Update - أب ديت: مسابقة أفضل تدوينة

‏إظهار الرسائل ذات التسميات مسابقة أفضل تدوينة. إظهار كافة الرسائل

السبت، 18 يناير 2020

# WiFi

التباين بين موجات الراديو "WI-FI" وموجات الضوء "LI-FI"

هذه المقال وغيرها تحت وسم أفضل تدوينة تعبر عن أراء أصحابها.

التباين بين موجات الراديو "WI-FI" وموجات الضوء "LI-FI"

غيرت موجات الراديو منذ اكتشافها وجه العالم فقد اختبر الانسان لاول مره التواصل المباشر عبر مسافات طويلة وبين الدول لاسلكيا وتوالت الابتكارات والاختراعات التي تستخدم نطاقات موجة الراديو في التكنولوجيا الحديثه وتعتبر موجات الراديو من الادوات الاساسية التي حولت العالم الى قريه صغيرة.

موجات الراديو هي موجات كهرومغناطيسيه تقع ضمن الطيف الكهرومغناطيسي بطول موجي اعلى من الاشعه تحت الحمراء تنتقل بسرعه الضوء في الفضاء الحر اكتشفها جيمي ماكسويل سنه 1865 كان اكتشافها نقله تكنولوجيه نوعيه فقد استحوذ هذا المجال على عالم التقنيه فتتكون الموجات الكهرومغناطيسيه من مجالين مختلفين لكنهما متصلين :

(مجال الكهربائي يعرف باسم الحقل "E")
( ومجال مغناطيسي يعرف باسم الحقل "H")

يتم انشاء المجال الالكتروني عن طريق إختلافات الجهد، نظرا لان اشارة التردد اللاسلكي عبارة عن تناوب، فان التغيير المستمر في التوتر يخلق مجالا كهربائيا يزيدها و يقللها بتردد الاشاره تردد الراديو فيشع المجال الالكتروني من منطقه تزيد فيها حدة التوتر الى منطقة ذات جهد اقل، وهذه كيفيه تنقل هذه الموجات فعندما يبعث القارئ إشارات التردد الراديو، فإنه يسبب اختلافات في المجالين الكهربائي والمغناطيسي. عندما تكون مادة موصلة كهوائي للعلامة أي للإشارة ، داخل نفس الحقل المتغير، يتم إنتاج تيار في هوائيها. وعندما تكون العلامة بالقرب من حقل القارئ ، فإن اقتران هوائي العلامة بحقل مغناطيسي للقارئ يخلق تيارًا ويعرف هذا الاقتران بالاقتران الاستقرائي.

شملت استخدامات موجات الراديو عدة اقسام بدأت بنقل المعلومات والاتصالات اللاسلكية الى ان تقدمت هذه الخدمة مع التطور التقني لتشمل الهواتف الخلوية والاقمار الصناعية والبلوتوث وشبكات الواي فاي والاتصالات الفضائيه فاصبحت هذه التقنية ركيزه من ركائز التكنولوجيا والاتصال.

تصنفت موجات الراديو ضمن فئات بحسب التردد والطول الموجي لتنظيم استخدامها وتجنب تداخلها من ترددات منخفضه ومتوسطة، وعالية التردد إلى آخره.

ومع ظهور شبكه الانترنات خصصت أجزاء من امواج الراديو لبث الانترنت لاسلكيا وسميت النطاقات ب : "3G" "4G" "5G" "GSM" وتعتمد عليها الهواتف المحموله وشبكات الواي فاي الا ان هذه الاخيره تعاني من بعض الاخلالات كضعف حماية المعلومات داخل هذه الشبكات كما يزداد انتشار الإتصالات اللاسلكية التي تعتمد على موجات الراديو ويزداد معها بشكل مهول انتشار الأجهزة التي تبث وتستقبل البيانات عبر الإنترنت من خلال شبكات المحمول أو من خلال شبكات الواي فاي، وتشير كل الأرقام والإحصائيات إلى ازدياد غير مسبوق في كمية البيانات كنتيجة طبيعية لزيادة أعداد الأجهزة المحمولة التي لها القدرة على الاتصال بالإنترنت وإرسال واستقبال البيانات، كذلك الانتشار المتزايد للهواتف الذكية المتصلة بالإنترنت وما تحتويه من مزايا متقدمة مثل: إجراء المكالمات الهاتفية بالفيديو، و سهولة الوصول إلى المواقع الاجتماعية.

كل هذه الأسباب و أكثر أدت في النهاية إلى ما نراه الآن من الزيادة غير المسبوقة في استهلاك البيانات، وبالتالي زيادة الضغط على الشبكات اللاسلكية الحالية، وهنا تبرز حلول مؤقتة تتمثل في توسيع الشبكات اللاسلكية و ترقيتها، إلا أن هذه الحلول لم تفِ بالمتطلبات، وما زالت الشبكات اللاسلكية الحالية عاجزة عن مسايرة هذا الكم الهائل من البيانات، لذا يكون المخرج الوحيد من هذه المشكلة هو التوجه لاستخدام وسائل جديدة لم تستخدم بعد لنقل البيانات، ويستطيع الضوء المساهمة في حل هذه المشكلة لأنه يتيح طيف من الترددات المغناطيسية أكبر 10000 مرة من من موجات الراديو التي تعتمد عليها تقنية الواي فاي ومن هنا نتبين ظهور تقنية جديدة لنقل المعلومات وهي لاي فاي أو «Li-Fi» إختصار لمصطلح، و أقرب المعاني لهذا المصطلح هو ( العمل وفق الإضاءة أو الاعتمادية على الضوء "LED" ) و بالمعنى العملي لهذه التقنية هو نقل البيانات عن طريق الضوء . وهي تقنية اتصالات لاسلكية ضوئية عالية السرعة، تعتمد على الضوء المرئي كوسيلة لنقل البيانات بدلا من ترددات الراديو التقليدية الواي فاي «WiFi»، وهي من ابتكار أستاذ هندسة "هارلد هاس” وقد صنفت كواحدة من أفضل الابتكارات لعام 2011. وتتميز هذه الاخيره بخاصية الامان فعملية نقل البيانات باستخدام تقنية Li-Fi تكون محصورة في المساحة التي يصلها الضوء، وبالتالي لن يتم تسريبها للخارج، وهذا سيفوت الفرصة على المخترقين والمتجسسين للوصول إلى الأجهزة والهواتف لسرقة البيانات، فهذه لا تعتمد على موجات الراديو مثل باقي التقنيات الموجودة حاليا، ولكنها تعتمد على موجات الضوء المرئي، وهذا يجعل التحكم بها و توجيهها سهل للغاية على عكس موجات الراديو التي لا يمكن التحكم بها بأي حال من الأحوال فهي في كل مكان. كذالك من أهم المميزات التي تقدمها هي السرعة الجبارة في نقل البيانات كذالك عدم التشويش على غرار موجات الراديو، و المبدأ الأساسي لهذه التقنية يعتمد على العرض الطيفي ( Board of spectrum ) الخاص بالضوء هنا المقصود عرض الترددات ، حيث أن العرض الترددي للضوء أكبر ب 10000 مرة من العرض الترددي الخاص بال 'Wi-Fi' مما يسمح بوجود عرض ترددي واسع جدا يمكن الاستفادة منة ، و يتم عمل ذلك من خلال المصابيح و لكن ليست أي مصابيح حيث يجب أن تكون مصابيح 'LED' بالتحديد ؟ و السبب في ذلك هو أن إضاءة ال 'LED' تكون بالأصل متقطعة (flickering) بمعدلات عالية جدا حيث لا تدرك إبصارنا هذا التقطع ، و يفيد هذا التقطع بإنشاء ما يسمى ب 'Binary Code' أي 0 و 1 وهو الشكل الأصلي للبيانات في أجهزة الحواسيب ... كما أن هذه التقنية لا تولد أي إشعاع كما في ال Wi-Fi فهو في النهاية ضوء .

رغم أن هذه التقنية ستسمح بنقل المعلومات بكم هائل وستكون أكثر حماية إلا أنها لاتخلو من النقائص كإرتباطها الوثيق بوجود الضوء.

# deep learning

التعلّم المُتعمّق أو التعلّم العميق ما هي تطبيقاتة وكيف يعمل

by Update - أب ديت on 5:01:00 م

هذة المقال وغيرها تحت وسم أفضل تدوينة تعبر عن أراء أصحابها.

التعلّم العميق

|___Deep Learning___|

____________________________________________

__________________________________________

(بالإنجليزية: Deep Learning)

"التعلّم المُتعمّق أو التعلّم العميق"

هو مجال بحث جديد يتناول إيجاد نظريات وخوارزميات تتيح للآلة أن تتعلم بنفسها عن طريق محاكاة الخلايا العصبية في جسم الإنسان. و أحد فروع العلوم التي تتناول علوم الذكاء الاصطناعي. يعد من فرع من فروع علوم التعلم الآلي، تركز معظم أبحاث التعلم المتعمق على إيجاد أساليب استنباط درجة عالية من المتجردات بتحليل مجموعة بيانات ضخمة باستخدام متحولات خطية وغير خطية.

أثبتت الاكتشافات في هذا المجال تقدما كبيرا وسريعا وفعالية في العديد المجالات منها التعرف على الوجه، التعرف على الكلام، الرؤية الحاسوبية، ومعالجة اللغات الطبيعية.

تتعلم الآلة من البيانات الضخمة باستخدام تصميمات مختلفة لشبكات التعلم العميق منها: الشبكات المتكررة (RNN) المستخدمة بكثرة مع النصوص و البيانات المستمرة و الشبكة عصبوية التفافية (CNN) التي تستمد إلهامها من العمليات البيولوجية في الفص البصري و غيرها من التصميمات

.تطبيقات Deep Learning

تستخدم هذه التقنية الأن فى الكثير من المجالات من مجالات الأتصالات والبنوك والطب الحيوي والكشف عن المخدرات و البصمة الوراثية والحصول على عقاقير جديدة فى مجال الصيدلة وفى الكمبيوتر والأنترنت فى خدمات الأميل للتعرف على الأميلات Spam وخدمات البحث عن الصور والبحث بالصوت وغيرها

جوجل تعتمد على هذه الطريقة فى نظام أندرويد للتعرف على الكلام فحققت أنخفاض بنسبة 25 % فى أخطاء التعرف على الكلمات وبعد النجاح الكبير لهذه التقنية فى التعرف على الصور والكلمات تسعى جوجل تطبيق هذه التقنية فهم لغة البشر بما يكفى لأعادة صياغة الجمل ويمكن الأستفادة منها فى ترجمة جوجل

كما مكن التعلم العميق جوجل من تسويق الأعلانات بشكل آلى وتسعى الشركات الكبرى الأخرى فى مجالكما تكنولوجيا المعلومات مثل ميكروسوفت وفيس بوك فى الأستثمار فى هذه التقنية

يستخدم البيولوجين والباحثون من معهد ماساتشوستس هذه التقنية لتحليل صور طبيقية ثلاثية الأبعاد للدماغ البشرى للتعرف على الوصلات العصبية كما تستخدم التقنية للتعرف على الأحماض الأمينية والتبؤ ببنية البروتين بجامعة واشنطن

كيف يعمل Deep Learning

عند بداية ظهور الحاسب فى الخمسينات كانت الحماسة كبيرة بين اوساط بحاثى الذكاء الأصطناعى وأن ظهور محاكة للعقل البشرى او الذكاء الأصطناعى على وشك الظهور ولكن الحقيقة أن هذا كان بعيد كل البعد عن طريقة التفكير فى العالم الحقيقى خصوصًا فى الأمور مثل جعل الحاسب يتعرف على صورة على أنها صورة أنسان وليس قناعًا مثلًا وكانت الطريقة التقليدية لفعل هذه هو بتزويد الحاسوب بجميع الصفات اللازمة لجعل الحاسوب يتعرف على صورة الأنسان مثلًا وذلك يستغرق وقتًا طويلًا وجهد كبير لأدخال كل هذه السمات للوجه البشرى مثلًا ما دعى العلماء للتفكير فى طريقة أفضل

ظهر فى الثمانينات الشبكات العصبية أو Neural Networks وهى ما بدت طريقة أفضل للتعلم العميق نظرًا لقدرة هذه الانظمة على تعلم القواعد الخاصة من الصفر فهى تستخدم طريقة شبيه بألية عمل الدماغ البشرى عن طريق طبقات من الخليا العصبية فعند تعريض صورة مثلًا لمثل هذا النظام تلاحظ كل طبقة نمط معين فى الصورة فمثلًا الطبقة الأولى قد تلاحظ حدود الصورة وطبقة أخرى تلاحظ العين فى منتصف الرأس وهو موجود فى البشر لم يكن الاداء الأول لهذا النظام أفضل من النظم الموجودة ولكن تطور حتى وصلنا الأن إلى أن معظم التطبيقات الكبيرة تستخدمه وسنستعرض معًا هذه التطبيقات

كيف تطور التعلم العميق على مدار 10 سنوات ؟

من أكثر التقنيات شيوعا في مجال التعلم الآلي نجد تقنية تعزيز التكيف أو AdaBoost. و التي أدخلت في عام 2001 من طرف بول فيولا و مايكل جونز من مختبرات ميتسوبيشي للأبحاث الكهربائية ، تمكن هذه التقنية من رصد الوجوه في الصور في الوقت االفعلي , فبدلا من الاعتماد على شبكة من الخلايا العصبية المترابطة ، يقوم AdaBoost بتحديد الوجوه من خلال فلترة الصورة عبر مجموعة من القرارات البسيطة .

أدت هذه التقنية و مثيلاتها إلى غض النظر عن الشبكات العصبية الإصطناعية غير أن الإنفجار الهائل في عدد البيانات الموسومة جعلها تعود للواجهة.

تطورت الشبكات العصبية للتعلم العميق و أضحت تحتوي على العديد من الطبقات .فمثلا يتضمن التعلم العميق لتقنية صور غوغل 30 طبقة . تطور هائل آخر هو الشبكات العصبية الإلتفافية التي لا تستوحي مبدأها فقط من عمل الدماغ البشري و إنما أيضا من خلال النظام البصري.

على مستوى الشبكة ، تقوم كل طيقة بفلترة الصور لتحديد أنماط أو عناصر محددة. تعمل الطبقات الأولى للشبكة على رصد الخاصيات الأساسية في حين تهتم الطبقات الأخيرة برصد التفاصيل الأكثر دقة و تنظيمها إلى عناصر محددة. تملك الشبكات الإلتفافية القدرة على تحديد السيمات بدقة عالية فهي تستطيع مثلا معرفة شكل البؤبؤ , المسافة بين الأنف و العيون ،و ذلك لمعرفة ماهية الشكل .

مشكلةٌ عويصة تواجه تقنيات التعلم العميق

تخيَّل سيارةً ذاتية القيادة تقترب من علامة «توقَّف» المرورية، لكنَّها بدلًا من أن تبطئ سرعتها، تُسرع نحو التقاطع المزدحم، ليكشِف تقرير الحادث لاحقًا أنَّه كانت هناك أربعة مستطيلات صغيرة مُلصَقة على العلامة المرورية. وقد ضَلَّلَتْ هذه المستطيلات الأربعة نظام الذكاء الاصطناعي في السيارة، وجعلته يُخطئ في قراءة كلمة «توقَّف» على العلامة المرورية، ويظنها - بدلًا من ذلك - «الحد الأقصى للسرعة 45».

لم يقع هذا الحادث حقًّا، لكنْ من الممكن بالفعل عرقلة عمل أنظمة الذكاء الاصطناعي، إذ أوضح الباحثون كيف يمكن خداع نظام ذكاءٍ اصطناعي؛ ليُخطئ في قراءة علامة «توقَّف» المرورية، وذلك بوضع ملصقاتٍ عليها بعناية1. وتمكنوا من تضليل أنظمة التعرف على الوجوه، عن طريق لصق أشكال مطبوعة على النظارات أو القبعات. كما احتالوا على أنظمة التعرف على الكلام بدفعها إلى تخيُّل سماع عباراتٍ وهمية، عن طريق إقحام أنماطٍ من الضجيج الأبيض في الأصوات التي تسمعها.

هذه مجرد أمثلة على مدى سهولة عرقلة عمل التقنية الرائدة للتعرف على الأنماط في الذكاء الاصطناعي، المعروفة باسم الشبكات العصبية العميقة (DNNs). وقد أثبتت هذه الشبكات قدرتها المذهلة على تصنيف جميع أنواع المدخلات بشكلٍ صحيح، بما في ذلك الصور، والكلام، والبيانات المتعلقة بتفضيلات المستهلكين. وهي جزء من الحياة اليومية، إذ تدير كل شيء، بدءًا من أنظمة الهاتف المشغلة تلقائيًّا، حتى تقديم التوصيات إلى مستخدمي خدمة البث «نتفليكس» Netflix. ومع ذلك.. فإنَّ تعديل المدخلات بتغييراتٍ بسيطة للغاية لا يلاحظها البشر عادةً يمكن أن يُربِك أفضل الشبكات العصبية.

وعلى حد قول دان هندريكس، طالب الدكتوراة في علوم الحاسوب بجامعة كاليفورنيا في مدينة بيركلي الأمريكية، فإنَّ هذه المشكلات مقلقةٌ أكثر من أي سماتٍ غريبة وشاذة تُظْهِرها تقنيةٌ غير مثاليةٍ بعد كهذه. ومثل عديدٍ من العلماء، أصبح هندريكس يرى أنَّ هذه المشكلات هي أوضح مثالٍ على الطبيعة الواهية للشبكات العصبية العميقة؛ فهي تؤدي مهامها ببراعة، إلى أنْ تواجه موقفًا غير مألوف، فتتعطل؛ وتُخطئ بطرقٍ غير متوقعة (انظر الشكل: «خداع الذكاء الاصطناعي»).

________________________________________________________

يمكن أن يتسبب هذا في مشكلاتٍ كبيرة.. فأنظمة التعلم العميق تخرج على نحوٍ متزايد من المختبرات لتنتقل إلى حيز التطبيق في العالم الفعلي، بدايةً من أنظمة توجيه السيارات ذاتية القيادة إلى تشخيص الأمراض وتحليل أنماط ارتكاب الجرائم. وحسبما أفادت دراسةٌ جديدة تمّت خلال هذا العام2، فإنَّ إضافة بكسلاتٍ مُضَلِّلة إلى صور الفحوص الطبية قد تخدع الشبكة العصبية العميقة، وتجعلها تخلص إلى تشخيص خاطئ بالإصابة بمرض السرطان. وقد أشارت دراسةٌ أخرى إلى أنَّ نقاط الضعف تلك ربما يستغلها أحد قراصنة شبكة الإنترنت، للسيطرة على نظامٍ مبنِيّ على الذكاء الاصطناعي بالشبكة، بحيث يدفع النظام إلى تشغيل خوارزمياته الخاصة3.

وفي مسعى الباحثين إلى تحديد مواطن الخلل تلك، اكتشفوا الكثير عن أسباب حالات إخفاق الشبكات العصبية العميقة في مهمتها. ويرى فرانسوا شوليه - مهندس الذكاء الاصطناعي في شركة «جوجل» بمدينة ماونتن فيو في ولاية كاليفورنيا - أنَّه "لا توجد حلول للطبيعة الواهية للشبكات العصبية العميقة". ويقول هو وآخرون، إنَّه من أجل تجاوُز تلك العيوب، يحتاج الباحثون إلى تعزيز الشبكات العصبية العميقة التي تتحرى التطابق بين الأنماط بقدراتٍ إضافية. وعلى سبيل المثال.. بتطوير أنظمة ذكاء اصطناعي تستطيع استكشاف العالَم بنفسها، وكتابة أكواد برامجها الخاصة، والاحتفاظ بالذكريات. ويَعتقِد بعض الخبراء أنَّ هذه الأنواع من النظم ستشكل مستقبل أبحاث الذكاء الاصطناعي في العقد القادم.

تعلُّم كيفية التعلُّم

لم يكن نجاح «ألفا زيرو» في ممارسة الألعاب يرجع فقط إلى فعالية تقنية التعلم التعزيزي، التي تدرَّب باستخدامها، لكنْ أيضًا إلى خوارزميةٍ ساعدته في تضييق نطاق خياراته من الخطوات التالية المحتملة10 (باستخدام نوعٍ من تقنية البحث المعروفة باسم «شجرة مونت كارلو»). وبمعنًى آخر.. حظي نظام الذكاء الاصطناعي بتوجيهٍ حول الطريقة المثلى للتعلم من بيئته. ويعتقد شوليه أنّ الخطوة التالية المهمة في مجال الذكاء الاصطناعي ستكون مَنْح الشبكات العصبية العميقة القدرة على كتابة الخوارزميات الخاصة بها كهذه الخوارزمية، بدلًا من استخدام كودٍ وضعه البشر.

ويرى شوليه أنه إذا جرى تعزيز القدرات الأساسية التي تكمن وراء تحرِّي التطابُق بين الأنماط في أنظمة الذكاء الاصطناعي بقدرات الاستدلال والتفكير المنطقي، فهذا من شأنه أن يجعلها أفضل في التعامل مع المدخلات خارج نطاق خبراتها. وقد دَرَس علماء الحاسوب لسنواتٍ تقنيات «التصميم الآلي للبرامج»، التي يُولِّد فيها حاسوبٌ كودَ برنامجٍ ما أوتوماتيكيًّا. ويعتقد الباحث أنَّ دمج هذا المجال مع التعلم العميق يمكن أن يُنتِج أنظمةً ذات شبكاتٍ عصبية عميقة، أقرب بكثير إلى النماذج الذهنية المجرَّدة، التي يستخدمها البشر.

ففي علم الروبوتات مثلًا، تعمل عالمة الحاسوب كريستِن جرومان - من مركز أبحاث فيسبوك للذكاء الاصطناعي بمدينة مينلو بارك في ولاية كاليفورنيا الأمريكية، والأستاذة بجامعة تكساس في مدينة أوستن - على تعليم الروبوتات أفضل السبل لاستكشاف بيئاتٍ جديدة بنفسها. وقد يتضمن هذا مثلًا تحديد الاتجاهات التي ينبغي لها أن تنظر فيها عندما تُوجَد في بيئاتٍ جديدة، وطريقة التعامل مع جسمٍ ما لفَهْم شكله، أو غرضه، على أفضل وجه. وتتمثل الفكرة هنا في جعل الذكاء الاصطناعي يتكهن.. أيّ منظورٍ أو زاويةٍ جديدة ستوفر له أنفع البيانات الجديدة ليتعلم منها.

ويقول الباحثون في هذا المجال إنَّهم يحرزون تقدمًا في إصلاح عيوب التعلم العميق، لكنَّهم يُقِرُّون بأنَّهم ما زالوا يتلمسون طريقهم لاكتشاف تقنياتٍ جديدة للتغلب على الطبيعة الواهية لهذا التعلُّم. وترى سونج أنَّه لا يوجد سوى قدرٍ بسيط من النظريات في مجال التعلم العميق، وتضيف قائلة: "إذا فشلت تجربة ما، فمِن الصعب معرفة السبب. إنّ المجال بأكمله ما زال تجريبيًّا، وما عليك سوى التجربة".

ورغم أنَّ العلماء يدركون الطبيعة الواهية للشبكات العصبية العميقة، واعتمادها على كمياتٍ ضخمة من البيانات، فإنَّ معظمهم يقولون - في الوقت الحالي - إنَّ استخدام التقنية سيستمر لفترةٍ طويلة. وإدراك أنَّ الشبكات العصبية يمكن تدريبها للتعرف على الأنماط بهذه الكفاءة، حين تُدمج مع موارد حوسبية هائلة، يظل اكتشافًا كبيرًا في هذا العقد، لكنّ كلون يقول: "لا يوجد أحد لديه أيّ فكرة عن كيفية تحسينها".

___________________________________________

المراجع

Eykholt, K. et al. IEEE/CVF Conf. Comp. Vision Pattern Recog. 2018, 1625–1634 (2018). | article

Finlayson, S. G. et al. Science 363, 1287–1289 (2019). | article

Elsayed, G. F., Goodfellow, I. & Sohl-Dickstein, J. Preprint at https://arxiv.org/abs/1806.11146 (2018).

Szegedy, C. et al. Preprint at https://arxiv.org/abs/1312.6199v1 (2013).

Nguyen, A., Yosinski, J. & Clune, J. IEEE Conf. Comp. Vision Pattern Recog. 2015, 427–436 (2015). | article

Alcorn, M. A. et al. IEEE Conf. Comp. Vision Pattern Recog. 2019, 4845–4854 (2019) | article

# big data

مشاكل البيانات الضخمة التي يجب على الجميع معرفتها

by Update - أب ديت on 4:49:00 م

هذه المقال وغيرها تحت وسم أفضل تدوينة تعبر عن أراء أصحابها.

مشاكل البيانات الضخمة التي يجب على الجميع معرفتها

اليوم، تعطينا البيانات الكبيرة رؤى وفرص غير مسبوقة في جميع الصناعات ، من الرعاية الصحية إلى المالية إلى التصنيع والمزيد. لكنه يثير أيضًا المخاوف والأسئلة التي يجب معالجتها. إن التغييرات التي لا هوادة فيها على التكنولوجيا والبيانات الكبيرة تعمل على إبقاء الجميع على عاتقهم ، والحقيقة هي أن المنظمات والإدارات التقنية والوكالات الحكومية ومجموعات حماية المستهلك والمستهلكين تكافح من أجل مواكبة ذلك. بالنسبة لي ، هناك 3 مخاوف تتعلق بالبيانات الضخمة : خصوصية البيانات ، وأمن البيانات ، والتمييز في البيانات.

خصوصية البيانات

عندما تم التصديق على التعديل الرابع في عام 1791 لمنح مواطني الولايات المتحدة 'توقع معقول للخصوصية' ، لم تكن هناك طريقة لأولئك الذين كتبوه لتصور تعقيدات تقنية القرن الحادي والعشرين.

مما لا شك فيه أننا نستفيد من العديد من وسائل الراحة والانجازات التي تحققت بفضل التطبيقات والخدمات التي تدعم البيانات الكبيرة ، ولكن في أي خطر على خصوصيتنا؟ هل لدينا أي سيطرة على مقدار المعلومات الشخصية المستخدمة؟ لقد وصلنا الآن إلى النقطة التي لم تعد فيها المقاطعة التكنولوجية الكاملة تحمينا تمامًا. ما لم يكن ، بطبيعة الحال ، اخترت المشي في كل مكان تذهب إليه ، وارتداء قناع مختلف كل يوم (لإحباط تكنولوجيا التعرف على الوجوه) واستخدام النقد فقط (التي لم تودع أبدا في مؤسسة مالية). إن النجاح في التنقل في العالم الحديث بدون التكنولوجيا أمر صعب للغاية ولن يحمي خصوصيتك بنسبة 100٪.

صحيح أن الكثير من هذه المعلومات يتم استخدامها بطرق حميدة ، لكن احتمال استخدام البيانات الحساسة للشر مخيف. وما زالت الحكومة الأمريكية تحاول تحديد أفضل السبل لتنظيم قواعد خصوصية الإنترنت. يناقش الكونغرس حاليًا القواعد التي اعتمدتها في العام الماضي لجنة الاتصالات الفيدرالية والتي تتطلب من مقدمي خدمات الإنترنت إخبار عملائها بالمعلومات التي يتم جمعها وكيف سيتم استخدامها أو مشاركتها.

في حين أن نتائج التشريعات المعلقة هي تخمين من أي شخص ، يمكن للمشرعين الأمريكيين أن يحذوا حذو الاتحاد الأوروبي وخلق بيئة تحمي الناس. في عام 2018 ، سيتم تطبيق اللائحة العامة لحماية البيانات في الاتحاد الأوروبي بالكامل بهدف رئيسي هو 'إعطاء المواطنين السيطرة مرة أخرى على بياناتهم الشخصية.' وشركات دولية أخرى 'تعالج وتحتفظ بالبيانات الشخصية لموضوعات البيانات الموجودة في الاتحاد الأوروبي ، بصرف النظر عن موقع الشركة'. كما اتضح ، هذا الأخير لا يتخبط. تصل العقوبات المفروضة على عدم الامتثال إلى ما يصل إلى 4٪ من إجمالي مبيعاتها السنوية - وهي عصا كبيرة لإبقاء الشركات في حالة توافق.

أمن البيانات

لذا ، لقد قمت بالنقر ووافقت على استخدام بياناتك (وتحليلها في نهاية المطاف) لأنك شعرت أن فوائد المنتج أو الخدمة من تلك المنظمة تفوق الخسارة على خصوصيتك ، ولكن هل يمكنك الوثوق بتلك المؤسسة للحفاظ على بياناتك آمنة؟ الجواب على ذلك يصبح أكثر صعوبة يوم بعد يوم.

مع زيادة حجم البيانات الضخمة وانفجار شبكة الأجهزة المتصلة ، يعرض المزيد من بياناتنا لانتهاكات أمنية محتملة. لقد ناضلت العديد من المؤسسات بالفعل من أمان البيانات حتى قبل التعقيدات التي أضافتها البيانات الكبيرة ، حيث يغرق الكثير منهم في المتابعة.

هناك عدد قليل جدًا من المتخصصين في أمان البيانات ممن لديهم خبرة لنشعر بالثقة في أن جميع الأعمال التجارية لها أمان في بياناتها. قد يكمن الحل الأمني الأكبر في نهاية المطاف في تحليل نمط البيانات الكبيرة. يمكن اكتشاف التهديدات وربما منعها عن طريق تحليل البيانات

تمييز البيانات

عندما يكون كل شيء معروفًا ، هل يصبح من المقبول التمييز ضد الأشخاص استنادًا إلى البيانات الموجودة في حياتهم؟ نحن نستخدم بالفعل سجل الائتمان لتحديد من يمكنه اقتراض المال ، والتأمين يعتمد بشدة على البيانات. على الرغم من أن البيانات الكبيرة تساعد الشركات على أن تصبح مسوِّقين ومقدمي خدمات أفضل ، إلا أنها يمكن أن تسمح لهم بالتمييز.

يوجد حاليًا قبول عام من قبل المستهلكين بأنه يتم تحليلهم وتقييمهم بتفصيل أكبر وأن نتيجة ذلك هي تجربة أفضل. ولكن ، ماذا لو كانت هذه الرؤية تجعل من الصعب على بعض الناس الحصول على المعلومات أو الموارد التي يحتاجونها؟ كان هذا بالضبط هو السؤال الذي طرحه تقرير لجنة التجارة الفيدرالية ، 'البيانات الضخمة: أداة للإدماج أو الاستبعاد؟'

توجد قوانين لحماية المستهلك ، مثل قانون الإبلاغ الائتماني العادل وقانون لجنة التجارة الفيدرالية ، والتي تنطبق على تحليل البيانات الضخمة. تحتاج الشركات إلى وضع هذه القوانين وقوانين تكافؤ الفرص في الاعتبار للتأكد من أنها متوافقة.

بالإضافة إلى ذلك ، يجب على الشركات التحقق من بياناتها لضمان :

⦁ إنها عينة تمثيلية من المستهلكين

⦁ الخوارزميات تعطي الأولوية للنزاهة

⦁ انهم يدركون التحيزات في البيانات

⦁ إنهم يقومون بفحص نتائج البيانات الضخمة الخاصة بهم مقابل ممارسات الإحصاء المطبقة تقليديًا

مع استمرار تطور البيانات الضخمة ، ستكون اهتماماتها الثلاثة - خصوصية البيانات وأمن البيانات والتمييز في البيانات - عناصر ذات أولوية للتوفيق بين الحكومات الفيدرالية وحكومات الولايات وأصحاب الأعمال وخبراء البيانات الضخمة والمستهلكين.

لا توجد إجابة سهلة أو حل سريع لأي منها. إن الطوفان من المعلومات التي تم جمعها والتغير السريع في التكنولوجيا يجعل حل هذه القضايا أكثر صعوبة ، لذلك أتوقع أن تظل هذه المخاوف الثلاثة للبيانات الكبيرة لبعض الوقت.

المراجع

https://www.bernardmarr.com/default.asp?contentID=1153

# مسابقة أفضل تدوينة

ماهي المعلوماتية؟ وما هي أجزاء نظام الحاسوب؟

by Update - أب ديت on 4:37:00 م

هذه المقال وغيرها تحت وسم أفضل تدوينة تعبر عن أراء أصحابها.

1 شرح المعلوماتية Informatics

هي كلمة مكونة من كلمتين هما معلومات آلية أو تسمى بالإعلام الآلي باللغة الإنجليزية Automatic information

2. تعريف المعلوماتية

ھو علم یسمح بمعالجة المعلومات بطریقة آلیة أي باستعمال جهاز الكمبیوتر و يكون برنامج أو ما يعرف بنظام التشغيل مثبت على جهاز الكمبيوتر مسبقا

3 مكونات الإعلام الآلي:

يتكون من شيئين رئيسيين هما:

العتاد جهاز الكمبيوتر
البرمجة نظام التشغيل

4 عتاد جهاز الحاسوب:

1 تعریف الكمبیوتر

ھو جھاز یسمح باستقبال المعلومات وتخزینھا ومعالجتھا وإخراج النتائج عند الطلب.

2 مكونات الكمبیوتر

یتكون الكمبیوتر من مكونات أساسیة وأخرى ثانویة.

المكونات الأساسیة

*الشاشة the screen

تعتبر شاشة الحاسوب واحدة من أهم مكونات الحاسوب التي لا يمك الإستغناء عنها فهي المسؤلة عن عرض المعلومات المخزنة في الكمبیوتر أو العمليات التي نقوم بها تتصل مع الوحدة المركزية بكايبل vga

*لوحة المفاتیح keyboard

لوحة أساسية تتكون من أزرار لإدخال البيانات إلى جهاز الحاسوب عن طريق الضغط على الأزرار و يتم ربطها مع الوحدة المركزية بكابيبل نهايته تكون من نوع PS/2 أو usb

*الفأرة Mouse

هي إحدى وحدات الإدخال في الحاسوب التي يتم استعمالها يدوياً و يتم ربطها مع الوحدة المركزية بكابيبل نهايته تكون من نوع PS/2 أو usb

الوحدة المركزیة Central Processing Unit

تعريف الوحدة المركزية

هي عبارة عن صندوق حديدي ذو أبعاد متفق عليها حتى تتلائم مع الأجزاء المراد تركيبها داخلها

القطع الرئيسة التي تتصل بلوحة الأم

1 مزود الطاقة power supply

هي علبة يتم تزويدها بتيار كهربائي متناوب قدره 230 فولط، ليتم تحويله إلى تيار كهربائي مستمر قدره 12 فولط ثم يتم ربطها مع لوحة الأم

2 القرص الصلب hard disk

أو ما يعرف ب hdd و هو وحدة التخزين الرئيسي في الحاسوب يتم تزويده بتيار كهربائي من علبة التغذية و يربط مع لوحة الأم بكايبل يسمى ساتا SATA و يوجد أيضا نوع آخر حديث يسما ب ssd

القطع الرئيسية التي تركب على لوحة الأم

1 المعالج أو وحدة المعالجة المركزية Central Processing Unit

وهو بمثابة العقل المسير للجهاز حيث يقوم بإجراء مختلف العمليات الحسابية والمنطقية وتطبيق مختلف التعليمات البرمجية على جميع البيانات الحاسوبية المدخلة إلى الكمبيوتر بهدف معالجتها وإخراجها حسب الطلب في شكل نتائج

2 تبريد المعالج

وهو عبارة عن 3 مكونات أساسية وهي معجون يوضع فوق المعالج قصد توصيل الحرارة للمشتت الحراري الذي توضع فوقه المروحة و يتم توصيلها بلوحة الأم

3 الذاكرة العشوائية Random Access Memory

وتختصر ب RAM تعرف بذاكرة القراءة والكتابة و هذا النوع يفقد المعلومات بمجرد انقطاع التيار الكهربائي

4 لوحة الأم Motherboard

وهي لوحة إلكترونية تتصل كل وحدات الحاسوب بها سواء كانت هذه الوحدات وحدات إدخال أو إخراج أو تخزين فكل جزء من أجزاء الحاسوب يجب أن يتصل باللوحة الأم

1 = منفذ لوحة المفاتيح 2 = منفذ الفأرة

3 = المنفذ التسلسلي 4 = المنفذ المتوازي

5 = منفذ الشاشة 6+7+8+9 = منافذ usb

10 = منفذ الشبكة 11 = منفذ الماكروفون

12 = منفذ السماعات 13 = منفذ المسجلات

المكونات الثانوية

1 قارء الأقراص الضوئية cd dvd

و هو المسئول عن قرائة محتوى القرص وضيفته إدخل المعلومات أو إخراجها

2 القرص الضوئي

هو قرص يستعمل لتخزين المعلومات فيه

3 مكبرات الصوت

مكبرات الصوت أو سمعات الرأس و وضيفتها إخراج الصوت

4 الميكروفون

مهمته إدخال الكلام أو الصوت

5 ذاكرة الفلاشة

تستعمل لإدخال المعلومات أو إخراجها تتصل مع الوحدة بمنفذ usb

6 بطاقة الرسومات

هي قطعة تركب ببطاقة الأم كي تخرج الصور وتعرضها على الشاشة

7 بطاقة الواي فاي

هي إحدى مكونات الحاسوب التي التي تركب على لوحة الأم لتتصل بالشبكة بدون الحاجة لكيبل

8 مخزن الطاقة

یسمح بتخزین الطاقة الكھربائیة ویغذي بھا جھاز الكمبیوتر في حالة انقطاع التیار الكھربائي

9 الطابعة

ھي آلة تسمح بطباعة المعلومات المخزنة على الجھاز

10 الماسح الضوئي

هو وحدة إدخال الصور وتخزینھا في الكمبیوتر.

الثلاثاء، 14 يناير 2020

# مسابقة أفضل تدوينة

كيفية البحث عن الكاميرات المخفية في غرف الفنادق والاماكن الخاصة

by Aya Ali on 1:31:00 ص

هذه المقال وغيرها تحت وسم "أفضل تدوينة" تعبر عن أراء أصحابها.

كيفية البحث عن الكاميرات الخفية في غرف الفنادق

لطالما كانت الكاميرات الخفية في غرف الفنادق مصدر قلق للمسافر. فقد كانت العناوين الرئيسية في الأشهر القليلة الماضية تركز على الكاميرات الخفية غير المكشوف عنها في الاماكن العامة او الخاصة. على الرغم من عدم تعارضها مع شروط الخدمة لتركيب كاميرات أمنية، إلا أن هناك إرشادات واضحة حول هذه الممارسة. وانه يجب الكشف عن أي كاميرا في المبنى، حتى لو كانت خارجها أو لا تعمل، ولا يمكن تثبيتها في أماكن خاصة مثل غرف النوم أو الحمامات.

ومع ذلك، فإن بعض الفنادق إما لم يحصلوا على المذكرة المتعلقة بالكشف، أو انهم اختاروا تجاهلها. هذا أقل إثارة للقلق بشأن الخصوصية عندما تكون الكاميرا في وضع العرض العادي في منطقة مشتركة، ولكن عندما تكون مخفية داخل كاشف دخان مزيف أو منبه أو إطار صور؟ فان هذه مشكلة حقيقية.

لحسن الحظ ، إذا كنت مهتمًا بكشف الكاميرات المخفية، فأنت لست عاجزًا تمامًا، هناك عدة طرق لكشف الكاميرات المخفية، يتطلب منك فقط القليل من الوقت والجهد، والهاتف الذكي الموجود في جيبك.

هناك العديد من التقنيات أدناه، بما في ذلك عمليات الفحص الفيزيائي والمسح الضوئي للشبكة والبحث عن الانعكاسات او مصابيح الأشعة تحت الحمراء، لاحظ أنه على الرغم من أنها جميعًا تمنحك فرصة أفضل لاكتشاف الكاميرات الأمنية، ولكن يبقى هذا الامر محدود بعض الشيء.

يمكن لشخص لديه ما يكفي من المال والمهارة والدافع إعداد كاميرا خفية يصعب اكتشافها بدون معدات احترافية. ومع ذلك، لا يندرج معظم موظفي الفنادق في هذه الفئة!

الكشف عن الكاميرات الخفية:

هناك العديد من أنواع الكاميرات الخفية المختلفة، سواء في أشكالها واحجامها أو قدراتها. فيما يتعلق بالقدرات، يسهل العثور على بعض أنواع الكاميرات الخفية من غيرها.

هناك ثلاثة أنواع رئيسية للكاميرات الامنية المخفية

1. تتصل معظم الكاميرات المصممة للمنزل لاسلكيًا بالإنترنت بحيث يمكن مشاهدة هذه للقطات عن بُعد أو تحميلها على خادم خارج المبنى.

2. تستخدم كاميرات الأمان الأخرى، وخاصة الطرز الأكثر تكلفة، كيبلًا فعليًا بدلاً من الـ WiFi لإجراء اتصال بالشبكة المحلية. في كثير من الأحيان، يوفر نفس الكابل الطاقة إلى الكاميرا كذلك. اعتمادًا على كيفية إعدادها، قد تكون الكاميرات السلكية واللاسلكية قابلة للكشف من خلال تطبيقات مختلفة.

3. النوع الثالث الشائع من كاميرا الحماية ليس لديه أي وصول للأنترنت. وتشمل هذه الأنظمة القديمة والتناظرية، وكذلك الكاميرات التي تسجل لقطات في بطاقة SD أو أي نوع آخر من التخزين لشخص لجمع في وقت لاحق.

من المستحيل العثور على هذه الكاميرات من خلال برامج وتطبيقات مسح الشبكات، ولكن لا يزال من الممكن رصدها أثناء الفحص الفيزيائي.

التفتيش الفيزيائي للمكان:

أفضل الطرق للبدء عند البحث عن كاميرا خفية في غرفة الفندق أو في الاماكن الخاصة هو الفحص الفيزيائي للمكان اي القيام بتفتيش المكان يدويا وبعدة طرق سنناقشها بهذه المقال، ولنسهل هذا الامر يجب أن تتذكر أنه لكي تكون الكاميرا فعالة، فهي تحتاج إلى ثلاثة أشياء:

خط الأفق لأي شيء تسجله .
ما يكفي من الإضاءة لتسجيل المشهد .
مصدر طاقة موثوق .

على الرغم من أنه من الممكن إنشاء كاميرا خفية في الحائط أو السقف، إلا أنها أقل شيوعًا، حيث يتطلب ذلك بناء وتكلفة إضافية، بدلاً من ذلك، غالبًا ما يتم إخفاء الكاميرات داخل أثاث الغرفه بشكل لا يثير الشكوك في البيئة التي توجد فيها، ولأن الكاميرات تتطلب طاقة ثابتة، يتم تعيين العديد من الكاميرات الخفية في جهاز إلكتروني باستخدام كيبل طاقة موجود او أستخدام كيبل الطاقة الخاص بالجهاز نفسة. ستكون غالبًا في أجهزة مثبتة على الحائط أو السقف، حيث يمكن إخفاء كيبل الطاقة بسهولة خلف الجهاز أو فوقه، قطع الاثاث التي لا يتم التقاطها أو يصعب نقلها أو فحصها هي أهداف شائعة لتبدء البحث بها.

قطع الاثاث المستخدم في العادة لاخفاء كاميرا الامان:

كاشف الدخان
محول التيار المتردد
جهاز استشعار الانذار
الهاتف
المكتب أو مصباح الدائمة
إبريز كهربائي
ساعة الحائط
المرآة
المنبه
وعاء للصابون
حامل فرشاة الأسنان
صناديق الأنسجة
مشغل DVD

تأكد من التحقق من وجود ثقوب صغيرة، إلى جانب مناطق صغيرة وشفافة في الخارجيات الصلبة خلاف ذلك. يجدر أيضًا فحص فتحات التهوية والفتحات في الحائط أو السقف، حيث يمكن لشخص ما تثبيت الكاميرا والوصول إليها دون أن تكون واضحة بشكل خاص.

: كيفية اكتشاف الكاميرات الخفية عبر هاتفك

جميع الكاميرات لديها عدسة، وجميع العدسات تعكس الضوء إلى حد ما. ونتيجة لذلك، فإن أحد أسهل عمليات التحقق التي يمكنك إجراؤها بالنسبة للكاميرا الخفية هي ببساطة إغلاق الستائر وإطفاء الأنوار واستخدام مصباح يدوي في هاتفك للبحث عن انعكاسات غير واضحة في الأماكن التي لا ينبغي أن تكون فيها.

نظرًا لأن الضوء يحتاج إلى ضرب العدسة بالزاوية الصحيحة ليعكسها معك ، فستحتاج إلى مسح الغرفة ببطء ، وتسليط الضوء على زوايا مختلفة. لاحظ أن هذه الطريقة لن تعمل مع الكاميرا المخفية داخل المرآة، أو أي شيء آخر ذو سطح عاكس للغاية.

الكشف عن ضوء الأشعة تحت الحمراء من الكاميرات الخفية :

بخلاف العين البشرية، تتمتع كاميرات الهواتف الذكية عادةً بالقدرة على عرض مصادر ضوء الأشعة تحت الحمراء (IR) تستخدم مصابيح الأشعة تحت الحمراء لأغراض متعددة، بما في ذلك في العديد من أجهزة التحكم عن بعد. من المفيد بالنسبة لنا، كما أنها موجودة عادة في الكاميرات الأمنية للسماح لهم بالعمل في الظلام.

نتيجة لذلك، يمكن استخدام هاتفك للكشف عن كاميرا خفية عبر ضوء الأشعة تحت الحمراء الذي يصدره، لمنع ظهور مصادر ضوء الأشعة تحت الحمراء في صورك الليلية، عادةً ما تحتوي الكاميرا الخلفية في معظم الهواتف الذكية على مرشح الأشعة تحت الحمراء. ومع ذلك ، فإن الكاميرا المواجهة للأمام لا تفعل ذلك غالبًا.

يمكنك اختبار ذلك عن طريق إيقاف تشغيل الأنوار، ووضع هاتفك في وضع صورة شخصية. الآن، قم بتوجيه جهاز التحكم عن بعد للتلفزيون العادي إلى الكاميرا الأمامية، وأضغط على أيًا من أزرار جهاز التحكم عن بُعد. إذا ظهر ضوء ساطع صغير على شاشة هاتفك عند الضغط على الزر، فمن الأفضل استخدام هاتفك لتحديد موقع ضوء الأشعة تحت الحمراء من كاميرا الخفية يشبه البحث باستخدام المصباح (أعلاه). في غرفة مظلمة، قم بتمكين الكاميرا الأمامية على هاتفك أو جهازك اللوحي، وقم بتحريك مقدمة الجهاز ببطء حول كل غرفة. لا تنس السقف!. إذا ظهر ضوء ساطع صغير على الشاشة غير مرئي بالعين المجردة، فأنت تريد التحقق من ذلك.

:شبكات المسح الضوئي للكاميرات الخفية

إذا كانت الكاميرا الخفية متصلة بشبكة Wi-Fi نفسها التي تم منحك الوصول إليها، فهناك العديد من تطبيقات الهواتف الذكية التي يمكن أن تساعدك في اكتشافها. هذه التقنية مفيدة حيث من المحتمل أن يكون عدد الأجهزة المتصلة بالشبكة أقل بكثير. بمجرد اتصالك بشبكة Wi-fi، أطلق ماسح ضوئي على الشبكة مثل Fing أو WiFiman. متوفر على نظامي التشغيل iOS و Android ، يعمل كلا التطبيقين بطريقة مماثلة.

سيقومون بسرعة بفحص الشبكة التي تستخدمها، وإظهار قائمة بجميع الأجهزة المتصلة بها. سترى اسم كل جهاز، بالإضافة إلى أشياء مثل الأجهزة وعناوين IP والشركة المصنعة واسم الطراز ورمزًا يشير إلى نوع الجهاز على الأقل، سترى الهاتف أو الجهاز اللوحي الذي تستخدمه لتشغيل المسح الضوئي، إلى جانب جهاز التوجيه اللاسلكي. من غير المألوف عدم رؤية الأجهزة الأخرى المتصلة أيضًا، مثل أجهزة التلفاز الذكية ومكبرات الصوت أو مربعات الوسائط المتدفقة.

ألق نظرة فاحصة على اسم الشركة المصنعة وطراز أي أجهزة لا تعرفها. بعض الكاميرات واضحة للغاية، مع أسماء الشركات المصنعة أو أنواع الكاميرات مثل في الصورة أدناه.

عند رؤية شيء مشبوه وغير واضح!! فعليك حينها إلقاء نظرة فاحصة. سجل عنوان IP المرتبط بالجهاز الذي نقلته من تطبيق Fing. سيكون أربعة أرقام بين 0 و 254، بتنسيق مثل 192.168.0.25.

الآن، افتح تطبيق مسح المنفذ مثل HE Network Tools. يمكن لمجموعة تشخيص الشبكة هذه أن تفعل أشياء كثيرة، ولكن لأغراضنا ، فإن ميزة "منفذ TCP Scan" هي الأكثر فائدة. حدد ذلك ، ثم أدخل عنوان IP الذي قمت بتدوينه. سيعرض التطبيق قائمة "المنافذ" المستخدمة على الجهاز، وما هي خدمات الشبكة المرتبطة عادة بهذه المنافذ. يحظى المنفذان 80 و 8080 بأهمية خاصة، والتي تستخدم عادة لتوفير الوصول إلى شبكة الإنترنت. في هذه الحالة ، قد يؤدي توجيه متصفحك إلى عنوان IP والمنفذ (على سبيل المثال : http://192.168.0.25:8080) إلى توفير صفحة ويب تحتوي على مزيد من المعلومات حول ماهية الجهاز بالفعل. على الكاميرات التي تم تكوينها بشكل سيء ، يمكن أن ينتج عنها تغذية الفيديو نفسها.

يمكن أن يكون وجود المنفذين 554 و 1935 (دفق الفيديو) أيضًا علامة على أن الجهاز عبارة عن كاميرا، على الرغم من إمكانية استخدام الأجهزة المنزلية الأخرى لتلك المنافذ أيضًا. إذا لم يكن الغرض من منفذ مفتوح واضحًا من الوصف الخاص به ، فيجب أن يوفر البحث السريع من Google الإجابة.

شبكات اخرى

تتمثل أفضل الممارسات لإعداد كاميرا أمنية في وضعها على شبكة مخصصة لها كلمة مرور مختلفة. نظرًا لأن هذا يتطلب مزيدًا من الدراية والتكلفة، فإن العديد من مالكي الفنادق لا يفعلون ذلك، لكن البعض الآخر سوف يفعل ذلك. هذا يجعل الأمر أكثر صعوبة لتعقب وجود الكاميرات الخفية، ويحتمل أن يكون مستحيلاً.

ستعرض ماسحات الشبكة مثل Fing أو Wifiman أيضًا أسماء شبكات Wi-Fi الأخرى في المنطقة، جنبًا إلى جنب مع قوة الإشارة (أرقام أقل = إشارة أقوى). كقاعدة عامة ، فإن الإشارة الأقوى تعني قربًا ، لذا راقب أي شبكات ذات اسم غريب لها إشارة مماثلة (أو أقوى) من تلك التي تتصل بها.

في الخصائص الأكبر، حاول تشغيل المسح الضوئي من أجزاء مختلفة من المنزل للتأكد من حصولك على كل شيء مغطى. لاحظ، مع ذلك، أنه من الممكن إخفاء اسم (SSID) لشبكة لاسلكية. إذا تم ذلك ، فلن يظهر الاسم على فحص الشبكة، ولكن قد تكون هناك شبكة مخفية / غير معروفة.

طرق أخرى للكشف عن الكاميرات الخفية

الهواتف الذكية ليست الأجهزة الوحيدة التي يمكنها المساعدة في اكتشاف الكاميرات الخفية. تعمل الأجهزة اللوحية مثل iPad بنفس الطريقة تمامًا، وإذا كنت مسافرًا باستخدام كمبيوتر محمول ، فهناك بدائل قوية لتطبيقات الشبكة ومسح المنافذ المذكورة أعلاه.

هناك أيضًا أجهزة مخصصة يمكنها المساعدة في الكشف عن بعض الخصائص الفيزيائية لكاميرات الأمان، على الرغم من أنها ليست في الحقيقة أي شيء تثير حماسه.

تطبيقات سطح المكتب

Nmap: موجودة منذ أكثر من عقدين، وما زالت مستمرة ويتم تطويرها بشكل مستمر. إنها متوفره على أنظمة Windows، macOS، Linux.

Kismet: هو خيار مجاني مفتوح المصدر يعمل على كل من Linux و macOS.

MacOS: تتضمن العديد من التطبيقات الجيدة مثل Network Analyzer Pro

هذه الأدوات أقوى بكثير من الأدوات الموجودة على الأجهزة المحمولة تتيح لك أدوات تحليل بروتوكول الشبكة مثل Wireshark (المتوفرة على Windows و macOS و Linux) رؤية نوع (وأحيانًا المحتوى) لحركة المرور التي تنتقل عبر الشبكة. يمكن أن تكون مشاهدة كميات كبيرة من حركة مرور الفيديو دون سبب وجيه طريقة جيدة أخرى للكشف عن الكاميرا، على الرغم من أنك ستحتاج إلى أن تكون على نفس الشبكة مثل الكاميرا نفسها.

الأدوات المحمولة

بشكل عام، فإن معظم أدوات الكشف عن الكاميرا حسب درجة المستهلك ليست جيدة جدًا. على الرغم من وجود بعض الفرص في اكتشاف انعكاس العدسة أو ضوء الأشعة تحت الحمراء، إلا أن العديد من أجهزة الكشف ليست أكثر فاعلية من الطرق المذكورة أعلاه. يمكن أن تساعد ماسحات تردد الراديو (RF) على اكتشاف كاميرا لاسلكية مخفية، حتى لو كانت متصلة بشبكة Wi-Fi مخصصة لها. المشكلة في هذه الأيام، هي عدد الأجهزة اللاسلكية الأخرى المزدحمة بالأمواج الهوائية.

حتى إذا قمت بإيقاف تشغيل جميع أجهزتك الأخرى، وأي شيء آخر في المنزل قد ينبعث منه إشارات لاسلكية، فلا يمكنك التحكم في أي شيء خارج الممتلكات. على الرغم من أنك قد تحقق بعض النجاح في منزل مستقل في الريف ، أو في مبنى سكني أو مدينة كبيرة، إلا أنك ستقضي وقتًا كاملاً في مطاردة جهاز المراقبه في مكان مزدحم في الاشارات اللاسلكية.