ghesmatdo

انواع آکومولاتور

برای جذب شوک. مدارهای هیدرولیک سریع حرکت می کنند ، اغلب سنبله های فشار ایجاد می کنند که هنگام قطع ناگهانی جریان ، باعث ایجاد شوک می شوند. آکومولاتور های موجود در این مدارهای مستعد شوک ، این فشارهای مضر را کاهش می دهند و سنبله های جریان را تا حد قابل قبولی کاهش می دهند یا آنها را کاملاً از بین می برد. آکومولاتور ها همچنین در موارد خاص با شیرهای اصلاح شده ، سایر نگرانی های سنسور فشار را نیز بر عهده دارند.

آکومولاتور ها همچنین سنبله های فشار ناشی از انسداد جریان ناگهانی را از بین می برند. بار ازت در این حالت معمولاً 5٪ در زیر فشار کار نگه داشته می شود تا اطمینان حاصل شود که آکومولاتور در خارج از مدار است ، مگر در سنبله های فشار. آکومولاتور های نوع مثانه به دلیل پاسخ سریع آنها به تغییرات فشار ، در این زمینه بهتر عمل می کنند ، تا زمانی که حداکثر فشار سنبله از چهار برابر فشار پیش بار تجاوز نکند .

انواع آکومولاتور برای مرطوب شدن پالس ها شکل دیگری از شوک در خطوط هیدرولیکی است که می تواند به لوله کشی و سایر اجزای سیستم آسیب برساند. پمپ های برگشتی با طراحی باعث ایجاد ضربان فشار ، لرزش و سر و صدا در سیستم می شوند. آکومولاتور ها و خاموش كننده ها و نمك كننده های مربوطه می توانند انرژی امواج شوك را تا حد زیادی كاهش دهند.

توان اضطراری را تأمین کنید. برخی از دستگاه های هیدرولیک باید در حالت باز متوقف شوند تا به محصولات یا تجهیزات آسیب نرسانند. هنگامی که خرابی برق پمپ هیدرولیک را خاموش کرده و دستگاه در موقعیتی قرار دارد ، باید راهی برای انتقال آن به حالت باز وجود داشته باشد. پمپ آماده به کار موتور محور یک انتخاب است ، اما گزینه دیگر استفاده از آکومولاتور هایی است که قبل از چرخه اول شارژ می شوند و تا زمان خاموش شدن دستگاه نگه داشته می شوند. در صورت قطع برق ، انرژی ذخیره شده آنها آماده چرخش دستگاه به حالت باز است.

برنامه های دیگر آکومولاتور ها در سیستمهایی استفاده می شوند که انبساط حرارتی می تواند باعث فشار بیش از حد شود. درگاه های مسدود شده در سیلندرها در مناطقی که دارای گرمای محیطی بالا هستند ، در صورت عدم وجود مکان برای گسترش مایعات ، فشار زیادی ایجاد می کنند. آکومولاتور ها همچنین موانع بین دو مایعات مختلف را ارائه می دهند ، مانند سیستمی که پمپ از مایع هیدرولیکی برای فشار بر مدار استفاده می کند که از آب یا یک رسانه ناسازگار دیگر استفاده می کند. یکی از تأمین کنندگان همچنین به عنوان دستگاه تنفس برای مخازن بسته شده ، آکومولاتور های کم فشار را ارائه می دهد. این امر باعث می شود که سطح مایعات بالا می رود و از بین می رود ، آلودگی های موجود در هوا را از روغن هیدرولیک خارج نمی کند.

انواع آکومولاتور

سه نوع از آکومولاتور های متداول در کاربردهای صنعتی وجود دارد: مثانه ، دیافراگم و پیستون. چندین تغییر دیگر نیز وجود دارد.

مثانه گازدار. بسیاری از آکومولاتور ها برای جدا کردن گاز و مایع از مثانه لاستیکی استفاده می کنند. دریچه تخلیه در درگاه تخلیه ، مثلاً هنگام خاموش شدن پمپ ، مثانه را از طریق درگاه عبور نمی دهد. طرح اصلی ، که هنوز هم توسط بسیاری از تولید کنندگان ارائه می شود ، سبک تعمیر پایین (در شکل بالا در سمت چپ نشان داده شده است). سبک تعمیر بالا (سمت راست) باعث می شود جایگزینی مثانه در بعضی موارد آسان تر شود.

پیستون با گاز. یک آکومولاتور مجهز به پیستون با گاز دارای پیستون شناور آزاد با مهر و موم هایی است که مایع و گاز را از هم جدا می کند. این عمل مشابه با نوع مثانه است. این در برخی از برنامه ها دارای مزایایی است ، اما می تواند دو برابر یک مثانه با اندازه مساوی باشد.

پیستون با بار بهار . آکومولاتور های پیستونی با بار بهار با واحدهای دارای بار گاز یکسان هستند ، به جز چشمه ، پیستون را در مقابل مایع قرار می دهد. مزیت اصلی آن این است که برای نشت گاز وجود ندارد. نقطه ضعف اصلی این است که این طرح برای فشار زیاد و حجم زیاد مناسب نیست.

آکومولاتور های دیافراگمی. آکومولاتور های دیافراگمی با دیافراگم های انعطاف پذیر یا فلزی نیز وجود دارند. آنها عمدتاً در جایی مورد استفاده قرار می گیرند که حجم ذخیره شده اندک باشد ، و آنها را برای بسیاری از برنامه های کاربردی موبایل عملی می کند اما کاربرد آنها را در کاربردهای صنعتی محدود می کند.

جان ربات ، کمدین استیپ ، دوست دارد به مخاطبان خود بگوید که او تعداد زیادی از ممیزی ها را انجام می دهد اما کار سختی برای رزرو دارد.

"آنها همیشه فکر می کنند من خیلی روباتیک هستم."

اگر خنده های طاقت فرسا دنبال شود ، او دوباره می آید ، "لطفا به عوامل رزرو بگویید که این شوخی چقدر خنده دار بود."

اگر اینگونه نباشد ، وی در ادامه می گوید: "با عرض پوزش در مورد آن. فکر می کنم در یک حلقه گرفتار شدم. لطفا به نمایندگان رزرو بگویید که شما مرا دوست دارند ... که شما مرا دوست دارید ... که من را دوست دارید .. که شما مرا دوست دارید. "

Jon Robot با کمک پژوهشگر دانشگاه ایالتی اورگان ، Naomi Fitter ، اخیراً با یک تور 32 نمایش در کلوپ های کمدی در لس آنجلس و در اورگان بیشتر کارگردانی کرده و با ایجاد تغییراتی و از همه مهمتر داده هایی که دانشمندان و مهندسان می توانند از آنها برای کمک به روبات ها و افراد استفاده کنند. ارتباط موثر با یکی دیگر از طریق شوخ طبعی است.

فیتر ، استادیار روباتیک دانشکده مهندسی OSU گفت: "روبات های اجتماعی و عوامل اجتماعی خودمختار در زندگی روزمره ما روز به روز بیشتر می شوند." "بسیاری از آنها برای جذب کاربران به شوخی می گویند - اکثر مردم درک می کنند که طنز ، به خصوص طنز ظریف ، برای ایجاد روابط ضروری است. اما ایجاد شوخی های سرگرم کننده برای روبات هایی که فراتر از سطح جدیدی باشند ، چالش برانگیز است."

فاتر گفت ، اجرای کمدی زنده روشی است برای یادگیری روبات ها "در طبیعت" که شوخی می کند و کدام تحویل ها کار می کنند و کدام یک از آنها نیستند.

دو مطالعه شامل تور کمدی بود ، که شامل کمک تیمی از کمدین های کالیفرنیای جنوبی در تهیه مطالب واقعی و مناسب برای یک کمدین روبات بود.

Naomi Fitter و Jon Robot. اعتبار: یوهانا کارسون ، کالج مهندسی OSU.
اولین مطالعه ، متشکل از 22 اجرا در منطقه لس آنجلس ، نشان داد که مخاطبان یک طنز ربات را با زمانبندی مناسب پیدا کردند - به مخاطبان فرصت کافی برای واکنش نشان می دهند و غیره - به طور قابل ملاحظه ای خنده دار تر از یک مورد بدون زمان بندی مناسب هستند.

مطالعه دوم ، بر اساس 10 روال در اورگان ، تعیین کرد که یک "عملکرد سازگارانه" - تحویل "برچسب های" پس از شوخی که واکنش مخاطبان به شوخی را تأیید می کند - لزوماً به طور کلی خنده دار تر نبوده ، اما سازگاری ها تقریباً همیشه باعث بهبود مخاطب می شود. ادراک شوخی های فردی. در مطالعه دوم ، همه نمایش ها دارای زمان بندی مناسب بودند.

فیتر گفت: "در حالت بد زمان ، ربات همیشه بدون در نظر گرفتن پاسخ مخاطب ، پنج ثانیه کامل منتظر می ماند." "در حالت زمان بندی مناسب ، ربات از استراتژی های زمان بندی برای مکث برای خنده استفاده کرده و در صورت فروکش کردن ادامه می دهد ، دقیقاً مانند یک کمدین انسانی موثر. به طور کلی ، رتبه بندی پاسخ های شوخی بالاتر از زمان تحویل شوخی ها با زمان بندی مناسب بود."

فیتر گفت ، تعداد اجراهایی که به مخاطبان 10 تا 20 داده شده ، داده های کافی را برای شناسایی تفاوت های مهم بین حالت های مختلف عملکرد کمدی ربات ارائه می دهد ، و این تحقیق به پاسخگویی به سؤالات کلیدی در مورد تعامل اجتماعی کمدی کمک کرده است.

فیتر گفت: "اندازه مخاطب ، بستر اجتماعی ، زمینه فرهنگی ، حضور انسان در میکروفون و جدید بودن یک کمدین ربات ممکن است بر پاسخ های جمعیت تأثیر بگذارد." "نرم افزار فعلی تفاوت های پروفایل خنده را به حساب نمی آورد ، اما کار آینده می تواند با استفاده از یک اندازه گیری پاسخ پایه ، این تفاوت ها را به حساب آورد. تنها سنجشی که برای ارزیابی موفقیت جوک داشتیم خوانش های صوتی بود. کارهای آینده ممکن است از ترکیب انواع اضافی سنجش استفاده کند. ""

وی گفت ، با این وجود ، این مطالعات پیامدهای اساسی برای تلاش های هوش مصنوعی برای درک واکنش گروه ها به روبات های سرگرم کننده اجتماعی پویا در محیط های دنیای واقعی دارد.

وی گفت: "همچنین پیشرفت های احتمالی در کمدی از این اثر می تواند شامل تکنیک های بهبود یافته ایزوله شده و مطالعه اثرات تکنیک های کمدی و راهکارهای بهتر برای کمک به کمدین ها در ارزیابی موفقیت یک شوخی یا روال باشد." "این یافته ها گام های بعدی ما را برای ارتقاء قابلیت های طنز در مستقلان اجتماعی راهنمایی می کنند."

محققان آی بی ام در پیشرفتی که نوید برنامه نویسی پیچیده تری از دستگاه های تلفن همراه ، هواپیماهای بدون سرنشین و روبات ها را که به هوش مصنوعی متکی هستند ، می دانند گفتند که آنها یک روش برنامه نویسی را ابداع کرده اند که به دقت بیشتر و کاهش مصرف انرژی منجر می شود.

سیستم های هوش مصنوعی به طور کلی از روش هایی استفاده می کنند که واحدهای حافظه و پردازش را تقسیم می کنند. این عمل به این معنی است که برای انتقال داده ها بین دو ایستگاه راه زمان صرف می شود. حجم انتقال داده به اندازه کافی عظیم است تا بتواند زبانه های انرژی پرهزینه را جمع کند.

Nature Communications هفته جاری گزارش داد که IBM رویکردی را اتکا کرده است که به حافظه تغییر فاز متکی است تا سریعتر و ارزانتر کد را اجرا کند. این نوعی حافظه دسترسی تصادفی است که حاوی عناصری است که می تواند به سرعت بین حالت های بی شکل و بلوری تغییر کند و عملکردی برتر از ماژول های حافظه فلش که معمولاً مورد استفاده قرار می گیرند ارائه می دهد. همچنین به عنوان P-RAM یا PCM شناخته می شود. برخی به دلیل قابلیت عملکرد فوق العاده آن ، آن را "رم عالی" می نامند.

PCM به شیشه کالکوژنید تکیه می کند ، که در صورت عبور جریان از یک ظرفیت منحصر به فرد برای تغییر حالت خود استفاده می کند. یک مزیت اصلی فناوری تغییر فاز ، که ابتدا توسط Hewlett Packard مورد کاوش قرار گرفت ، این است که حالت حافظه برای پایدار ماندن به برق مداوم نیاز ندارد. افزودن داده ها در PCM به چرخه پاک کردن ، معمولی برای سایر انواع حافظه نیاز ندارد. همچنین ، از آنجا که کد به جای کپی کردن در RAM ، ممکن است مستقیماً از حافظه اجرا شود ، PCM سریعتر عمل می کند.

IBM به رسمیت شناخته شده که نیازهای فزاینده عملیات با تکیه بر شبکه های عصبی عمیق در زمینه های تصویر و گفتار ، بازی و رباتیک نیاز به راندمان بیشتری دارد.

"هنگامی که یادگیری عمیق به تکامل و تقاضای قدرت پردازش بیشتر ادامه می دهد" ، یک تیم IBM که در حال مطالعه راه حل های ارسال شده در وبلاگ شرکت است ، "شرکت هایی با مراکز بزرگ داده به سرعت درک خواهند کرد که ساخت نیروگاه های بیشتر برای پشتیبانی از یک میلیون برابر بیشتر از عملیات مورد نیاز برای مثال ، طبقه بندی های یک تصویر واحد ، صرفاً اقتصادی و پایدار نیست. "

در این گزارش آمده است: "بدیهی است ، ما باید با بهینه سازی میکروچیپ ها و سخت افزارها مسیر کارآیی را پیش ببریم تا اینگونه دستگاه ها با کمتری از وات کار کنند."

IBM PCM را با مغز انسان مقایسه کرد و خاطرنشان کرد که "هیچ محفظه جداگانه ای برای ذخیره و محاسبه داده ها ندارد و بنابراین انرژی کمتری مصرف می کند."

یکی از اشکالات PCM ، معرفی نادرست های محاسباتی به دلیل سر و صدای خواندن و نوشتن است. IBM با معرفی چنین سر و صدایی در جلسات آموزش هوش مصنوعی ، این مشکل را برطرف کرد .

در گزارش IBM آمده است: "فرض ما این بود كه تزریق نویز قابل مقایسه با نویز دستگاه در هنگام آموزش DNN ، استحكام مدل ها را بهبود می بخشد."

فرض آنها درست بود. مدل آنها صحت 93.7 درصد را بدست آورده است ، که محققان IBM می گویند بالاترین امتیاز دقت با سخت افزار حافظه قابل مقایسه است .

IBM می گوید برای بدست آوردن درجات بالاتر حتی دقت بیشتری باید انجام شود. آنها مطالعات خود را با استفاده از شبکه های عصبی کانسیلر در مقیاس کوچک و شبکه های مخالف مولد دنبال می کنند و اخیراً از پیشرفت آنها در مرزها در علوم اعصاب خبر داده اند .

پمپ وکیوم آبی خلاء انتشار روغن

پمپ خلاء انتشار روغن اصل کار:

پمپ وکیوم آبی خلاء انتشار روغن محفظه داخلی فولاد ضد زنگ را با محفظه داخلی نازل مخروطی مورب طولی تصویب می کند. معمولاً سه اتاق نازل وجود دارد که اندازه آنها یکی یکی کاهش می یابد و بزرگترین آن در قسمت پایین قرار دارد. در قسمت پایین محفظه روغن مخصوص بخار کم فشار ویژه وجود دارد. روغن توسط بخاری برقی در زیر محفظه داخلی گرم و جوش می یابد و روغن گازدار به سمت بالا حرکت می کند و از درگاه های تزریق هر محفظه داخلی تخلیه می شود. آب برای خنک کردن محفظه داخلی از طریق دیواره بیرونی محفظه داخلی گردش می کند ، در نتیجه از سرمازدگی جلوگیری می کند و عملکرد طولانی مدت آن را حفظ می کند.

این قطرات به سرعت مافوق صوت رسیده اند ، اما رونق صوتی وجود ندارد ، به این دلیل که فاصله مولکولی در بعضی از حالت های خلاء برای انتقال انرژی صوتی خیلی بزرگ است. میزان ضبط نازل بخار بستگی به چگالی ، سرعت و وزن مولکولی آن دارد. برخورد بین یک نازل پر سرعت و یک مولکول گازی که برای ورود به آن اتفاق می افتد به دلیل حرکت حرارتی مولکول گاز است. این امر معمولاً به مولکولها به سمت پایین حرکت می کند تا بتوانند از خلاء پمپ تخلیه شوند تا به یک خلاء بالاتر برسند. در انتهای محفظه ، مولکولهای گاز جوی انباشته شده توسط پمپ کمکی از بین می روند ، در حالی که روغن انباشته شده چرخه دیگری را آغاز می کند.

پارامترهای عملکرد پمپ خلاء انتشار روغن:

معمولاً عملکرد پمپ انتشار به میزان خلاء حداکثر ، فشار حداکثر پشت ، میزان پمپاژ و تنظیم تله سرما یا اختلاف دمای پایین بستگی دارد.

خلاء محدود ۱٫

در صورت بهبود ساختار پمپ انتشار روغن عمومی ، از جمله کاهش رفلکس بخار روغن ، اضافه کردن دستگاه وانت ، توزیع عقلانی قدرت گرمایش ، بهبود طراحی زاویه نازل ، افزودن درپوش روغن ، حفره یا تله سرد ، تله جذب و غیره می توان عملکرد پمپ انتشار را تا حد زیادی بهبود بخشید و خلاء نهایی می تواند به فشار کمتری برسد.

موسیقیدانان آماتور و حرفه ای به طور یکسان ممکن است ساعت ها صرف ریختن در کلیپ های YouTube شوند تا بفهمند دقیقاً چگونه می توانند قطعات خاصی از آهنگهای مورد علاقه خود را پخش کنند. اما اگر راهی برای پخش فیلم و جدا کردن تنها ابزاری که می خواستید بشنوید وجود دارد؟

این نتیجه یک پروژه جدید هوش مصنوعی از آزمایشگاه علوم کامپیوتر و هوش مصنوعی MIT (CSAIL) است: یک سیستم یادگیری عمیق که می تواند به یک ویدیو از یک عملکرد موسیقی نگاه کند ، و صداهای سازهای خاص را جدا کند و آنها را بلندتر یا نرم تر کند. .

این سیستم ، که "خود نظارت داشته باشد" ، نیازی به حاشیه نویسی انسان در مورد ابزارها یا اصطلاحات آنها ندارد.

سیستم "PixelPlayer" که در بیش از 60 ساعت آموزش دیده است ، می تواند عملکرد موسیقی که قبلاً مشاهده نشده است را مشاهده کند ، سازهای خاص را در سطح پیکسل شناسایی کند و صداهایی را که با آن سازها در ارتباط هستند استخراج کند.

به عنوان مثال ، می توانید یک فیلم از توبا و ترومپت را با نواختن آهنگ موضوع "برادران سوپر ماریو" پخش کنید و موجهای صوتی مرتبط با هر ساز را جدا کنید .

محققان می گویند که امکان تغییر حجم ابزارهای فردی به این معنی است که در آینده سیستم هایی مانند این می توانند به مهندسان کمک کنند تا کیفیت صوتی فیلم های کنسرت قدیمی را بهبود بخشند. شما حتی می توانید تصور كنید كه تولیدكنندگان قطعات خاص را تهیه می كنند و آنچه را كه با سایر سازها به نظر می رسند را پیش نمایش می كنند (یعنی گیتار برقی كه برای موسیقی صوتی تعویض می شود).

در مقاله جدید ، این تیم نشان داد كه PixelPlayer می تواند صداهای بیش از 20 ساز معمولاً دیده شده را شناسایی كند. نویسنده اصلی Hang Zhao می گوید اگر این سیستم آموزش بیشتری داشته باشد ، این سیستم می تواند ابزارهای بیشتری را نیز شناسایی کند ، اگرچه ممکن است در کنترل تفاوت های ظریف بین زیر کلاس های سازها (مانند یک آلتو ساکس در برابر یک تنور) مشکل داشته باشد.

تلاش های قبلی برای جدا کردن منابع صدا منحصراً روی صوتی متمرکز شده است که اغلب به برچسب زدن گسترده انسانی نیاز دارد. در مقابل ، PixelPlayer عنصر بینایی را که محققان می گویند برچسب های انسان را غیر ضروری می کند ، معرفی می کند ، زیرا بینایی خود نظارت را فراهم می کند.

این سیستم ابتدا مناطق تصویر ایجاد شده را پیدا می کند و سپس صداهای ورودی را به مجموعه ای از مؤلفه ها نشان می دهد که صدا را از هر پیکسل جدا می کند.

ژائو ، دانشجوی دکتری می گوید: "ما انتظار داشتیم یک سناریو بهترین مورد باشد که بتوانیم تشخیص دهیم کدام سازها کدام نوع صداها را ایجاد می کنند." دانشجوی CSAIL. "ما شگفت زده شدیم كه در واقع می توانیم سازها را در سطح پیكسل در مکانی قرار دهیم. قادر به انجام این كار بسیاری از فرصتها را باز می كنیم ، مانند اینكه می توانیم با استفاده از یك كلیك بر روی ویدیو ، صوتی سازهای مختلف را ویرایش كنیم."

PixelPlayer از روشهای "یادگیری عمیق" استفاده می کند ، بدین معنی که با استفاده از به اصطلاح "شبکه های عصبی" که در فیلم های موجود آموزش دیده اند ، الگوهای موجود در داده ها را پیدا می کنند. به طور خاص ، یک شبکه عصبی تصاویر تصویری را تجزیه و تحلیل می کند ، یکی صدا را تجزیه و تحلیل می کند ، و سوم "سینت سایزر" پیکسل های خاصی را با موج های صوتی خاص برای جدا کردن صداهای مختلف مرتبط می کند.

طبق یک مطالعه جدید توسط تیمی از محققان شمال شرقی ، ممکن است برخی از برنامه های محبوب تلفن شما مخفیانه از عکسهای فعالیت شما و ارسال آنها به اشخاص ثالث استفاده کنند.

محققان گفتند كه این امر به ویژه نگران كننده است زیرا این تصاویر تصاویر و فیلمهای مربوط به فعالیت شما روی صفحه می توانند شامل نامهای كاربری ، گذرواژه‌ها ، شماره كارتهای اعتباری و سایر اطلاعات مهم شخصی باشند .

دیوید Choffnes ، یکی از دو استاد علوم کامپیوتر که سرپرستی این مطالعه را بر عهده دارد ، گفت: "ما دریافتیم که هزاران برنامه محبوب می توانند صفحه نمایش شما و هر آنچه را که تایپ می کنید را ضبط کنید." "این شامل نام کاربری و رمز عبور شما می باشد ، زیرا می تواند کاراکترهایی را که تایپ می کنید قبل از تبدیل شدن به آن نقاط سیاه سیاه ضبط کند."

این تحقیق که عمدتاً توسط دو دانشجو انجام شده است - کارشناسی ارشد Elleen Pan و نامزد دکترای Jingjing Ren - به منظور بررسی یک افسانه ثابت شهری در نظر گرفته شده است که تلفن ها به طور پنهانی مکالمات ما را ضبط می کنند و سپس آن اطلاعات را به شرکت ها می فروشند تا بتوانند با تبلیغات هدفمند شما را به شما فریب دهند. .

در حالی که محققان هیچ مدرکی برای مکالمات ضبط شده پیدا نکردند ، آنها فعالیتی را کشف کردند که حتی می تواند خطرناکتر باشد.

چفنس گفت: "ما می دانستیم كه به دنبال سوزن در كلاهبرداری هستیم و از پیدا كردن چندین سوزن شگفت زده شدیم."

آنچه آنها دریافتند اینست که برخی از شرکتها در حال ارسال عکس و فیلم از فعالیتهای تلفن کاربر به شخص ثالث بودند. اگرچه به نظر می رسد این نقض حریم خصوصی خوش خیم است ، اما آنها تأکید کردند که چگونه به راحتی می توان از پنجره حفظ حریم خصوصی تلفن برای سود استفاده کرد.

کریستو ویلسون ، یکی دیگر از استادان علوم کامپیوتر در تیم تحقیق ، گفت: "این افتتاح تقریباً برای اهداف مخرب استفاده می شود." "نصب و جمع آوری این اطلاعات بسیار ساده است. و آنچه بیشتر نگران کننده است این است که این اتفاق بدون اطلاع رسانی یا مجوز از سوی کاربران رخ می دهد.

وی افزود: "در موردی که گرفتیم ، اطلاعات ارسال شده به شخص ثالث کد پستی بود ، اما می توانست به راحتی شماره کارتهای اعتباری باشد."

مطالعه

محققان با استفاده از یک برنامه تست خودکار که توسط دانش آموزان نوشته شده است ، بیش از 17000 برنامه محبوب ترین سیستم عامل اندروید را تجزیه و تحلیل کردند. اگرچه این مطالعه بر روی تلفن های اندرویدی انجام شده است ، هر دو Wilson و Choffnes گفتند دلیلی بر این باور نیست که سایر سیستم عامل های تلفن کمتر آسیب پذیر باشند.

پان این پروژه را به عنوان یک همکار تحقیقاتی در پاییز سال 2017 آغاز کرد و به کار خود روی آن ادامه داد تا اینکه در ماه مه فارغ التحصیل شد. او این مقاله را در اواخر این ماه در بارسلونا در کنفرانس سمپوزیوم فناوری پیشرفته حفظ حریم خصوصی ارائه خواهد کرد.

پان ، که اولین نویسنده مقاله است ، گفت: "با ورود به این پروژه ، من به حریم خصوصی تلفن خیلی فکر نکردم و دوستانم را دوست نداشتند." "این قطعاً علاقه من به تحقیق را برانگیخته است و من بازگشت به مدرسه فارغ التحصیل را در نظر خواهم گرفت."

در حال حاضر ، پان در حال آماده شدن برای کنفرانس بارسلونا است و کار خود را در ماه آگوست به عنوان مهندس نرم افزار برای Square ، یک شرکت پرداخت موبایل آغاز می کند.

ویلسون در حالی که تحقیق را انجام می داد ، گفت که این تیم با ورود نتایج کاملاً شگفت زده شدند.

وی گفت: "به هیچ وجه نشت صوتی وجود نداشت. هیچ برنامه تنها میکروفون را فعال نکرد." "سپس ما چیزهایی را که انتظارش را نداریم ، شروع کردیم. برنامه ها به طور خودکار عکس هایی از خود گرفته و به شخص ثالث می فرستادند."

در کل ، 9000 از 17000 برنامه امکان عکس گرفتن از تصاویر را داشتند.

ویلسون گفت: "در یک مورد ، این برنامه از فعالیت صفحه نمایش فیلمبرداری کرده و آن اطلاعات را برای شخص ثالث ارسال می کند."

این برنامه GoPuff بود ، یک سرویس تحویل فست فود ، که تصاویر را به Appsee ، یک شرکت تجزیه و تحلیل داده ها برای دستگاه های تلفن همراه ارسال می کرد. همه اینها بدون آگاهی کاربران برنامه ها انجام شد.

هردو ویلسون و چافن تأكید كردند كه به نظر نمی رسد كه هیچ شرکتی قصد نادرستی داشته باشد. آنها گفتند که توسعه دهندگان وب معمولاً از این نوع اطلاعات برای اشکال زدایی در برنامه های خود و بهبود تجربه کاربر استفاده می کنند.

اما این بدان معنا نیست که یک شرکت مخرب نمی تواند از این پنجره حریم خصوصی برای سرقت اطلاعات شخصی برای سود استفاده کند.

چفنس گفت: "این احتمال وجود دارد كه بدتر از این باشد كه دوربینی كه از سقف عكس می گیرد یا میكروفون را ضبط می كند. "هیچ راهی آسان برای بستن این باز کردن حریم خصوصی وجود ندارد."