قاب گوشی آیفون 5 - Apple iphone 5 فیلم

قاب آیفون 5



مدل قاب

  • - قاب گوشی آیفون 5 - Apple iphone 5 فیلم
  • - کد محصول: 2036
  • - مدل گوشی: آیفون 5
  • - طرح: فیلم
  • - برچسب: Apple iphone 5

  • - تعداد بازدید: 1542
  • - قیمت: 33,000 تومان




توضیحات

- ارسال رایگان به تمام نقاط کشور
- اول تحویل بگیرید بعد پرداخت کنید
- محصول چندین کشور آسیای شرقی و اروپا
- برخلاف قاب های ژله ای، رنگ قاب ها درطول زمان اصلا کمرنگ نمی شود
این قاب گوشی از جنس فایبرگلاس و پلاستیک محکم با قابلیت انعطاف ملایم می‌باشد و به خوبی از کناره‌ها و پشت گوشی شما محافظت خواهد کرد. این محافظ می‌تواند موبایل شما را از ضربه و خط و خش محفوظ دارد. همچنین دسترسی به تمامی کلیدها و پورت‌های گوشی به راحتی امکان پذیر است.


قابلیت های اصلی

-جنس: فایبرگلاس و پلاستیک محکم با قابلیت انعطاف ملایم
- تضمین برگشت پول 10 روزه طبق قوانین سایت.
- قابلیت دسترسی سریع و آسان به تمامی دکمه‌ها و پورت‌های گوشی و دوربین آن.
- ابعاد و استحکام بسیار مناسب.
- قاب گوشی دارای ضربه گیر نازکی است که ضمن حفظ ظرافت گوشی شما، محافظ خوبی نیز هست.
- قابلیت انعطاف کم برای نشکستن قاب و خود گوشی.
- حجم گوشی موبایل در آن افزایش چشمگیری ندارد.



















معرفی طرح مفهومی گوشی هوشمند منعطف لنوو


کمپانی لنوو در ماه گذشته از گوشی هوشمند مفهومی تحت عنوان سی پلاس پرده برداری کرد که دارای یک فرم فکتور انعطاف پذیر می باشد و کاربر میتواند آن را دور دست خود ببندد.شرکت لنوو در چند روز گذشته این محصول را در کنفرانس تک ورلد شانگهای در معرض دید عموم قرار داد.در ادامه با ...


نوشته معرفی طرح مفهومی گوشی هوشمند منعطف لنوو اولین بار در پدیدار شد.



Sunday, July 23, 2017




"تحلیل گروه همسان"، روش جدید گوگل برای شناسایی بدافزارهای اندروید

واحد خبر : اپلیکیشن های موبایل ما را سرگرم و به ما کمک می کنند، ارتباط با دوستان و اعضای خانواده را فراهم کرده و ابزارهای متعددی را از نقشه گرفته تا کیف پول الکترونیکی در اختیار ما قرار می دهند. البته گاهی اوقات هم اپلیکیشن ها به دنبال یک سری اطلاعات اضافی از کاربران هستند که بدون آن اطلاعات هم می توانند کار خود را انجام دهند، مثل اطلاعات شخصی و یا داده های سنسوری از قطعات سخت افزاری (نظیر دوربین یا ردیاب GPS). گفتنی است، اپلیکیشن های موبایل در سامانه گوگل پلی بر اساس اهداف شان طبقه بندی می شوند، مثل اپلیکیشن های مربوط به productivity (بهره وری)، اپلیکیشن های بازی و ... . اما نحوه طبقه بندی اپلیکیشن ها بر اساس ویژگی های امنیتی، مخصوصا به منظور شناسایی اپلیکیشن های با رفتار مخاطره آمیز برای کاربران، نیازمند دانش خاص خود است.



لازم است بدانید، گوگل برای اپلیکیشن های موجود در گوگل پلی 2 هدف اساسی دارد: در وهله اول امنیت و سپس اشاعه و دیده شدن اپلیکیشن ها. تیم امنیت و حریم شخصی گوگل، همواره در پی آن است تا اپلیکیشن هایی که حاوی بدافزار هستند را حذف کند، اما نگرانی دیگر این تیم، درخواست اپلیکیشن ها برای اجازه دسترسی به طیف وسیعی از اطلاعاتی است که ممکن است مورد نیاز آنها نباشد. گوگل به تازگی در روز چهارشنبه 12 جولای 2017 (21 تیر 1396) در وبلاگ امنیتی خود، جزییاتی را درباره نحوه اداره گوگل پلی توسط "تیم امنیت و حریم شخصی" این شرکت و نقش عمده ای که "یادگیری ماشینی" (machine learning) در این میان ایفا می کند، منتشر نموده است.


بنا بر آنچه در این وبلاگ آمده، یکی از روش هایی که گوگل برای مدیریت امنیتی اپلیکیشن ها استفاده می کند"تحلیل گروه همسان" یا در اصطلاح Peer Group Analysis نام دارد. طبق این روش، اپلیکیشن هایی که قابلیت های مشابهی دارند، در یک گروه قرار می گیرند. به عنوان مثال، اپلیکیشن های Spotify و Pandora با هم فرق دارند، اما عملکرد پایه هر دو یکسان است چرا که هر دوی این برنامه ها برای استریم موسیقی طراحی شده اند. در مورد برنامه هایی چون توئیتر و فیس بوک و یا اپلیکیشن های کتاب های رنگ آمیزی (coloring books) نیز همین قضیه صادق است. این امر، مطالعه درباره اینکه اپلیکیشن ها در حال انجام چه کاری هستند را آسان تر می کند.


در مرحله بعد، این گروه ها تحلیل می شوند تا معلوم شود اپلیکیشن ها چه داده های شخصی را از دیوایس شما درخواست می کنند. در حالت ایده آل، تمام اپلیکیشن هایی که در یک گروه همسان قرار دارند، اطلاعات مشخص و یکسانی را از کاربران درخواست کرده و برای این کار هم دلیل موجهی دارند. اما در برخی مواقع، یکی از اپلیکیشن های گروه، رفتاری متفاوتی نشان داده و از بقیه متمایز می شود. به عنوان مثال اپلیکیشن های "کتاب رنگ آمیزی" جزئیات مربوط به موقعیت مکانی شما را از طریق GPS درخواست نمی کنند، اما اگر یکی از اپلیکیشن های رنگ آمیزی چنین درخواستی از کاربران کند، ممکن است تیم امنیت و حریم شخصی گوگل، آن اپلیکیشن را مورد بازبینی قرار دهد.



یک حالت متصور برای پیاده سازی این ایده، آن است که مجموعه ثابتی از طبقه بندی ها را تعریف کرده و سپس هر اپلیکیشن را به تناسب کارکردش در یک یا چند طبقه جای دهیم. البته، طبقه بندی های ثابت، انعطاف لازم را نداشته و با توجه به تغییر سریع مجموعه برنامه ها، نمی توان تمایز بین یک اپلیکیشن با سایر اپلیکیشن ها را به راحتی تشخیص داده و آن را ردیابی کرد. به علاوه، انجام و اداره چنین پروسه ای توسط نیروی انسانی، بسیار خسته کننده بوده و مطمئنا با خطا روبرو می شود.


برای حل این مشکل، گوگل اقدام به توسعه یک الگوریتم یادگیری ماشینی نمود تا بتواند اپلیکیشن های مشابه را در یک گروه جای دهد. در این روش که بر مبنای یادگیری عمیقِ "جای گذاری های بُرداری" (vector embedding) شکل گرفته با استفاده از فراداده های اپلیکیشن از قبیل توصیف های متنی و همچنین پارامترهای کمی (مثل تعداد موارد نصب شده)، گروه های همسانی از اپلیکیشن های با کارکرد مشابه، شناسایی می شوند. سپس، این گروه های همسان، از روی درخواست های اپلیکیشن برای دسترسی به برخی اطلاعات و مشاهده رفتارهای اپلیکیشن، می توانند برای شناسایی سیگنال هایی که از نظر امنیتی، غیرعادی و احتمالا زیان آور هستندبه کار گرفته شوند. در نهایت، تیم های گوگل، بر اساس همبستگی بین گروه های مختلف و سیگنال های امنیتی آنها، تصمیم می گیرند که جایگاه کدام اپلیکیشن را ارتقا داده و کدام اپلیکیشن را برای بازبینی بیشتر به متخصصان امنیتی و حریم خصوصی گوگل معرفی کنند. ناگفته نماند، گوگل، به منظور ارتقای امنیتی اپلیکیشن ها، نتایج به دست آمده را در اختیار برنامه نویسان نیز قرار می دهد.



البته این نخستین باری نیست که گوگل برای حفظ امنیت کاربرانش از تکنولوژی یادگیری ماشینی استفاده می کند. نمونه دیگر، سرویس Verify Apps است که وظیفه مشابهی را در سامانه گوگل پلی بر عهده دارد. این سرویس در هر اسمارت فونی که مجموعه اپلیکیشن های گوگل روی آن نصب باشند، اجرا می شود و اگر به آن اجازه داده شود، تمام اپلیکیشن ها را اسکن کرده و به دنبال کُد یا رفتار مخرب می گردد. البته در صورتی که کاربر اپلیکیشن های خود را از جایی غیر از گوگل پلی دریافت کند، اپلیکیشن های مخرب می توانند این سیستم را دور بزنند. لذا در حال حاضر، گوگل تنها می تواند امنیت کاربرانی را تأمین کند که اپلیکیشن های خود را از پلی استور دانلود می کنند.


در اوایل سال 2017 بود که گوگل طبقه بندی خود از اپلیکیشن های مخرب را منتشر کرد و توضیح داد که، اگر کاربری در آستانه نصب یک برنامه مخرب باشد، سرویس Verify Apps چگونه از این طبقه بندی برای هشدار دادن به وی استفاده می کند. در پایان گفتنی است این طبقه بندی گسترده بوده و برنامه های مخرب زیادی را شامل می شود، از جمله: بدافزارهای درب پشتی، بارگیرها، اپلیکیشن های نفوذ به سیستم کنترل تماس و اپلیکیشن های روت کننده. 


Sunday, July 16, 2017