康普的PKIWorks平台与STM32WB无线微控制器的集成解决方案为Matter设备开发提供物联网安全保障
中国上海,2023年11月16日 —— 全球优秀的网络连接解决方案提供商康普(纳斯达克股票代码:COMM)和服务多重电子应用领域、全球排名前列的半导体公司意法半导体(纽约证券交易所股票代码:STM)近日宣布,康普的PKIWorks™物联网安全平台与意法半导体广为采用的STM32WB系列微控制器(MCU)实现了集成。该集成解决方案为设备制造商提供了一个交钥匙解决方案,助力开发符合连接标准联盟(CSA) Matter安全标准的物联网设备。
该解决方案不仅能够降低物联网设备制造商的成本和时间,还能简化具备制造安全性的 Matter 设备凭证的开发和配置。通过这种集成,设备可在 MCU 层进行调试,而无需开发人员干预。此次合作将CommScope Sentry™团队35年来在大批量设备制造生产中安全整合加密密钥和数字证书的经验与意法半导体在微控制器及其开发生态系统领域的领先地位充分结合。。
意法半导体STM32 连接产品线经理Nathalie Vallespin表示:“作为CSA的推动者,意法半导体致力于让所有设备制造商都能无缝开发Matter。我们在通用微控制器领域排名第一,并在安全元件领域拥有丰富的专业知识,这使我们能够将对设备制造商所面临挑战的深刻理解与对 Matter 深入了解的丰富知识相结合,从而开展独特的合作。正如这次与康普的合作一样,通过一个简易且安全的凭证配置流程,可加速 Matter应用的采用。”
康普网络、智能蜂窝和安全解决方案总裁 Bart Giordano 表示:“通过将 CommScope Sentry PKIWorks 平台与意法半导体热门的 MCU 平台集成,我们为客户提供了一个交钥匙解决方案,以减轻采用 Matter 应用所面临的挑战,同时还能解决复杂性、规模和成本方面的问题。康普和意法半导体保持着长期的合作伙伴关系,双方都是行业领导者,凭借在数字安全、半导体解决方案和设备制造领域数十年丰富经验,能够轻松满足对新型 Matter 物联网设备日益增长的需求。”
关于PKIWorks、STM32WB和Matter
PKIWorks 平台是一个安全灵活的凭证配置和管理平台,历经数十年的发展,拥有数十亿设备凭证的经验,并在此过程中不断改进。该平台现已针对Matter设备凭证的创建和配置进行了优化,为所有物联网设备制造商提供了一条快速通道,使其能够为蓬勃发展的Matter生态系统提供安全性和互操作性。PKIWorks平台利用了康普在为设备凭证安装配置客户端方面的专业技术,特别是在资源有限的物联网设备上。康普客户端支持多款STM32 MCU和STSAFE-A。康普最近将这款轻量级配置客户端与STM32WB55微控制器集成在一起,STM32WB55是一款用于物联网设备开发的MCU,也是意法半导体用于Matter设备的首选微控制器。
Matter是智能家居设备互操作性和安全性的全新统一标准。该规范和认证计划于2022年10月公布,是600多家技术公司在连接标准联盟(CSA)的支持下开展合作的成果。Matter能够为智能家居设备赋予互操作性,同时提高和标准化了供应商和物联网生态系统的安全性,它还能为消费者提供一个认证标识,以表明智能设备能够可靠地协同工作,并且是安全的。
PKIWorks 的主要特点
采用STM32和STSAFE-A进行设计的设备制造商可使用PKIWorks服务。康普是意法半导体授权合作伙伴计划的成员,康普的Sentry提供集成解决方案,通过简化制造过程中的设备凭证配置,大幅简化产品开发,加速产品上市。配备PKIWorks客户端的STM32WB现已上市,并提供多种配置,以满足物联网设备供应商的不同制造环境需求。
好文章,需要你的鼓励
从浙江安吉的桌椅,到广东佛山的沙发床垫、河南洛阳的钢制家具,再到福建福州的竹藤制品,中国各大高度专业化的家具产业带,都在不约而同地探索各自的数字化出海路径。
哥伦比亚大学研究团队开发了MathBode动态诊断工具,通过让数学题参数按正弦波变化来测试AI的动态推理能力。研究发现传统静态测试掩盖了AI的重要缺陷:几乎所有模型都表现出低通滤波特征和相位滞后现象,即在处理快速变化时会出现失真和延迟。该方法覆盖五个数学家族的测试,为AI模型选择和部署提供了新的评估维度。
研究人员正探索AI能否预测昏迷患者的医疗意愿,帮助医生做出生死决策。华盛顿大学研究员Ahmad正推进首个AI代理人试点项目,通过分析患者医疗数据预测其偏好。虽然准确率可达三分之二,但专家担心AI无法捕捉患者价值观的复杂性和动态变化。医生强调AI只能作为辅助工具,不应替代人类代理人,因为生死决策依赖具体情境且充满伦理挑战。
这项研究首次发现AI推理模型存在"雪球效应"问题——推理过程中的小错误会逐步放大,导致AI要么给出危险回答,要么过度拒绝正常请求。研究团队提出AdvChain方法,通过训练AI学习"错误-纠正"过程来获得自我纠错能力。实验显示该方法显著提升了AI的安全性和实用性,用1000个样本达到了传统方法15000个样本的效果,为AI安全训练开辟了新方向。