اخبار فناوری: آخرین به‌روزرسانی‌های ۲۰۲۶-۰۴-۱۹

این گزارش خلاصه‌ای از اخبار فناوری مورخ 2026-04-19 است و صرفاً بر اساس متون اصلی منابع تهیه شده است.

⁦Amazon ECR Pull Through Cache⁩ با ⁦Referrer-Sync⁩

به گزارش ⁦aws.amazon.com⁩، ⁦Amazon ECR Pull Through Cache⁩ اکنون از شناسایی و همگام‌سازی خودکار ⁦OCI-Referrer⁩ها پشتیبانی می‌کند. بدین ترتیب امضای تصاویر، ⁦SBOM⁩ها و گواهی‌نامه‌ها از ⁦Upstream-Registry⁩ها به‌طور خودکار در مخازن خصوصی ⁦Amazon ECR⁩ منتقل می‌شوند.

پیش از این، هنگام دریافت ⁦Referrer⁩ها از طریق یک مخزن با قانون ⁦Pull-Through-Cache⁩ مطابق، ⁦Referrer⁩های مخزن ⁦Upstream⁩ بازگردانده یا همگام‌سازی نمی‌شدند. کاربران مجبور بودند ⁦Referrer⁩های ⁦Upstream⁩ را به‌صورت دستی فهرست‌بندی و دریافت کنند. با به‌روزرسانی جدید، ⁦Amazon Pull⁩ از ⁦ECR Through Cache⁩ در درخواست‌های ⁦Referrers-API⁩ اکنون مستقیماً به مخزن ⁦Upstream⁩ دسترسی پیدا می‌کند و آرتیفکت‌های ⁦Referrer⁩ مرتبط را به‌طور خودکار در مخزن خصوصی ذخیره می‌کند.

بدین ترتیب، جریان‌های کاری ⁦end-to-end⁩ برای بررسی امضای تصاویر، شناسایی ⁦SBOM⁩ و دریافت گواهی‌نامه‌ها به‌طور یکپارچه با مخازن ⁦Pull-Through-Cache⁩ کار می‌کنند، بدون نیاز به راه‌حل‌های جایگزین سمت کلاینت. این قابلیت در تمام ⁦AWS Regions⁩ که ⁦Amazon ECR Pull Through Cache⁩ در آن‌ها پشتیبانی می‌شود، در دسترس است.

⁦Cortex Code⁩: ایجاد پروژه‌های ⁦dbt⁩ مستقیماً در ترمینال

به گزارش ⁦snowflake.com⁩، ⁦Cortex Code⁩ می‌تواند جداول منبع را اسکن کند، مدل‌ها تولید کند، تست‌ها اضافه کند، بی‌لد‌ها را اجرا کند، نتایج را اعتبارسنجی کند و یک گزارش قابل اشتراک‌گذاری ایجاد کند – همه مستقیماً از ترمینال. کاری که قبلاً زمان قابل توجهی و جابه‌جایی مداوم بین ابزار‌های مختلف می‌طلبید، اکنون سریع‌تر انجام می‌شود.

به جای شروع با یک فایل ⁦SQL⁩ خالی، می‌توان به ⁦Cortex Code⁩ دستور داد که مثلاً یک مدل ⁦Staging⁩ برای یک جدول ایجاد کند، ⁦Timestamp⁩ها را تبدیل کند و ستون‌ها را به ⁦snake_case⁩ تغییر نام دهد. ⁦Cortex Code⁩ قرارداد‌های ⁦dbt⁩ را می‌شناسد و نه تنها ⁦SQL⁩ می‌نویسد، بلکه به‌طور خودکار از ماکروهایی مانند {{ ⁦config⁩(...) }} و {{ ⁦ref⁩(...) }} استفاده می‌کند.

بدین ترتیب کد از ابتدا ماژولار و «⁦dbt native⁩» ساخته می‌شود، که ویرایش و بهینه‌سازی بعدی را آسان‌تر می‌کند.

هشدار‌های جعلی نشت داده به‌عنوان روش جدید کلاهبر‌داری

به گزارش ⁦eset.com⁩، کلاهبرداران به‌طور فزاینده‌ای از اعلان‌های جعلی نشت داده برای دستیابی به اطلاعات شخصی استفاده می‌کنند. تنها در ایالات متحده در سال گذشته 3,322 نشت داده گزارش شد و نزدیک به 280 میلیون اطلاعیه به افراد متأثر ارسال گردید. در اروپا، رویداد‌های روزانه در سال 2025 با افزایش 22 درصدی به‌طور میانگین به 443 مورد در روز رسید.

کلاهبرداران از دو تاکتیک استفاده می‌کنند: یا از یک نشت داده واقعی سوءاستفاده کرده و در سایه آن خبر، پیام‌های جعلی ارسال می‌کنند، یا یک نشت داده ساختگی از یک برند شناخته‌شده جعل می‌کنند. با کمک ابزار‌های هوش مصنوعی، پیام‌های بسیار واقعی به زبان محلی، شامل لوگو‌ها و برندینگ تولید می‌کنند. هدف این است که گیرندگان را به کلیک بر روی لینک‌های مخرب ترغیب کنند، مثلاً برای نصب بدافزار یا سرقت اطلاعات شخصی مانند ⁦Social Security Number⁩.

برای محافظت، منبع توصیه می‌کند که اعلان‌های مشکوک را مستقیماً از شرکت مربوطه بررسی کنید – نه از طریق لینک‌های موجود در خود پیام. رمز‌های عبور قوی و منحصربه‌فرد در یک مدیر رمز عبور و همچنین احراز هویت چندعاملی (⁦MFA⁩) دسترسی مهاجمان را دشوارتر می‌کند. یک راهکار آنتی‌ویروس و امنیت ایمیل قابل اعتماد می‌تواند به شناسایی و مسدود کردن زودهنگام این تلاش‌های فیشینگ کمک کند.

⁦Samsung⁩ چهار جایزه در ⁦Edison Awards 2026⁩ دریافت کرد

به گزارش ⁦news.samsung.com⁩، ⁦Samsung Electronics⁩ در ⁦Edison Awards 2026⁩ که در 15 و 16 آوریل در ⁦Fort Myers⁩، ⁦Florida⁩ برگزار شد، دو جایزه طلا و دو جایزه نقره دریافت کرد. محصولات برگزیده – ⁦Smart Modular House⁩، ⁦Vision AI Companion⁩، ⁦Spatial Signage⁩ و ⁦Bespoke AI Laوry Combo⁩ – به خاطر قابلیت‌های فناورانه نوآورانه‌شان مورد تقدیر قرار گرفتند.

⁦Mauro Porcini⁩، مدیر ارشد طراحی و رئیس بخش ⁦Device eXperience⁩ (⁦DX⁩) در ⁦Samsung Electronics⁩ گفت: «طراحی در نقطه تلاقی اقتصاد، فناوری و انسانیت قرار دارد.» آن‌ها به پیشبرد نوآوری ادامه خواهند داد تا زندگی مردم را به شکلی معنادار غنی‌تر کنند.

⁦Edison Awards⁩ در سال 1987 توسط ⁦American بازاریابی Association⁩ تأسیس شد و به نام مخترع ⁦Thomas Edison⁩ نام‌گذاری شده است. برندگان توسط هیئتی از متخصصان صنعت، علم و پژوهش بر اساس معیار‌های سخت‌گیرانه نوآوری انتخاب می‌شوند. امسال جوایز در مجموع 14 دسته‌بندی در سطوح طلا، نقره و برنز اعطا شد.

⁦Nemotron OCR v2⁩: مدل ⁦OCR⁩ چندزبانه سریع

به گزارش ⁦huggingface.co⁩، با ⁦Nemotron OCR v2⁩ یک مدل ⁦OCR⁩ چندزبانه توسعه داده شده که هم بر دقت و هم بر سرعت تمرکز دارد. پایه آن 12 ⁦million⁩ تصویر آموزشی تولیدشده به‌صورت مصنوعی در شش زبان است. بدین ترتیب مقادیر ⁦NED⁩ (⁦Normalized Edit Distance⁩) برای زبان‌های غیرانگلیسی از 0.56–0.92 به 0.035–0.069 کاهش یافت. بر روی یک ⁦GPU A100⁩ تکی، مدل طبق منبع به 34.7 صفحه در ثانیه دست می‌یابد.

نسخه قبلی ⁦Nemotron OCR v1⁩ یک مدل ⁦OCR⁩ انگلیسی قدرت‌مند بود که برای اهداف چندزبانه آموزش ندیده بود. تنها از 855 کاراکتر پشتیبانی می‌کرد که سیستم‌های نوشتاری مانند ⁦CJK⁩ (⁦Chinese⁩, ⁦Japanese⁩, ⁦Korean⁩) یا ⁦Cyrillic⁩ را پوشش نمی‌داد. گسترش به 14,244 کاراکتر تنها بهبود‌های حاشیه‌ای به همراه داشت، زیرا داده‌های آموزشی مناسب وجود نداشت – گلوگاه در داده‌ها بود، نه در معماری.

به‌عنوان منبع متن از ⁦mOSCAR⁩ استفاده می‌شود، یک کورپوس وب چندزبانه با 163 زیرمجموعه زبانی که خطوطی مانند ⁦Latin⁩، ⁦CJK⁩، ⁦Cyrillic⁩، ⁦Arabic⁩، ⁦Devanagari⁩ و ⁦Thai⁩ را پوشش می‌دهد. خط لوله رندرینگ بر پایه نسخه‌ای به‌شدت تغییریافته از ⁦Synthetic Document Generator⁩ (⁦SynthDoG⁩) از پروژه ⁦Donut⁩ ساخته شده است. این خط لوله حاشیه‌نویسی‌های ⁦pixel-precise⁩ را در سه سطح همزمان تولید می‌کند – ⁦word-level⁩، ⁦line-level⁩ و ⁦paragraph-level⁩ – از جمله نمودار‌های ترتیب خوانش. حالت‌های مختلف چیدمان شامل متون ⁦multi-column⁩، ستون‌های متنی عمودی برای ⁦Japanese و Chinese⁩، جداول و همچنین قالب‌های ⁦PowerPoint-style⁩ و ⁦Word-document-style⁩ است. این خط لوله مستقل از زبان است و می‌تواند به هر زبانی که فونت‌ها و متون منبع برای آن موجود باشد، گسترش یابد.

جمع‌بندی

اخبار فناوری امروز روند‌های روشنی در اتوماسیون مبتنی بر هوش مصنوعی و امنیت نشان می‌دهد: از ⁦Cortex Code⁩ شرکت ⁦Snowflake⁩ که پروژه‌های ⁦dbt⁩ را مستقیماً در ترمینال ایجاد می‌کند، تا ⁦Nemotron OCR v2⁩ شرکت ⁦Nvidia⁩ با 34.7 صفحه در ثانیه بر روی یک ⁦GPU A100⁩ و ⁦Vision AI Companion⁩ شرکت ⁦Samsung⁩، هوش مصنوعی بیش از پیش در دسته‌بندی‌های مختلف محصولات نفوذ می‌کند. در همین حال، تهدید جرایم سایبری رو به افزایش است – کلاهبرداران از ابزار‌های هوش مصنوعی برای ایجاد هشدار‌های جعلی نشت داده بسیار واقعی استفاده می‌کنند، در حالی که ⁦AWS⁩ با ⁦Referrer-Sync⁩ جدید برای ⁦ECR Pull Through Cache⁩ امنیت در جریان‌های کاری کانتینر را بهبود می‌بخشد.

پرسش‌های متداول

به‌روزرسانی جدید ⁦Amazon ECR Pull Through Cache⁩ چه بهبودی به همراه دارد؟

⁦Amazon ECR Pull Through Cache⁩ اکنون از شناسایی و همگام‌سازی خودکار ⁦OCI-Referrer⁩ها پشتیبانی می‌کند. بدین ترتیب امضای تصاویر، ⁦SBOM⁩ها و گواهی‌نامه‌ها از ⁦Upstream-Registry⁩ها به‌طور خودکار در مخازن خصوصی ⁦ECR⁩ منتقل می‌شوند – بدون نیاز به راه‌حل‌های جایگزین دستی.

طبق گزارش ⁦ESET⁩، کلاهبرداران چگونه از هشدار‌های جعلی نشت داده سوءاستفاده می‌کنند؟

کلاهبرداران یا در سایه نشت‌های داده واقعی پیام‌های جعلی ارسال می‌کنند یا نشت‌های داده ساختگی از برنده‌ای شناخته‌شده جعل می‌کنند. با کمک ابزار‌های هوش مصنوعی، پیام‌های بسیار واقعی شامل لوگو‌ها و برندینگ تولید می‌کنند. تنها در ایالات متحده در سال گذشته 3,322 نشت داده گزارش شد و در اروپا رویداد‌ها در سال 2025 با افزایش 22 درصدی به 443 مورد در روز رسید.

⁦Nemotron OCR v2⁩ چه بهبود‌های عملکردی نسبت به نسخه قبلی ارائه می‌دهد؟

⁦Nemotron OCR v2⁩ با 12 میلیون تصویر آموزشی تولیدشده به‌صورت مصنوعی در شش زبان آموزش دیده است. مقادیر ⁦NED⁩ برای زبان‌های غیرانگلیسی از 0.56–0.92 به 0.035–0.069 کاهش یافت. همچنین مجموعه کاراکتر‌ها از 855 به 14,244 کاراکتر گسترش یافت تا سیستم‌های نوشتاری مانند ⁦CJK⁩ و ⁦Cyrillic⁩ را پوشش دهد.

📚 منابع

• 🔗 ⁦aws.amazon.com: Amazon ECR Pull Through Cache Now Supports Referrer Discovery و Sync⁩…
• 🔗 ⁦snowflake.com: dbt Projects on Snowflake: Build⁩ & ⁦Deploy with Cortex Code⁩…
• 🔗 ⁦eset.com: That data breach alert might be a trap⁩…
• 🔗 ⁦news.samsung.com: Samsung Receives Four Accolades at Prestigious Edison Awards 2026⁩…
• 🔗 ⁦huggingface.co: Building a Fast Multilingual OCR Model with Synthetic Data⁩…