اخبار فناوری: آخرین بهروزرسانیهای 2026-03-11
این محتوا با کمک هوش مصنوعی تولید شده و جنبه اطلاعرسانی دارد. لطفاً پیش از خرید، تحقیقات خود را کامل کنید.
این گزارش خلاصهای از اخبار فناوری 2026-03-11 است و صرفاً بر اساس متنهای اصلی منابع تهیه شده است.
این گزارش بهصورت خودکار توسط AnishoAI تولید شده است. برای اتوماسیون تولید محتوای سایت خود، اطلاعات بیشتر و مشاهده پلنها به anishoai.com مراجعه کنید.
Microsoft سود سهماهه خود را اعلام کرد

طبق اعلام news.microsoft.com، شرکت Microsoft Corp. روز سهشنبه اعلام کرد که هیئت مدیره این شرکت سود سهام سهماههای به مبلغ $0.91 به ازای هر سهم تصویب کرده است.
| جزئیات | مقدار |
|---|---|
| سود هر سهم | $0.91 |
| تاریخ پرداخت | June 11, 2026 |
| تاریخ ثبت سهامداران | May 21, 2026 |
| تاریخ ex-dividend | May 21, 2026 |
این سود سهام در تاریخ June 11, 2026 به سهامدارانی که تا تاریخ May 21, 2026 در دفاتر شرکت ثبت شده باشند، پرداخت خواهد شد.
Microsoft (Nasdaq: MSFT) پلتفرمها و ابزارهای مبتنی بر هوش مصنوعی توسعه میدهد. مأموریت این شرکت توانمندسازی هر فرد و هر سازمان در سراسر جهان برای دستیابی به موفقیت بیشتر است.
پشتیبانی Amazon Bedrock AgentCore از MCP حالتدار

طبق اعلام aws.amazon.com، سرویس Amazon Bedrock AgentCore Runtime اکنون از قابلیتهای حالتدار (Stateful) پروتکل Model Context Protocol (MCP) پشتیبانی میکند. این قابلیت به توسعهدهندگان امکان میدهد سرورهای MCP بسازند که از elicitation، sampling و اعلانهای پیشرفت (progress notifications) در کنار پشتیبانی موجود از resources، prompts و tools بهره ببرند.
در جلسات حالتدار MCP، هر نشست کاربر در یک microVM اختصاصی با منابع ایزوله اجرا میشود و سرور با استفاده از هدر Mcp-Session-Id زمینه نشست را در تعاملات متعدد حفظ میکند. قابلیت elicitation امکان مکالمات چندمرحلهای (multi-turn) به ابتکار سرور را برای جمعآوری اطلاعاتی مانند ترجیحات کاربر فراهم میسازد. قابلیت sampling به سرورها اجازه میدهد تولید متن مبتنی بر هوش مصنوعی (AI-powered) را مثلاً برای پیشنهادات شخصیسازیشده از کلاینت درخواست کنند. اعلانهای پیشرفت نیز کلاینتها را در جریان عملیاتهای طولانی مانند جستجوی پرواز یا پردازش رزرو قرار میدهند.
| منطقه AWS |
|---|
| US East (N. Virginia) |
| US East (Ohio) |
| US West (Oregon) |
| Asia Pacific (Mumbai) |
| Asia Pacific (Seoul) |
| Asia Pacific (Singapore) |
| Asia Pacific (Sydney) |
| Asia Pacific (Tokyo) |
| Canada (Central) |
| Europe (Frankfurt) |
| Europe (Ireland) |
| Europe (London) |
| Europe (Paris) |
| Europe (Stockholm) |
این قابلیتهای حالتدار MCP در چهارده منطقه AWS در دسترس هستند. این ویژگیها در کنار هم از گردشکارهای پیچیده و تعاملی عاملها (agent workflows) پشتیبانی میکنند که فراتر از الگوهای ساده request-response عمل میکنند.
بررسی حملات چندوجهی با Cloudflare Log Explorer

طبق اعلام blog.cloudflare.com، ابزار Cloudflare Log Explorer با یکپارچهسازی ۱۴ دیتاست جدید، پوشش کامل سطح محصولات Application Services and Cloudflare One را فراهم میکند. این ابزار با همبستهسازی دادههای application-layer از درخواستهای HTTP، لاگهای network-layer مربوط به DDoS and Firewall و رویدادهای Zero Trust Access، به تیمهای امنیتی کمک میکند تا Mean Time to Detect (MTTD) را کاهش داده و حملات پیچیده multi-layered را شناسایی کنند. لاگها نقش یک flight recorder را برای کل زیرساخت ایفا میکنند و هر تعامل و تلاش حمله را پیش از رسیدن به سرور ثبت میکنند.
| نوع لاگ | محدوده | کاربرد |
|---|---|---|
| HTTP Requests, Firewall Events, DNS | Zone-Scoped | ترافیک وبسایت، رویدادهای امنیتی و عملکرد لبه شبکه |
| Access Requests, Gateway, Audit | Account-Scoped | امنیت داخلی، Zero Trust، تغییرات مدیریتی |
| Magic IDS, Network Analytics | Account-Scoped | شناسایی حملات حجمی و حرکت جانبی East-West |
بر اساس این گزارش، Cloudflare Log Explorer امکان شناسایی فعالیتهای مخرب در مراحل مختلف حمله را فراهم میکند. مثلاً در مرحله شناسایی اولیه، میتوان کدهای وضعیت ۴۰۱، ۴۰۳ یا ۴۰۴ از یک IP واحد یا درخواست به مسیرهای حساس (مانند /.env، /.git، /wp-admin) را بررسی کرد. همچنین لاگهای Magic IDS قابلیت تشخیص اسکنهایی مانند Nmap و SYN stealth scans را در لایههای TCP و UDP دارند. در مرحله بررسی حمله، فیلدهایی مانند WAFAttackScore و WAFSQLiAttackScore در لاگهای fw_events مشخص میکنند آیا پیلودهای مخرب (مانند SQL injection) از سد دفاعی عبور کردهاند یا خیر. Managed Rules بهصورت پیشفرض بسیاری از این حملات را مسدود میکند.
این ابزار همچنین امکان بررسی نفوذ هویتی را فراهم میکند؛ با جستوجوی ClientIP در access_requests، اگر وضعیت Decision: Allow برای یک اپلیکیشن داخلی حساس مشاهده شود، نشاندهنده حساب کاربری بهخطرافتاده است. در زمینه جلوگیری از استخراج داده نیز، مهاجمان گاهی از DNS tunneling برای دور زدن firewall استفاده میکنند و دادههای حساس مانند رمزهای عبور یا کلیدهای SSH را در کوئریهای DNS رمزگذاری میکنند که با بررسی سابدامینهای high-entropy قابل شناسایی است.
خودکارسازی تحلیل شکاف تشخیصی با GitLab Duo Agent Platform

طبق اعلام about.gitlab.com، تیم Signals Engineering در GitLab فرآیند تحلیل شکاف تشخیصی (Detection Gap Analysis) را با استفاده از GitLab Duo Agent Platform خودکار کرده است. شکاف تشخیصی زمانی رخ میدهد که مهاجم اقدامی انجام داده اما سیستمهای تشخیصی آن را شناسایی نکردهاند. بررسی دستی این شکافها فرآیندی time-consuming، ناهماهنگ و مستعد کماولویت شدن است.
GitLab Duo Agent Platform چارچوبی برای ساخت و استقرار عاملهای هوش مصنوعی است که میتوانند استدلال کنند، اقدام انجام دهند و با منابع GitLab مانند issueها و merge requestها یکپارچه شوند. این پلتفرم دو مسیر عملی ارائه میدهد: استفاده از عاملهای از پیش ساختهشده (out-of-the-box) مانند Security Analyst Agent، یا ساخت عامل سفارشی. تیم Signals Engineering از هر دو مسیر بهره برده و عامل سفارشی خود را با نام Detection Engineering Assistant ساخته است.
Security Analyst Agent که به صورت built-in عرضه میشود، میتواند مستقیماً از یک issue فراخوانی شده و با بررسی محتوای رخداد، تاکتیکها و تکنیکهای شناسایینشده را بر اساس MITRE ATT&CK نگاشت کند. این عامل برای شروع سریع و بدون نیاز به پیکربندی مناسب است، اما از محیط اختصاصی تیم شامل SIEM، منابع لاگ و استانداردهای domain-specific آگاه نیست. به همین دلیل تیم GitLab عامل سفارشی Detection Engineering Assistant را ساخت که با یک system prompt دقیق و جامع، مانند یک عضو متخصص تیم عمل میکند.
ساخت عامل سفارشی در Duo Agent Platform شامل تعیین نام، توضیحات و یک system prompt است. طبق این گزارش، یک system prompt مبهم خروجی ضعیف تولید میکند، در حالی که system prompt دقیق و جامع عاملی میسازد که متناسب با نیازهای تیم امنیتی رفتار میکند.
NVIDIA Jetson و اجرای مدلهای باز هوش مصنوعی در لبه شبکه

طبق اعلام NVIDIA، پلتفرم NVIDIA Jetson به استانداردی برای اجرای مدلهای باز هوش مصنوعی در لبه شبکه (Edge) تبدیل شده است. در نمایشگاه CES، دستیار هوشمند Cat AI Assistant روی NVIDIA Jetson Thor اجرا شد؛ این دستیار در بیلمکانیکی Cat 306 CR نصب شده و از مدلهای گفتاری NVIDIA Nemotron برای تعامل صوتی و مدل Qwen3 4B از طریق vLLM برای پردازش درخواستها بهصورت محلی و بدون نیاز به اتصال ابری استفاده میکند.
اجرای OpenClaw روی NVIDIA Jetson به توسعهدهندگان امکان ساخت دستیارهای هوش مصنوعی خصوصی و always-on را میدهد. بر اساس اعلام NVIDIA، تمام کیتهای توسعهدهنده Jetson از OpenClaw پشتیبانی میکنند و انعطافپذیری جابهجایی بین مدلهای باز از 2 billion تا 30 billion پارامتر را فراهم میسازند. مدل ورودی از Jetson Orin Nano 8GB شروع میشود.
| پروژه / تیم | پلتفرم | جزئیات |
|---|---|---|
| Franka Robotics (FR3 Duo) | NVIDIA Jetson | اجرای مدل GR00T N1.6 بهصورت end-to-end روی دستگاه |
| SONIC (GEAR Lab) | Jetson Orin | آموزش با بیش از 100 million فریم motion-capture؛ حلقه سیاست با نرخ 50 Hz |
| SIGRobotics (UIUC) | Jetson Thor | ربات matcha-making با مدل GR00T N1.5؛ مقام اول هکاتون NVIDIA |
| NYU Center for Robotics and Embodied Intelligence | Jetson Thor + NVIDIA Blackwell | ربات YOR برای وظایف pick-and-place |
| Andrés Marafioti (Hugging Face) | Jetson AGX Orin | سیستم هوش مصنوعی عاملمحور با مسیریابی بین مدلها |
| Ajeet Singh Raina (Collabnix) | NVIDIA Jetson Thor | دستیار شخصی با OpenClaw و استنتاج محلی |
این پلتفرم با ترکیب محاسبات و حافظه در یک system-on-module، طراحی سختافزار مشتریان را تسریع میکند. Developer Ajeet Singh Raina از جامعه Collabnix نشان داده که چگونه میتوان با اجرای OpenClaw روی NVIDIA Jetson Thor، یک دستیار شخصی با حریم خصوصی کامل دادهها ساخت که ایمیلها و تقویم را از طریق یک دروازه محلی مدیریت کند.
جمعبندی
هوش مصنوعی محور اصلی تحولات فناوری این هفته است؛ از پشتیبانی Amazon Bedrock AgentCore از پروتکل MCP حالتدار برای ساخت عاملهای هوشمند، تا خودکارسازی تحلیل امنیتی با GitLab Duo Agent Platform و اجرای مدلهای باز هوش مصنوعی روی پلتفرم NVIDIA Jetson در لبه شبکه. همزمان، Cloudflare با یکپارچهسازی ۱۴ دیتاست جدید در Log Explorer توان تحلیل حملات چندوجهی را تقویت کرده و Microsoft سود سهماهه ۰.۹۱ دلاری به ازای هر سهم را اعلام کرده است.
سؤالات متداول
Amazon Bedrock AgentCore Runtime چه قابلیتهای جدیدی برای پروتکل MCP ارائه میدهد؟
این سرویس اکنون از قابلیتهای حالتدار MCP شامل elicitation، sampling و اعلانهای پیشرفت پشتیبانی میکند؛ هر نشست کاربر در یک microVM اختصاصی با منابع ایزوله اجرا میشود و سرور با هدر Mcp-Session-Id زمینه نشست را حفظ میکند.
Cloudflare Log Explorer چند دیتاست جدید یکپارچه کرده و چه کاربردی دارد؟
این ابزار ۱۴ دیتاست جدید را یکپارچه کرده و با همبستهسازی دادههای HTTP، لاگهای DDoS و Firewall و رویدادهای Zero Trust Access به تیمهای امنیتی کمک میکند تا Mean Time to Detect را کاهش داده و حملات چندلایه را شناسایی کنند.
پلتفرم NVIDIA Jetson از چه محدودهای از مدلهای هوش مصنوعی پشتیبانی میکند؟
تمام کیتهای توسعهدهنده Jetson از OpenClaw پشتیبانی میکنند و انعطافپذیری جابهجایی بین مدلهای باز از ۲ تا ۳۰ billion پارامتر را فراهم میسازند؛ بهعنوان نمونه، دستیار Cat AI Assistant روی Jetson Thor با مدلهای Nemotron و Qwen3 4B بهصورت محلی و بدون اتصال ابری اجرا شد.
📚 منابع
- 🔗 news.microsoft.com: Microsoft announces quarterly dividend…
- 🔗 aws.amazon.com: Amazon Bedrock AgentCore Runtime now supports stateful MCP server feat…
- 🔗 blog.cloudflare.com: Investigating multi-vector attacks in Log Explorer…
- 🔗 about.gitlab.com: Automating detection gap analysis with GitLab Duo Agent Platform…
- 🔗 NVIDIA: As Open Models Spark AI Boom, NVIDIA Jetson Brings It to Life at the E…
میخواهید محتوای تمام محصولات سایتتان را با یک کلیک تولید کنید؟

