S nástupem internetu v 90. letech minulého století se zcela proměnila celá společnost. Dopady jeho rozšíření dnes můžeme pozorovat téměř v celém spektru průmyslových odvětví. Jednou z nejvíce zasažených oblastí je zábavní průmysl, který sám o sobě zahrnuje široký výčet umělecké tvorby. Jednou z jeho součástí je i hudební průmysl, který se díky internetu od základů transformoval. V dnešní době není žádným překvapením, že je denně publikováno tisíce nových skladeb, hudebních videí, nebo jiné multimediální tvorby od známých či neznámých tvůrců z různých koutů světa. Přirozeným vyústěním takové situace je, že se lze jen těžko v takové změti neustále přibývajících děl zorientovat.
Poměrně zajímavý koncept řešení této situace přinesla aplikace Shazam, která dokáže identifikovat hudbu, filmy, reklamy a televizní pořady na základě krátké audio ukázky zachycené pomocí mikrofonu použitého zařízení.
Vznik a současnost
Shazam byl vyvinut společností Shazam Entertainment Limited, která byla založena v roce 1999. Aplikace se stala oblíbeným prostředkem pro miliony lidí po celém světě, umožňujícím snadné rozpoznání hudby prostřednictvím chytrých telefonů a jiných zařízení. Od svého vzniku se Shazam vyvinul z prostého nástroje na identifikaci písní do komplexního hudebního ekosystému, který má zásadní vliv na způsob, jakým lidé objevují a interagují s hudbou. (Shazam web, 2023), (Wikipedia., 2023. Shazam (application))
Nepříliš známým faktem je, že Shazam byl dostupný již v roce 2002. V této době (a ve své původní podobě) fungoval následovně: stačilo vytočit na telefonu číslo „2580“ a nezavěšovat, dokud v okolí telefonu hrála zkoumaná skladba. Uživatel následně obdržel SMS zprávu s názvem skladby a jménem interpreta. (Shazam web, 2023)
V roce 2008 se Shazam stal jednou z prvních nabízených aplikací v dnes již světoznámém obchodu s aplikacemi firmy Apple – App Store. S tehdy čerstvě uvedeným mobilním telefonem iPhone se jednalo o kompletní transformaci dosud provozovaného modelu funkčnosti – nově se v aplikaci objevilo tlačítko, které stačí stisknout a aplikace už se postará o zbytek práce, podobně jako je tomu i dnes. (Shazam web, 2023)
S příchodem roku 2011 se funkcionalita rozpoznávání rozšířila i o možnost „Shazamování“ televizních pořadů, filmů a reklam. To otevřelo nové možnosti využití této aplikace, a pomohlo jí dále se rozšiřovat mezi jiné sociální skupiny. (Shazam web, 2023)
Apple a Shazam několik let úzce spolupracovaly (Shazam byl dokonce integrován do aplikace Apple Music). Přirozeným vyústěním této spolupráce se nakonec stala akvizice společnosti Shazam společností Apple. V roce 2018 byla společnost zakoupena firmou Apple Inc. za údajných 400 milionů dolarů. Od té doby se Shazam stal součástí ekosystému Apple a je dostupný na různých platformách, včetně iOS, macOS a jako rozšíření pro Google Chrome. (Wikipedia., 2023. Shazam (application))
Jak to funguje?
Stalo se Vám někdy, že jste se ocitli například v obchodě, a zaujala Vás skladba, která hrála v pozadí, ale neměli jste možnost zjistit její název? Tato aplikace zajistí, že se během několika sekund dozvíte název skladby a jméno interpreta. Můžete také získat text skladby, videoklip, biografii interpreta, informace o koncertech nebo tipy na další skladby, které by se vám mohly líbit.
Základem funkce je vytváření tzv. “audio otisků prstů” (audio fingerprints), které jsou unikátními digitálními souhrny zvukových signálů. Tyto otisky jsou vytvořeny pomocí spektrogramu trojrozměrného grafu reprezentující zvuk a jeho vlastnosti. Spektrogram poskytuje vizuální reprezentaci frekvence, intenzity a času zvuku, což umožňuje identifikovat jedinečné charakteristiky každé nahrávky. (AWA-ABUON, John, 2021)
Když uživatel aplikaci “Shazamuje”, aplikace vytvoří audio otisk aktuálně slyšeného zvuku a porovná ho s databází uložených otisků. Pokud je nalezena shoda, aplikace vrátí informace o písni, včetně názvu skladby, interpreta a dalších dostupných údajů. (GATEWAY, Music, 2019), (DEMAREST, Abigail Abesamis, 2021)
Rozhraní Aplikace
Aplikaci je možné si jednoduše stáhnout z distribučních obchodů App Store, Obchod Play apod. K jejímu použití není nutné si vytvářet žádný účet, nicméně bez uživatelského účtu je uživatel ochuzen o některé funkce, jako je synchronizování uživatelské knihovny hledaných písní, skladeb uložených do knihovny apod. Aplikaci je rovněž možno využít bez připojení k internetu – zvukový otisk se jednoduše uloží do paměti a vyhledá se později po opětovném připojení k internetu. (DEMAREST, Abigail Abesamis, 2021)
Obrázek 1: Úvodní stránka aplikace [zdroj obrázku: autor]
Při otevření aplikace se otevře úvodní stránka, na které nalezneme dva způsoby vyhledávání shody – pomocí poslechu a pak běžné fulltextové vyhledávání. V případě že klepneme na tlačítko s logem Shazamu, započne nahrávání zvukovéhootisku a jeho následné porovnávání s databází na serveru Shazam.
V případě že aplikace nenalezne shodu (ať už z důvodu příliš neznámého vzorku, špatné audio kvality nahrávky, ruchů v okolí apod.), budete na tento fakt jednoduše upozorněni chybovou obrazovkou. (AWA-ABUON, John, 2021)
Pokud se shoda najde, aplikace zobrazí obrazovku s nalezenou skladbou. Aplikace Shazam také umožňuje uživatelům procházet seznamy nejpopulárnějších skladeb a umělců, prohlížet texty písní, sledovat videoklipy a přejít na odkazy streamovacích služeb. Tato data jsou získávána ze spolupracujících zdrojů, jako jsou hudební databáze, online obchody, streamovací služby a webové stránky interpretů. (Wikipedie., 2023. Shazam (software))
Aplikace Shazam nabízí i fulltextové vyhledávání, které umožňuje uživatelům hledat písně umělce nebo konkrétní texty. Stačí tedy zadat část textu písně nebo název, a Shazam poskytne seznam možných shod.Vyhledávání je podporováno i pro méně populární písně a umělce, což uživatelům umožňuje objevovat novou hudbu. Výsledky vyhledávání zahrnují informace o nadcházejících koncertech, nejoblíbenějších skladbách, či umístění v žebřících. (GATEWAY, Music, 2019)
Žebříčky a Knihovna
Obrázek 4: Obrazovka s žebříčky [zdroj obrázku: autor]
Aplikace poskytuje žebříčky, které jsou klíčovým prvkem celého ekosystému Shazam. Tyto žebříčky zobrazují nejčastěji identifikované (vyhledávané) písně po celém světě. Žebříčky jsou aktualizovány v reálném čase. Vyzdvihnout můžeme Global Top 200, který je seznamem 200 nejčastěji identifikovaných skladeb na světě za uplynulý týden. Shazam nabízí uživatelům i přehled o tom, jak se popularita skladeb mění v čase. Uživatelé si mohou písně přímo přehrát v aplikaci Apple Music nebo Spotify. (GATEWAY, Music, 2019)
V oblasti Competitive Intelligence mohou žebříčky Shazamu poskytnout cenné informace. Tato data mohou analytikům pomoci identifikovat vzestupné trendy, hodnotit úspěšnost skladeb a sledovat vývoj v hudebním průmyslu. Žebříčky také mohou odhalit regionální preference a umožnit porozumění globálním hudebním trendům. Shazam a jeho žebříčky tedy představují důležitý nástroj pro analytiky, kteří se zabývají sledováním a analýzou prostředí v hudebním průmyslu.
Obrázek 5: Obrazovka Knihovny a její volby [zdroj obrázku: autor]
Uživatelská knihovna v aplikaci Shazam je místo, kde si uživatelé mohou ukládat a spravovat písně, které identifikovali nebo které si chtějí přehrát později. Tato knihovna poskytuje snadný přístup k historii vyhledávání a umožňuje uživatelům vytvářet vlastní seznamy skladeb. Tato historie je synchronizována napříč všemi zařízeními, pokud je uživatel přihlášen ke svému účtu. Pokud má uživatel předplatné Apple Music, může si písně z knihovny přehrát v plné délce přímo v Shazamu. (Shazam web, 2023), (GATEWAY, Music, 2019) V sekci Seznamy skladeb pro vás jsou uživateli navrhovány balíčky skladeb, které jsou podobné těm, které dříve vyhledával.
Další možnosti aplikace
Obrázek 6: Nastavení aplikace [zdroj obrázku: autor]
V nastavení aplikace nalezneme další možnosti, jako je možnost rychlého vyhledávání písní rovnou při spuštění aplikace, případně možnost provést hledání pomocí widgetu v oznamovací části vašeho telefonu. Nabízí se zde i propojení s účtem Spotify a Apple Music.
Poměrně čerstvou novinkou je i možnost využít Shazam v integraci s aplikací Snapchat, kdy je možné z rozhraní kamery hledání vyvolat. Při natačení videa tak lze i rovnou připojit odkaz a název písně, která Vám hraje v pozadí, a sdílet ji s Vašimi sledujícími. (GATEWAY, Music, 2019)
Webové rozhraní
Shazam je možné využít také přes webové rozhraní na stránce https://www.shazam.com/cs, nicméně neumožnuje funkci vyhledávání podle audio otisku. Na to je zapotřebí plugin do prohlížeče Google Chrome, který tuto funkcionalitu zajišťuje. Web pak dále nabízí stejnou funkcionalitu žebříčků, knihovny a informací o nadcházejících koncertech, žebříčky napříč zeměmi a městy, nebo Vaši knihovnu (pro její plné využítí a synchronizaci je zapotřebí být přihlášený účtem, který využíváte).
Příklady možného využití z hlediska Competetive Intelligence
Aplikace může být použita k identifikaci skladeb, které se hrají v obchodních podnicích, na veřejných místech nebo v médiích. Tyto informace mohou být použity k analýze trendů v populární hudbě, nebo k získání přehledu o marketingových aktivitách konkurence.
Velmi důležitým aspektem je i zjištění popularity skladeb v určité zemi/oblasti nebo v určité demografické skupině. Tyto informace mohou být použity k analýze tržních trendů, k identifikaci nových příležitostí nebo k vývoji nových produktů nebo služeb.
Nabízí se i použití k předvídání poptávky po určitých skladbách nebo žánrech hudby. Tyto informace mohou být použity k plánování skladeb, nebo k předpovídání prodeje hudebních produktů.
Závěr
Aplikace Shazam se stala významným informačním zdrojem pro uživatele, kteří hledají způsoby identifikace hudby. S využitím spektogramu a rozsáhlé databáze zvukových otisků umožňuje Shazam rychle a přesně identifikovat neznámé skladby a poskytnout uživatelům doplňující informace.
Shazam je příkladem aplikace, která využívá pokročilé technologie k poskytování přesných a rychlých informací o hudbě. Nabízí se i využítí nástroje pro Competitive Intelligence, protože umožňuje sledovat a analyzovat hudební trh, což je neocenitelné pro pochopení trendů a strategií v tomto rychle se měnícím odvětví. Shazam a jeho žebříčky tak představují důležitý informační zdroj pro každého, kdo se zabývá analýzou konkurenčního prostředí v hudebním průmyslu.
DEMAREST, Abigail Abesamis, [b.r.]. What is Shazam? Here’s what you need to know about the music-identification app. Business Insider [online] [vid. 2023-12-06]. Dostupné z: https://www.businessinsider.com/guides/tech/what-is-shazam
NASA Earth Observing System (EOS) Data představuje rozsáhlý soubor dat, který poskytuje důležité informace o různých aspektech naší planety. EOS je součástí programu Earth Science Division, jehož hlavním cílem je sledovat a studovat změny na Zemi z hlediska atmosféry, oceánů, ledovců, lesů a dalších ekosystémů. Tato data jsou získávána prostřednictvím různých satelitních misí a pozemních měřících systémů, což umožňuje výzkumníkům a vědcům sledovat a analyzovat dynamiku naší planety v reálném čase.
Program Earth Observing System (EOS) byl vytvořen v rámci NASA s cílem poskytnout komplexní a systematická data o Zemi. Počátky se datují již v 80. letech, v nichž vznikala myšlenka na komplexní systém pro sledování změn na Zemi, k čemuž vedl i nárůst zájmu o životní prostředí, klimatické změny a globální problémy.
V roce 1988 bylo zřízeno EOS Study Office, které bylo pověřeno vypracováním podrobných plánů pro vytvoření Earth Observing System.
V roce 1990 byl oficiálně spuštěn program EOS. Tento program byl zaměřen na vývoj a provoz série satelitů a pozemních měřících zařízení, které by poskytovaly data o atmosféře, oceánech, půdě, ledovcích a dalších klíčových oblastech.
První konkrétní satelitní mise EOS byla Terra, která byla vypuštěna v roce 1999. Následovala řada dalších satelitních misí v rámci programu EOS, včetně satelitů jako Aqua, Aura a dalších. Každá mise měla specifické zaměření a nástroje pro sběr dat.
Paralelně s vývojem satelitů byl vytvořen systém pro sběr, archivaci a distribuci dat nazvaný EOSDIS (Earth Observing System Data and Information System). Tento systém umožňuje uživatelům snadný přístup k rozsáhlým datům poskytovaným satelity EOS.
Program EOS přinesl do vědy o Zemi a environmentálního monitoringu značný přínos poskytující vědcům a odborníkům klíčové informace pro porozumění změnám naší planety.
Program NASA Earth Science Data Systems (ESDS) dohlíží na životní cyklus dat NASA z vědy o Zemi – od získávání přes zpracování a distribuci. Primárním cílem ESDS je maximalizovat vědecký návrat z misí a experimentů NASA pro výzkumné a aplikované vědce, osoby s rozhodovací pravomocí a společnost jako celek.
Od roku 1994 jsou data NASA Earth Science zdarma a otevřena všem uživatelům pro jakýkoli účel a od roku 2015 je veškerý software datových systémů vyvinutý prostřednictvím NASA research and technology awards zpřístupněn veřejnosti jako Open Source Software (OSS).
ESDS spadá do působnosti oddělení vědy o Zemi (ESD) agentury pod ředitelstvím vědecké mise (SMD) v ústředí NASA.
Projekt NASA Earth Science Data and Information System (ESDIS) je součástí divize NASA Earth Science Projects Division pod ředitelstvím letových projektů NASA v Goddard Space Flight Center NASA.
ESDIS spravuje vědecké systémy datového a informačního systému NASA (Earth Observing System Data and Information System – EOSDIS). EOSDIS poskytuje vědecká data široké komunitě uživatelů pro NASA Science Mission Directorate (SMD).
ESDIS je zodpovědný za zpracování, archivace a distribuce dat vědy o Zemi, poskytování nástrojů pro usnadnění zpracování, archivace a distribuce dat vědy o Zemi, shromažďování metrik a údajů o spokojenosti uživatelů s cílem zjistit, jak dále zlepšovat služby poskytované uživatelům, zajištění přístupu vědců a veřejnosti k datům, která umožní studium Země z vesmíru s cílem pokročit ve vědě o systémech Země, aby čelili výzvám změny klimatu a životního prostředí, a za propagace interdisciplinárního využití dat EOSDIS, včetně datových produktů, datových služeb a nástrojů pro manipulaci s daty pro širokou škálu stávajících a potenciálních uživatelských komunit.
NASA EOS Data hraje klíčovou roli v celé řadě oblastí vědeckého výzkumu a monitorování změn na Zemi. Tato data umožňují:
studium klimatu a změn životního prostředí (poskytování klíčových informací o teplotě povrchu oceánů, koncentraci skleníkových plynů, změnách v lesním pokryvu a dalších faktorech ovlivňující klima a životní prostředí),
předpovědi počasí a monitorování přírodních katastrof (vylepšování modelů počasí, což má významné dopady na předpovědi extrémních událostí – hurikány, lesní požáry, povodně),
výzkum atmosférických jevů (poskytování dat o složení atmosféry, aerosolech a dalších faktorech, což je klíčové pro studium atmosférických jevů a globálních vzorců),
monitorování biodiverzity (sledování změn v ekosystémech, což je důležité pro ochranu biodiverzity a udržitelné využívání přírodních zdrojů),
krizový management (poskytování klíčových dat pro řízení krizových situací a pomoc při hodnocení a minimalizaci škod při přírodních katastrofách).
NASA EOS Data jsou organizována dle různých dimenzí. Na první pohled na úvodní stránce se setkáme s kategorizací dle oblastí zájmu – atmosféra, biosféra, kryosféra, lidská dimenze, zemský povrch, oceány, pevnina, interakce mezi Zemí a Slunce a vodstvo. Každá z kategorií obsahuje informace vztahující se k danému tématu, odkazy ke konkrétním datům a na různé články zabývající se daným tématem.
Další dimenzí v rámci webu je způsob pohlížení na vyhledávání. Skrze první možnost (Get Started/Learn More) se čtenář dostává k článkům, které ho uvedou do různých problematik a k různým tématům. Druhá možnost (Find Data) čtenáře přivede ke konkrétním datům, z nichž může čerpat pro své výzkumy a přehled. Třetí varianta dává návštěvníkovi možnost zpracovat data, radí s použitím daných nástrojů pro daná data, jaké výstupy nám nástroje mohou poskytn
V rámci článků jsou zahrnuty konkrétní zdroje a nástroje, které byly využity pro získání dat k danému tématu. Lze se skrze odkazy na ně rovnou dostat a případně zvolit vlastní úpravu filtrů a získat data o jiných oblastech nebo v jiném období.
Setkáme se zde i s katalogem dat, který obsahuje metadata o jednotlivých datasetech, včetně popisu obsahu, přesného místa a doby sběru dat a informací o senzorech použitých při měření. K dispozici jsou detailní metadata, která obsahují informace o metodologii měření, kalibraci senzorů a další technické detaily.
Většina dat je k dispozici veřejnosti prostřednictvím online portálů a API, což umožňuje výzkumníkům a veřejnosti snadný přístup k informacím a snadnou práci s daty. Ovšem každý dataset má specifikovanou licenci a podmínky použití, které definují, jak mohou být data využívána a šířena. Specifika jednotlivých datasetů (atmosférické, půdní, … – dle členění kategorií zmiňované výše) umožňují vědcům detailně zkoumat a porozumět změnám v různých ekosystémech na Zemi. Každý dataset obsahuje důležité informace, které jsou klíčové pro monitorování globálních trendů a pro vědecký výzkum v oblasti životního prostředí.
Data lze sledovat skrze různé parametry, například dle lokace, času, dokonce formátu uložených dat. Detailní metadata jsou klíčová pro porozumění obsahu datasetu. Index zahrnuje informace o metadatech, které popisují, jak byla data získána, zpracována a jaké jsou jejich vlastnosti.
Pro pokročilé uživatele a vývojáře jsou k dispozici API, která umožňují automatizovaný přístup k datům. To může být využíváno v programovacích jazycích jako Python nebo Java. Licenční aspekty jsou klíčovým hlediskem pro uživatele, kteří chtějí využívat NASA EOS Data. Informace o licenci jsou v indexu jasně definovány, včetně omezení, která mohou být spojena s komerčním využitím nebo redistribucí.
Studie se zabývá zkoumáním oteplování oceánů a využívá data o teplotě mořské hladiny z NASA EOS satelitů. Data byla pro studii klíčová v rámci sledování teplotních anomálií v oceánech a analýzu vlivu oteplování na oceánské ekosystémy. Přispělo k lepšímu porozumění klimatickým změnám.
Výzkum byl zaměřený na mapování hustoty biomasy v lesních ekosystémech s využitím dat z NASA EOS misí. Data pomohla identifikovat oblasti s vysokou a nízkou hustotou biomasy, což má důležité důsledky pro správu lesů, sledování deforestace a odhad uhlíkových zásob.
Výzkum sledoval změny v koncentraci ozonu v atmosféře s využitím ozonových dat z NASA EOS senzorů. Data umožnila sledovat dynamiku ozonové vrstvy, identifikovat oblasti s nízkou koncentrací a analyzovat vlivy lidských aktivit na ozónovou vrstvu.
Výzkum zkoumající změny v rozložení vegetace v různých částech světa pomocí indexů vegetačního pokrytí z NASA EOS Data. Data pomohla v identifikaci oblastí s degradovanou vegetací, sledování sezónních změn a analýze vlivu klimatických faktorů na vegetační pokryv.
NASA Earth Observing System (EOS) Data představuje klíčový zdroj informací, který umožňuje sledovat a analyzovat různé aspekty naší planety. Program EOS, z něhož tato data pocházejí, vznikl v reakci na rostoucí potřebu porozumět změnám na Zemi a monitorovat klíčové oblasti, jako jsou atmosféra, oceány, lesy a další ekosystémy.
Program EOS se vyvinul do komplexního systému satelitních misí a pozemních měřících zařízení. Satelity EOS shromažďují data prostřednictvím různých senzorů, což umožňuje vědcům monitorovat a analyzovat změny na Zemi v reálném čase.
Využití NASA EOS Data je rozmanité a rozšiřuje se do různých oblastí vědeckého výzkumu a monitorování. Data umožňují studium klimatu, předpovědi počasí, monitorování přírodních katastrof, výzkum atmosférických jevů, sledování biodiverzity a krizový management.
Struktura zdroje NASA EOS Data je dobře organizovaná a poskytuje uživatelům snadný přístup k různým kategoriím dat. Kombinace katalogu dat, nástrojů pro zpracování dat a detailních metadat umožňuje uživatelům efektivně vyhledávat, filtrovat a pracovat s rozsáhlým množstvím informací.
NASA EOS Data je cenným nástrojem pro vědecký pokrok a informované rozhodování v oblasti ochrany životního prostředí. Výzkumníci, vědci a veřejnost mohou využívat tato data k hlubšímu porozumění dynamiky Země a k nalezení řešení pro udržitelnější budoucnost naší planety.
DataONE je komunitně řízený program, který poskytuje přístup k datům o životě na Zemi a prostředí, které jej podporuje, a to prostřednictvím několika členských repozitářů. Program podporuje pokročilé vyhledávání a objevování dat týkajících se Země a životního prostředí. DataONE podporuje nejlepší postupy v řízení dat prostřednictvím vzdělávacích zdrojů a materiálů. Vize programu je, aby výzkumníci, pedagogové a veřejnost používali DataONE pro lepší pochopení a ochranu života na Zemi a prostředí, které jej udržuje.
Informační zdroj DataONE
Platforma byla spuštěna v roce 2009 s finanční podporou National Science Foundation (NSF) jako jeden z prvních programů DataNet. Během posledních pěti let bylo dosaženo významných úspěchů, jako je zpřístupnění více než 260 000 veřejně dostupných dat a metadatových objektů prostřednictvím vyhledávače DataONE. Paralelně byla rozšířena síť o 22 národních a mezinárodních datových repositářů (DataONE 2023)
Vyhledávání repozitářů v DataONE
První možností, jak vyhledávat repositáře v nástroji dataOne.org je zadání požadavku přímo do vyhledávače na úvodní stránce.
Duhou možností je pak využití rozšířeného vyhledávání, ke kterému se můžeme dostat dvěma způsoby. První je prokliknutím se přes úvodní stranu tlačítkem Advanced search nebo přes horní lištu Data-> Find data.
Rozložení obrazovky
Vybereme-li možnost rozšířeného vyhledávání v levé části obrazovky jsou umístěny filtry, které umožňují detailní nastavení parametrů vyhledávání. Po aktivaci vybraného filtru se data odpovídající daným kritériím zobrazí v prostřední části obrazovky. Tím uživatel získá okamžitý přehled o repozitářích, které odpovídají specifickým požadavkům.Výsledky jsou následně prezentovány prostřednictvím strukturovaného rozložení, které zahrnuje nejen samotná data, ale také vizualizační prvky. Kromě samotných repozitářů je také patrný jejich počet v konkrétní oblasti.
Vyhledávání za pomocí filtrů
Vyhledávání podle datových atributů (Data atribute) v DataONE umožňuje uživatelům specifikovat konkrétní charakteristiky nebo vlastnosti dat, které hledají. Tyto atributy mohou zahrnovat různé informace o datech, jako jsou typy, kvalita dat a další konkrétním příkladem jsou pak statistický data viz Obrázek 5.
Vyhledávání podle anotace (Annotaion)představuje identifikaci a získání specifických vědeckých dat podle jejich detailního popisu.
Pokud rozklikneme Measurement Type a můžeme vybrat konkrétní možnost, například Area density Measurement Type atd. Po rozkliknutí plus u vybrané možnosti se zobrazí další nabídka s položkami. Například pro Temperature Measurement Type se nám otevře nabídka obsahující možnosti jako Air Temperature a Ground Temperature. Každou z těchto možností lze opět rozkliknout, aby se zobrazilo další detailní nabídka, jako jsou například dew point temperature a dry bulb temperature.
Vyhledávání podle datových souborů (Data files) umožňuje uživatelům zaměřit své hledání na konkrétní datové soubory. Tato funkce slouží k efektivnímu nalezení specifických informací obsažených v datech. Výsledky budou filtrovány tak, aby zahrnovaly pouze ty položky, které mají konkrétní datový obsah nebo jsou spojeny s konkrétními datovými soubory. Filtr obsahuje také možnost hledání pouze repozitářů obsahující data.
Filtr členský uzel (Member Node) slouží k omezení vyhledávání na konkrétní členské repozitáře nebo uzly. Tímto filtrem můžeme specifikovat, zda chceme hledat data pouze v určitých členských repositářích, pokud máme informace o konkrétním zdroji nebo organizaci.
Filtrování podle tvůrce (Creator)umožňuje omezit výsledky vyhledávání na data, která byla vytvořena konkrétním tvůrcem nebo týmem tvůrců. Stačí do vyhledávače vložit jméno vybraného tvůrce a systém vrátí relevantní výsledky spojené s tímto tvůrcem.
Filtrování podle roku (Year)umožňuje specifikovat časový rozsah, ve kterém byla data vytvořena nebo publikována. Tato funkce je užitečná při hledání dat v určitém časovém období. Filtr lze nastavit v rozmezí od roku 1800 do roku 2023, což umožňuje přesné omezení výsledků na konkrétní časové okno. U tohoto filtru je pak možné vybrat, jestli chceme hledat data publikovaná v tomto roce nebo data o tomto vymezeném období.
Filtrování podle identifikátoru (Identifier) je užitečné pro rychlé a přesné vyhledání specifických informací na základě konkrétního kódu nebo označen. Identifikátor představovuje jedinečný kód, označení nebo sérii znaků, které jednoznačně identifikují a odliší dané repozitáře od ostatních.
Vyhledávání podle taxonu (Taxon) umožňuje uživatelům specifikovat konkrétní taxonomickou kategorii při hledání biologických dat. Taxonomickou kategorii může zahrnovat jména rostlin, živočichů nebo jiných biologických entit např. pěvci.
Zapnutí filtru lokace (Location) je užitečné pro omezení výsledků vyhledávání na data pocházející z konkrétních geografických oblastí, což může být důležité při studiu dat s regionálním významem.
Po kliknutí na některou část v mapě se uživateli otevře stránka se všemi repozitáři, které jsou publikovány v dané zemi. Na obrázku 12 jsou zobrazeny repozitáře publikované na území České republiky.
Každý repozitář je na identifikován těmito informacemi:
People and Associated Parties: jméno osob, které repozitář na portál publikovali, v našem příkladě Jiri Kadlec
Date Uploaded: rok ve kterém byl repozitář publikován na portálu, v našem příkladě 2021
Name: jméno repozitáře, v našem příkladě Ski tracks from Garmin 2012–2015, quality controlled
Id: uvádí unikátní identifikační číslo přidělené repozitáři, v našem příkladě sha256:0ca56cf76b7fb94f8db9b0b962614d480bc5edf4fd7567a163c6097fe6b51fd7
Stejný repozitář, jako je například „Ski tracks from Garmin 2012–2015, quality controlled“ bychom vyhledali také podle klíčových slov jako jsou gps, garmin, které jsou v popisu repozitáře uvedeny. Trvalo by to však výrazně delší dobu, protože repozitářů se pod každým uvedeným klíčovým slovem nachází velké množství.
Pokud rozklikneme vybraný repozitář zobrazí se nám ještě více detailních informací, které jsou rozděleny do několika částí:
Obecné (General):
Id repozitáře,
Abstrakt repozitáře,
Klíčová slova repozitáře.
Geografická oblast (Geographic Region):
Souřadnice jižní hranice,
Souřadnice severní hranice,
Souřadnice západní hranice,
Souřadnice východní hranice.
Lidé a přidružené strany (People and Associated Parties):
Původ
Řízení přístupu (Access Control ):
Veřejné
Předkladatel
Držitel práv
Práva pro čtení
Autoritativní MN
Další (Other):
Sériové id
Název souboru
Typ média
Formát id
Typ formátu
Povolení replikování
Počet replikování
Datum zveřejnění
Datum aktualizace
Datum úpravy
Zdroj dat
Stav replikace
Edice
Verze
a další…
Příklady využití
Informační zdroj DataOne můžeme využit:
K nalezení rozsáhlých biologických dat o rozmanitosti flóry a fauny v ekosystémech.
K nalezení komplexních meteorologických dat týkajících se klimatických podmínek na globální úrovni.
K nalezení rozsáhlých ekologických dat o studiích populací mořských živočichů a jejich prostředí ve světových oceánech:
Příklad vyhledání konkrétního zdroje z České republiky:
Na obrázku můžeme vidět repozitář Ski tracks from Garmin 2012–2015, quality controlled, který podle abstraktu obsahuje data o Lyžařských stopách v Česku a okolních regionech, které sbírají běžkaři pomocí sítě Garmin Connect. Údaje o stopách byly kontrolovány z hlediska kvality a stopy zaznamenané na hlavních silnicích a na umělém sněhu byly odstraněny. Přiložený shapefile obsahuje data z období 2012-2015.
Kliknutím na odkaz je možné se dostat přímo na stránky hydroshare, kde je možné zobrazit data několika způsoby. Případně kliknutím na odkaz níže je možné si data přímo stáhnout.
Závěr
Tato práce popisuje, jak DataONE umožňuje přístup k repozitářům, podporuje vyhledávání a objevování informací prostřednictvím různých rešeršních možností. Rovněž se zabývá strukturou tohoto informačního zdroje, které zahrnují širokou škálu vědeckých disciplín.
DataONE nejenže umožňuje vědcům a výzkumníkům lépe porozumět životu na Zemi a ochraně životního prostředí, ale také poskytuje platformu pro spolupráci, vzdělávání a sdílení osvědčených postupů v oblasti vědeckých dat.
Zdroj DataONE hraje klíčovou roli v podpoře nových vědeckých poznatků a vytváření znalostí o životě na Zemi a prostředí, které ho udržuje. Je to nejen nástroj pro vědce a výzkumníky, ale také prostředek, který otevírá možnosti pro širokou veřejnost a vzdělávací instituce v oblasti environmentálního vzdělávání.
OpenAI přináší novou éru personalizace umělé inteligence s uvedením vlastních verzí ChatGPT, definovaných jako GPTs. Tyto modely představují nový způsob, jak si přizpůsobit ChatGPT pro konkrétní účely – ať už pro zlepšení každodenního života, pro specifické úkoly v práci, doma, nebo pro sdílení s ostatními. Například GPTs mohou pomoci naučit se pravidla jakékoli deskové hry, vzdělávat děti v matematice, nebo navrhovat samolepky.
Vytvoření vlastního GPT je podle všeho jednoduché a nevyžaduje znalosti programování. Mohou je vytvářet jednotlivci pro osobní potřebu, firmy pro interní použití, nebo pro širokou veřejnost. Proces tvorby je stejně snadný jako zahájení konverzace, zadání instrukcí a extra znalostí a výběr funkcí, jako je vyhledávání na webu, generování obrázků či analýza dat. Ukázkové GPTs jsou již dnes dostupné pro uživatele ChatGPT Plus a Enterprise.
Vlastní aplikace ChatGPT v praxi. Co reálně člověk může s GPT dělat?
Představte si GPT jako pomocníka pro učení pravidel deskových her, výuky matematiky vašich dětí, nebo jako nástroj pro design nálepek. Možnosti jsou prakticky neomezené. Co se týče posunu vůči nám uživatelům, OpenAI cílí na uživatele de facto všech úrovní uživatelských zkušeností. Níže jen pro praktickou ukázku jeden příkladů. Nicméně můžeme očekávat, že během krátké doby se řešení dostanou i k uživatelům s nulovými, nebo velmi omezenými zkušenostmi s technologiemi. Otázkou je, jak se k tomuto trh a společnost postaví. Ale nyní jde o něco více.
Výzkum s AI asistentem pro každému vědeckého pracovníka
Mimochodem, v současné době prožíváme technologickou revoluci, která transformuje vědecký výzkum a rozšiřuje možnosti vědců na mimořádné úrovni v práci s informacemi. Vstup umělé inteligence do vědy a výzkumu signalizuje přelom, který je srovnatelný s nástupem počítačů ve dvacátém století, možná chcete-li se sítí ARPANET. Vlastní GPT modely, jako pokročilé AI asistenty, nabídnou individualizovaný přístup, který umožňuje každému vědeckému pracovníkovi efektivněji a cíleněji prozkoumávat, analyzovat a interpretovat data. A to napříč oblastmi.
GPT modely se stávají vědeckými asistenty, kteří jsou schopní nejen odpovídat na dotazy a vyhledávat informace, ale také pomáhat formulovat hypotézy, navrhovat experimenty a dokonce psát vědecké texty. Díky své adaptabilitě a schopnosti učení se modely GPT mohou stát společníky ve výzkumu, kteří se neustále vyvíjejí a přizpůsobují specifickým potřebám vědeckého pracovníka. Co víc, hypotézy bude možné ověřovat na základě dostupných vědeckých výsledků napříč historií.
Involvace AI do vědeckého výzkumu rovněž může přispět k demokratizaci vědy. GPT asistenti mohou nabídnout podporu vědcům z méně zastoupených regionů nebo institucí, kde jsou omezené zdroje, a pomoci tak překlenout mezery v globálním výzkumném prostoru. S vlastními GPT modely, které jsou navrženy tak, aby reflektovaly konkrétní znalosti a požadavky uživatelů, se otevírá cesta k přesnějšímu a rychlejšímu dosahování vědeckých objevů. Ale z druhé strany je potřeba vidět naprosto jasné nebezpečení nové formy monopolizace, a to v kontextu duševního (průmyslového) vlastnictví.
Avšak, jak všechny technologie, i vlastní GPT modely přinášejí výzvy. Musíme se zaměřit na etické aspekty, jako jsou autorství a odpovědnost za výzkumné výstupy, a zajistit, aby AI asistenti byli používáni způsobem, který podporuje integritu a transparentnost vědecké práce.
Začlenění vlastních GPT modelů do vědeckého výzkumu tak představuje nejen technologický posun, ale i posun paradigmatu v tom, jak přistupujeme k vědění a objevování. Je to cesta, která může znamenat zásadní změnu ve způsobu, jakým věda postupuje a jakým směrem se bude ubírat v budoucnosti.
GPT Obchod
Za několik týdnů také bude spuštěn GPT Obchod, který nabídne tvorbu ověřených tvůrců. V obchodě budou GPT vyhledatelné a mohou stoupat žebříčky popularity. Také zde budou zvýrazněna nejužitečnější a nejzábavnější GPT v kategoriích jako produktivita, vzdělávání a „pro zábavu“. Nové formy digitálního zboží jsou na obzoru, a jsou to i nové podnikatelské příležitosti. A především, příležitosti pro poskytovatele vzdělávání.
Ochrana soukromí a bezpečnost
Jak deklaruje OpenAI, při tvorbě GPT byl kladen důraz na soukromí a bezpečnost. Vaše data jsou pod vaší kontrolou a komunikace s GPT není sdílena s tvůrci. Byly přijaty opatření, která zajišťují dodržování pravidel užívání a prevenci sdílení škodlivého obsahu. Toto bude nicméně zasluhovat další analýzu v nadcházejících dnech a týdnech.
systémy navazují na naše stávající zajištění a mají za cíl zabránit uživatelům ve sdílení škodlivých GPTs, včetně těch, které se týkají podvodné činnosti, nenávistného obsahu nebo nevhodného obsahu. Také jsme podnikli kroky k budování důvěry uživatelů tím, že umožňujeme tvůrcům ověřit jejich identitu.
OpenAI, oficiální sdělení
Zapojení nás lidí?
Je evidentní, že OpenAI jde cestou vytvoření systému kolektivní znalosti. To, jak se model učí na našem chování zejména od jeho oficiálního spuštění, nyní dostává ještě další rozměr. Propojení na unikátní know-how, zásadní nástroj pro vzdělávací systém, kustomizace pro každého z nás je tu. Určitě vnímáte rizika, nicméně i proto je potřeba komunikovat zásadní potřebu rozvoje informační gramotnosti a kritického myšlení včetně kreativity.
Grok je umělá inteligence inspirovaná „Stopařovým průvodcem po Galaxii“, navržená tak, aby odpovídala na téměř jakékoli otázky a dokonce i navrhovala, jaké otázky by se měly klást. Grok má být vtipný a má vzpurnou povahu, a je proto určen pro uživatele, kteří mají rádi humor. Alespoň zhruba takto uvádí Grok společnost Elona Muska xAI.
Jednou z hlavních výhod Groku je jeho schopnost získávat informace v reálném čase díky platformě 𝕏 a odpovídá i na „pikantní“ otázky, které jiné AI systémy obvykle odmítají. Jako produkt ve velmi rané beta verzi, který byl trénován pouze dva měsíce, se od uživatelů očekává, že Grok se bude rychle zlepšovat s každým týdnem.
xAI tým vytvořil Grok s cílem poskytovat nástroje, které pomáhají lidstvu v pochopení a znalostech. Grok by měl sloužit jako výkonný asistent pro výzkum a inovace, umožňující rychle získávat informace a generovat nové nápady.
Example of Grok vs typical GPT, where Grok has current information, but other doesn’t pic.twitter.com/hBRXmQ8KFi
Grok-1, pohánějící Grok, je špičkový jazykový model, který překonal ostatní modely ve své kategorii na standardních benchmark testech, ale zůstává za modely jako je GPT-4, které byly trénovány s větším množstvím dat a výpočetní kapacity. V praxi Grok-1 získal známku C (59 %) na maďarské středoškolské matematické zkoušce z roku 2023.
Tým xAI pracuje na vývoji Groku pomocí Rustu a Kubernetes, zajišťující spolehlivou infrastrukturu i při běhu na desetitisících GPU. Ve výzkumu se zaměřují na spolehlivé odůvodnění, nástrojovou pomoc, integraci s formálním ověřováním, porozumění dlouhým kontextům a odolnost proti nepřátelským útokům, aby byla AI bezpečná a spolehlivá.
Pro ty, kteří chtějí Grok vyzkoušet, xAI nabízí omezený přístup pro uživatele v USA s možností zpětné vazby, která pomůže zlepšit jeho schopnosti před širším uvedením na trh. Firma má ambiciózní plán rozvíjet nové schopnosti a funkce Groku v následujících měsících. Máme se tedy na co těšit.
Některé technické parametry Groku
Původní prototyp, Grok-0, měl 33 miliard parametrů a dosahoval schopností blízkých modelu LLaMA 2 (70B) na standardních testech, ale využíval pouze polovinu výpočetních zdrojů. Po dalších dvou měsících vývoje Grok-1 dosáhl lepších výsledků v kódování a úložišti s výsledkem 63.2% na HumanEval úlohách kódování a 73% na MMLU.
Model Grok-1 byl porovnán s ostatními modely na běžných benchmark testech pro měření matematických a odůvodňovacích schopností. Na testu GSM8k dosáhl výsledku 62.9% při použití 8-shot promptů, na MMLU 73% s 5-shot příklady, na HumanEval 63.2% bez dodatečných příkladů a na MATH testu 23.9% s pevným 4-shot promptem. V těchto testech Grok-1 předčil všechny modely ve své kategorii výpočetních schopností, včetně ChatGPT-3.5 a Inflection-1.
Tým xAI vybudoval infrastrukturu Groku na základě Kubernetes, Rustu a JAXu s důrazem na spolehlivost a efektivní využití výpočetních zdrojů. Vývoj infrastruktury byl klíčový pro minimalizaci prostojů a zajištění vysokého využití výpočetních operací (Model Flop Utilization – MFU), i přes nespolehlivý hardware.
Model OSI (Open Systems Interconnection) je klíčový pro pochopení a zabezpečení síťové komunikace. Každá vrstva tohoto modelu představuje specifické funkce a je vystavena různým typům útoků. Zde se podíváme na bezpečnostní hrozby od nejnižší k fyzické vrstvě až po aplikační vrstvu a na způsoby, jakými lze tyto hrozby mitigovat.
Aktivity: Přenos dat prostřednictvím fyzických médií, jako jsou ethernetové kabely, optická vlákna a bezdrátové signály. Útočné vektory:
Fyzická manipulace s zařízením
Elektromagnetické rušení
Odposlech
Opatření: K ochraně této vrstvy je klíčové fyzické zabezpečení zařízení, šifrování přenášených signálů a použití zabezpečených komunikačních kanálů.
2. Vrstva: Spojová vrstva
Aktivity: Rámcování, adresace a detekce chyb na fyzickém médiu, používání ethernetových protokolů a switchů. Útočné vektory:
Spoofing MAC adres
ARP spoofing
VLAN hopping
Opatření: Na této úrovni je důležitá konfigurace portové bezpečnosti, dynamická ARP inspekce a zabezpečení přepínací infrastruktury.
3. Vrstva: Síťová vrstva
Aktivity: Směrování a adresace, včetně IPv4/IPv6 a směrovacích protokolů. Útočné vektory:
IP spoofing
Manipulace se směrovací tabulkou
DDoS útoky
Opatření: Efektivní ochranu této vrstvy zajistíme zabezpečením směrovačů, autentizací směrovacích informací a monitorováním síťového provozu.
4. Vrstva: Transportní vrstva
Aktivity: Zajištění spolehlivého přenosu dat mezi koncovými body, využívání protokolů TCP a UDP. Útočné vektory:
Man-in-the-middle útoky
SYN/ACK flooding
Exploitace zranitelností v TCP/IP
Opatření: Zde je zásadní použití šifrování pomocí SSL/TLS, nastavení firewallů a pravidelné aplikování bezpečnostních záplat.
5. Vrstva: Relační vrstva
Aktivity: Správa spojení, relací a jejich ukončení, správa stavu sezení. Útočné vektory:
Únos sezení
Útoky hrubou silou
Fixace sezení
Opatření: Použití bezpečnostních tokenů, nastavení limitů pro neúspěšné pokusy o přihlášení a bezpečné ukončení relací jsou zde klíčová.
6. Vrstva: Prezentační vrstva
Aktivity: Formátování dat, šifrování a komprese. Útočné vektory:
Manipulace s daty
Vkládání škodlivého kódu
Útoky formátovacími řetězci
Opatření: Kritické je zde použití silných šifrovacích mechanismů pro data a důsledná validace vstupů.
7. Vrstva: Aplikační vrstva
Aktivity: Uživatelské rozhraní, softwarové aplikace, webové prohlížení, e-mailová komunikace, přenos souborů a používání protokolů jako HTTP, SMTP, FTP. Útočné vektory:
Injekce škodlivého kódu
Phishingové útoky
DDoS útoky
Opatření: Pro zabezpečení aplikací je nezbytné filtrování vstupu, pravidelné aktualizace softwaru a vzdělávání uživatelů o hrozbách.
Ochrana na každé úrovni modelu OSI je nezbytná pro celkovou kybernetickou bezpečnost. Pravidelné aktualizace, monitorování a komplexní bezpečnostní opatření nám pomohou chránit data a informační systémy před stále se vyvíjejícími hrozbami.
V dnešním digitálně propojeném světě jsou API (Application Programming Interfaces) základními stavebními kameny pro vývoj software. API umožňují aplikacím komunikovat mezi sebou a sdílet data, což z nich činí atraktivní cíle pro kybernetické útoky. Zabezpečení API by proto mělo být na prvním místě priority každého vývojáře. Zde je 20 nejlepších tipů, jak udržet vaše API v bezpečí:
Silné ověřování
Příklad: Při implementaci OAuth 2.0 nastavte pravidla pro silná uživatelská hesla a zahrňte dvoufázové ověřování pro zvýšení bezpečnosti.
Šifrování HTTPS
Příklad: Použijte TLS/SSL certifikáty a vynuťte šifrování přes protokol HTTPS na všech koncových bodech API.
Limitace počtu požadavků
Příklad: Nastavte politiku rate limitingu pomocí middleware, který kontroluje IP adresy nebo uživatelské identifikátory a omezuje počet požadavků za sekundu.
Šifrování dat
Příklad: Použijte AES pro šifrování dat uložených v databázi a zajištění, že klíče jsou bezpečně spravovány a uloženy mimo databázi.
Omezení pokusů o přihlášení
Příklad: Implementujte politiku, která po několika neúspěšných pokusech o přihlášení dočasně zablokuje účet nebo vyžaduje CAPTCHA.
Bezpečnostní hlavičky
Příklad: Nastavte HTTP hlavičky jako Strict-Transport-Security, X-Frame-Options a X-Content-Type-Options na serveru nebo přes middleware ve vaší aplikaci.
Expirace tokenu
Příklad: Nastavte JWT tokeny tak, aby expirovaly po krátkém časovém období, například 15 minutách, a vyžadujte obnovení tokenů.
Bezpečná dokumentace API
Příklad: Sestavte dokumentaci tak, aby byla dostupná pouze ověřeným uživatelům a neobsahovala citlivé informace, jako jsou API klíče.
Zakázání výchozích chybových hlášek
Příklad: Nastavte vlastní chybové stránky nebo zprávy, které neobsahují stack trace, interní IP adresy nebo cesty k souborům.
Použití CSRF tokenů
Příklad: Využijte anti-CSRF tokeny v každém formuláři nebo AJAX volání na frontendu a ověřte je na serveru před zpracováním požadavku.
Kontrola přístupu
Příklad: Nastavte role a oprávnění pro různé uživatele v systému a zaručte, aby měli přístup pouze k datům a akcím, které potřebují.
Dezinfekce vstupu
Příklad: Použijte knihovny pro validaci a sanitaci vstupů, jako je OWASP ESAPI nebo jiné nástroje pro odstranění škodlivého kódu z uživatelských vstupů.
Bezpečné hlášení chyb
Příklad: Konfigurujte logovací systém tak, aby uživatelskému rozhraní byly poskytovány pouze obecné chybové kódy, zatímco podrobnosti jsou logovány interně.
Logování a auditování
Příklad: Využijte systémy jako ELK stack nebo Splunk pro sledování a analýzu logů s detailní historií přístupu a operací.
Verzování API
Příklad: Při vydávání nových verzí API použijte URL, které zahrnují číslo verze (/api/v1/...), a zajistěte, že starší verze jsou stále podporovány nebo mají jasně definovaný plán ukončení.
Konfigurace CORS
Příklad: Omezte, které domény mohou požadavky na vaše API provádět, pomocí nastavení Access-Control-Allow-Origin v HTTP hlavičkách.
Validace bezpečných dat
Příklad: Před zpracováním vstupů a výstupů implementujte striktní schémata validace a odmítejte jakékoli požadavky, které nesplňují tyto schémata.
Bezpečnostní testování
Příklad: Provádějte pravidelné penetrační testování pomocí nástrojů jako OWASP ZAP nebo Burp Suite pro identifikaci a opravu zranitelností.
Zabezpečení správy sezení
Příklad: Použijte tokeny s vypršením platnosti a zajistěte, že odhlášení uživatele účinně invaliduje existující sezení.
Pravidelné aktualizace
Příklad: Implementujte proces pravidelné revize závislostí a aplikujte bezpečnostní opravy a aktualizace knihoven, jakmile jsou dostupné.
Dodržování těchto tipů vám pomůže posílit obranu vašich API proti kybernetickým útokům a ochránit tak data vašich uživatelů. Bezpečnost by měla být integrovaná do vývoje API od samého počátku, nikoli přidána jako poznámka po dokončení. Pravidelné revize a aktualizace zabezpečení zajistí, že vaše API zůstane robustní a odolné vůči neustále se vyvíjejícím hrozbám.
Společnost Brave, která stojí za populárním prohlížečem Brave, spustila nový vyhledávač Leo. Leo je založen na technologii ChatGPT a nabízí uživatelům soukromé a personalizované vyhledávání. Leo také blokuje sledovače a reklamy, což umožňuje uživatelům procházet web bez obav o své soukromí.
Vědci vytvořili neuronovou síť, která dokáže jazyk generalizovat podobně jako lidé. Systém umělé inteligence (AI) dokáže rozpoznat vzory v jazyku a použít je k pochopení nových slov a jejich použití v nových kontextech. Tato schopnost je klíčová pro lidské učení a nazývá se systematická generalizace.
LangChain: Nová platforma pro vývoj a nasazení aplikací ChatGPT
LangChain je nová platforma pro vývoj a nasazení aplikací ChatGPT. LangChain poskytuje uživatelům přístup k výkonným nástrojům a zdrojům, které jim pomáhají rychle a snadno vytvořit a nasadit aplikace ChatGPT. LangChain také nabízí knihovnu předpřipravených aplikací ChatGPT, které lze použít k různým účelům, jako je například generování textu, překlad jazyků a analýza dat.
Stoicismus pro úspěch v podnikání: 7 ChatGPT promptů k aplikaci jeho moudrosti
Forbes řeší poměrně zajímavé téma. Stoicismus je starověká filozofie, která zdůrazňuje důležitost ctnosti, rozumu a přijetí. Stoicismus lze aplikovat i na podnikání a pomoci podnikatelům dosáhnout úspěchu. ChatGPT může být použit k generování stoických promptů, které mohou podnikatelům pomoci zamyslet se nad svým podnikáním a aplikovat stoickou moudrost.
Závěr
ChatGPT je výkonný nástroj, který má potenciál být využit v širokém spektru aplikací. Společnost Brave již využívá ChatGPT k vytvoření vyhledávače Leo, který chrání soukromí uživatelů. LangChain je nová platforma, která poskytuje uživatelům nástroje a zdroje pro vývoj a nasazení aplikací ChatGPT. ChatGPT lze také použít k generování stoických promptů, které mohou podnikatelům pomoci zamyslet se nad svým podnikáním a aplikovat stoickou moudrost.
V dnešní době, kdy se lidstvo posouvá novými objevy a technologiemi, se forma komunikace, obchodu a hledání informací změnila natolik, že jsme nyní schopni všechny tyto aktivity provést během pár kliknutí na svém telefonu. Před dvaceti lety by lidi ani nenapadlo, že se jejich peníze budou moci proměnit do virtuální formy, natož do formy měny, která je decentralizovaná a její cena je mnohonásobně více volatilní než klasická měna určitých států. Tyto změny se projevily samozřejmě i ve světě zločinu. Už to nejsou jen loupežná přepadení, vraždy, drobné krádeže a podobně. Nově se většina děje v online světě, kde se například může jednat o krádeže identit, přístupových hesel do bankovních účtů a tak dále. Anonymita je zbraň i dar. Na jedné straně chrání soukromí lidí, podporuje svobodu slova a demokracii v nedemokratických režimech. Na druhé straně této „svobody“ zneužívá čím dál tím více lidí. Anonymita zajišťuje ve virtuálním prostředí možnosti pro lidstvo dosud nevídané. Při využívání několika moderních vymožeností najednou jsou většinou páchané zločiny neodhalitelné a pachatelé pak mohou svoji činnost dále provádět a zdokonalovat. S takovou výhodou jsou schopni provádět i takzvaný kyberterorismus, kdy se pomocí pokročilého kódování dostávají přes ochranné složky serverů k důležitým utajeným informacím, vykrádají bankovní účty nebo dokonce díky anonymitě mohou kohokoliv vydírat a požadovat výkupné. Jak toto vlastně možné? Vždyť se říká, že cokoliv, co uděláme na internetu, je dohledatelné a vysledovatelné. Je to možné právě kvůli pokročilým technologiím a takzvaným vrstvám webu, kterým se budu věnovat v následující kapitole. Konkrétně se jedná o kryptoměny a dark web. Mix těchto dvou forem vznikne kombinace, která přesvědčivě funguje a policie či jiné útvary s ní mohly doposavad bojovat jen velmi těžko.
2. Vrstvy webu
Jak si představit vrstvy webu a jak se od sebe liší? Je mezi nimi velký rozdíl? Při prvním zamyšleni si hodně lidí představí pod pojmem dark web nebo deep web malé zákoutí v rámci klasického webu pro všechny, kde se však objevují geniální hackeři a podvodníci, kteří pomocí své vynalézavosti a svých dovedností terorizují své cíle a mohou si podmanit prakticky kohokoliv, cokoliv a kdykoliv. Je tomu však opravdu tak? Odpovědí je spíše ne, i když některé části otázky jsou pravdivé. Jako přirovnání k vrstvám webu se nejvíce používá ikonická fotka plovoucího ledovce. Na hladině je vidět pouze malá část ledovce a pod hladinou se nachází zbytek.
Malá část plovoucí nad hladinou představuje takzvaný „surface web“. To je označení pro všechno to, co každý uživatel internetu používá denně. Ať už jde o vyhledávače, internetové přehrávače, obyčejné informační stránky apod. Jedná se o všechno to, co je běžně dohledatelné, zobrazitelné a viditelné.
Další vrstvou je takzvaný „deep web“. Ten představuje část nacházející se hned „pod povrchem“, tedy pod surface webem. Nachází se zde obrovské množství legálních dokumentů, údajů o pacientech ve zdravotnictví, bankovní údaje a tak dále. K těmto informacím a dokumentům se lidé většinou dostávají přes různá uživatelská jména a přístupová heslo. K tomu se i používá silné šifrování, což znamená, že data nejsou běžně dohledatelná. Hlavním rozdílem oproti „dark webu“ je fakt, že uživatelé a majitelé dat v deep webu se nesnaží ukrýt svoji činnost a informace před autoritami a policií, používají tyto ochranné prostředky za účelem ochrany integrity a soukromí.
Poslední vrstva je označována termínem „dark web“. Ten je jakousi temnou částí webu, jelikož většinou představuje místo trestní a nekalé činnosti. Do této části není tak jednoduché se dostat, jelikož obdobně jako u deep webu se informace a dokumenty nedají běžně vyhledat pomocí klasických vyhledávačů.
Za zmínku stojí také jistý „shadow web“, u kterého není dosud jisté, zda toho kybernetické prostředí určitě existuje, či nikoliv. Má se jednat o část dark webu, kde se odehrává ještě závažnější a děsivější trestní činnost.
(Joshi 2020)
Povrchový web je tedy virtuální prostředí se stránkami a dokumenty dohledatelnými pomocí klasických vyhledávačů, jak již bylo zmíněno dříve. Jak ale třídění a hledání mezi jednotlivými soubory, stránkami a dokumenty funguje? Námi známé světové vyhledávače fungují na velice podobném principu. Aby se dalo mezi vším dohledatelným snadno hledat, je za potřebí používat jakési roboty, kteří prochází nově vzniklé stránky, jež prozkoumají obsah, který stránka nabízí. Tuto informaci zaznamená a aktualizuje seznam stránek právě s tímto obsahem. Návštěvník poté při vyhledávání danou stránku může najít, jelikož už je stránka indexována. (Džubák, 2015) Problém však spočívá hlavně v třídění relevantních stránek od spamových, reklamních či hoaxových stránek. To stále z velké části spočívá pouze na návštěvníkovy, který musí sami posoudit, zda se jedná o pravdivou nebo falešnou informaci. To samozřejmě občas nedopadá dobře, protože velká spousta lidí si najde určitou informaci a hned ji pokládají za pravdivou. Neověřují si kvalitu zdroje, což má za následek vznik komunit, které věří v nesmyslné konspirační teorie.
2.1. Deep web
Pro porovnání si můžeme vzít velikost povrchového a hlubokého webu. Povrchový web aktuálně čítá okolo 1,14 miliardy webových stránek, z čehož okolo 17 % je aktivních. Zbytek zahrnuje neaktivní stránky, které jsou registrované, ale žádná aktivita na nich již není detekována. Běžně je denně vytvořeno zhruba 252 tisíc webových stránek. Webová stránka se ovšem může skládat z 1 a více internetových stránek. Těch bychom v této části jistě našli více než 25 miliard. Celkový počet je neznámý, ale konečné číslo se pravděpodobně pohybuje okolo 50 miliard. (Huss 2022)
2.2. Deep web
Hluboký web funguje trochu jinak. Jak již bylo zmíněno, jsou zde uloženy obrovská množství různých dat. Jedná se hlavně o medicínské informace, vědecké články, patentové dokumenty, normy, obchodní informace atd. V této sféře již roboti mají velké problémy cokoliv najít, jelikož je tento virtuální prostor pro ně prakticky nedostupný. Proto se používáme pojem „surface“ neboli povrch. Roboti se pohybují a pracují po povrchu.
Na povrchovém webu ovšem například určité články, patenty a jiné informace lze najít. Proč je tomu tak? Dohledatelné dokumenty jsou dohledatelné proto, protože je zveřejňující instituce chtěla poskytnout širší veřejnosti. Naprostá většina dokumentů a souborů této instituce je však stále uložena interně a přístup k nim má užší sorta lidí. Co se týče velikosti, pak obrázek ledovce není úplně přesný. Podle posledních propočtů je hluboký web 400krát až 550krát větší než povrchový web. (Ashtari 2022)
2.3. Dark web
Temný web se nachází pomyslně ještě hlouběji než hluboký web. Jak ho můžeme definovat? Je to část webu, která je sice veřejnosti přístupná, ale běžný uživatel se tam pomocí klasických vyhledávačů zcela jistě nedostane. Je potřeba mít v systému připravený speciální vyhledávač. V naprosté většině případů uživatelé používají vyhledávač s názvem TOR. Uživatelé temný web využívají hlavně kvůli své primární funkci, která představuje zajištění anonymity během pohybu a práce na této vrstvě. Samozřejmě tuto funkci návštěvníci ve velkém zneužívají a aktuálně je temný web jakýmsi centrem kyberterorismu a nelegální činnosti.
Na dark webu můžeme narazit na spousty stránek různého typu a obsahu. Podvodníci web užívají jako nástroj usnadňující širokou škálu trestných činů. Zprostředkování a prodej drog, zbraní, exotických zvířat, kradeného zboží a informací, na to vše tam můžeme narazit. Vše vyjmenované se prodává s velkými zisky pro prodávající. Existují tam herny, klasická i dětská pornografie a mnohé další. Není také ke škodě zmínit možnosti najmout si zloděje či vrahy, kteří údajně splní vaše příkazy. (Chertoff, Simon 2015)
2.3.2. Historie dark webu
Jak to vlastně všechno začalo? Počátky této vrstvy webu začínají u vzniku samotného internetu. Vše se odvíjí od 29. října roku 1969. Přesně v tuto dobu byla zaslána historicky první elektronická zpráva mezi počítači. Tento přenos byl proveden pomocí systému ARPANET. ARPANET (Advanced Research Projects Agency Network) byla grantová agentura ministerstva obrany USA, která při vzniku a v začátcích ARPANET finančně podporovala. Dark web v té době vypadal zcela jinak a sloužil uživatelům také k něčemu jinému. Po určité době však lidé objevili kouzlo anonymity ve virtuálním prostředí a začali tuto technologii využívat za účelem uchování osobních tajných informací. (Butler 2018)
Velké změny nastávají v devadesátých letech, kdy síť World Wide Web zažívá velký boom a stala se číslem 1 v oblasti digitálního dění. Za tento posun mohl velký rozvoj webových technologií HTTP a FTP. Dále přišly na svět grafické počítače, díky kterým se mohl ovládat webový prohlížeč. Další průlomem se stal pokrok u technologie peer-to-peer (P2P), která přinesla dosud nevídané sdílení většího množství dat. Mohlo jít například o multimédia v podobě MP3. V té době bylo naprosto nemístné odcizovat hudbu a šířit ji mezi lidmi zdarma. Proto se tyto MP3 soubory už v té době objevovaly právě na dark webu. (Butler 2018)
Rok 2000 je pro historii dark webu důležitý, jelikož právě v tomto roce byl softwarovým inženýrem Ianem Clarkem vytvořen revoluční prohlížeč s názvem Freenet. Ten i doteď stále funguje. Čím je zvláštní? Jde především o to, že díky této technologii může uživatel procházet internet v absolutní anonymitě. Při použití Freenetu se stala daná osoba nevysledovatelnou. Po nějaké době začala Freenet používat i federální vláda, která ho používala k vyhledávání nezákonného obsahu. Největším milníkem zmiňované doby je ovšem rok 2002, kdy na světlo světa přišel legendární prohlížeč TOR (The Onion Router), který se stal naprostým základem pro přístup k dark webu. (Butler 2018)
Od roku 2010 dark web roste raketovým tempem a obsahuje čím dál tím více informací, souborů a dokumentů. V této době na scénu ve velkém přichází kryptoměny, které spolu s TORem vytvoří první černé trhy. Kryptoměny existovali již dříve, jen v této době bylo jejich využití ve sféře dark webu mnohem větší. Symbolem černého trhu v této sféře byla zcela jistě takzvaná „Silk Road“, která je více rozebrána v pozdější kapitole. Po roce 2010 začíná být toto kybernetické místo velmi známé i pro běžnou veřejnost a lidé začínají prostor detailněji studovat. (Butler 2018)
2.3.2. Anonymita aktivity
Vrstva jako je dark web a nástroje jako TOR měly původně sloužit jako bezpečný a anonymní prostředek pro důvěrné konverzace atd. Vyhledávač TOR se měl stát prostředkem k zachování svobodného projevu, soukromí a anonymity. Lidé se potřebovali vyjadřovat svobodně ohledně politiky, psát bez cenzury, komunikovat mezi sebou v soukromí a anonymně sdílet informace.
TOR se používal a stále používá jako skvělou technologii k obcházení cenzury. Zajišťuje přístup do k jinak nedosažitelnému obsahu. Jelikož se prakticky kdokoliv díky TORu mohl dostat k obsahu, který může být v různých částech světa blokován, některé vlády údajně navrhly zpřísnění předpisů týkajících se používání TORu.(Stone 2015) Některé vlády údajně přístup na určitou dobu zablokovali.(Emerging Technology 2012), (Paul 2015) Političtí disidenti měli podle všeho používat TOR k anonymizaci a zabezpečení svých komunikací a lokací. (Sullivan 2011) Tak údajně konali disidenti v disidentských hnutích v Íránu a Egyptě.(Sullivan 2011)
Pro novináře a reportéry je TOR prostředkem, který využívají k zabezpečené komunikaci s informátory.Například The New Yorker’s Strongbox je přístupný přes Tor a umožňuje jednotlivcům komunikovat a anonymně sdílet dokumenty s publikací.(Sorkin 2013)Například Edward Snowden prý používal operační systém Tails ke komunikaci s novináři a k úniku utajovaných informací o amerických programech hromadného sledování. (Finley 2014) Systém Tails byl pro něj vhodný, jelikož je optimalizován pro anonymitu a automaticky provozuje Tor. (Finley 2014) Mezi dokumenty, které se Snowdenovi povedlo vyzradit, byla přísně tajná prezentace, která znázorňovala snahy Národní bezpečnostní agentury (NSA) zneužít prohlížeč Tor a zbavit uživatele anonymity.(Schneider 2013)
3. Kryptoměny
Kryptoměna je virtuální měna, která funguje na základě naprogramovaného kódu. Jedná se o decentralizovaný a svobodný prostředek směny. Centralizované systémy jsou například státy, banky atd. Ve světě kryptoměn tedy neexistuje určité středisko, které by spravovalo celou síť a vše kontrolovalo. Základní idea této virtuální měny je to, že by se platby měly provádět na bázi P2P sítě (Peer-to-Peer). V praxi se používají k vysokorychlostním platbám po celém světě. Je tomu tak možné, protože mezi prodejcem a nákupčím není třetí strana. Žádný prostředník nemůže do transakce zasáhnou. To vše v praxi znamená, že obvykle platba trvá v rámci sekund, nanejvýš minut. Další výhodou jsou transakční poplatky. Ty jsou mnohonásobně nižší než u klasické transakce prostřednictvím banky. (Soukup 2019)
O čem lidé také mluví jako o velké výhodě je zabezpečení, transparentnost a anonymita. Abychom si mohli založit účet u určité banky, musíme o sobě poskytnout spoustu informací. Při vložení peněz na bankovní účet dopředu víme, že banka si s našimi penězi může dělat prakticky co chce. Samotná banka zodpovídá za zabezpečení našich peněz, ale chyba se může stát kdykoliv a k hackerským útokům dochází každý den. To se pojí samozřejmě i s anonymitou. Je to jedna z nejoceňovanějších vlastností, kterou kryptoměny zajišťují. Proto je v celku pochopitelné, že ji používají podvodníci ve velkém. Ovšem ne každá kryptoměna zajišťuje dokonalou anonymitu při transakcích a jednotlivé měny se v tomto aspektu od sebe dost liší. (Soukup 2019)
Aktuálně již existuje obrovské množství kryptoměn, přičemž každá má svůj platební síť, ve které je možné ji využít. Důležité je zdůraznit, že různé kryptoměny se od sebe mohou lišit drobnými detaily, ale může se také jednat o zcela jiné technologie. Posledním velkým rozdílem je fakt, že kryptoměny se obchodují 24 hodin denně, 7 dní v týdnu. Banka občas musí provést například údržbu svého mobilního bankovnictví. V té době nejsme schopni provádět žádné transakce, ale ani se v podstatě nedostaneme ke svému účtu. To všechno se ve světě kryptoměn neděje, jelikož naše měna je v síti, kterou nikdo neovládá.
Hodnota kryptoměn je v naprosté většině případů velmi nestabilní. V tomto odvětví se používá pojem volatilita. Tedy můžeme říct, že volatilita kryptoměn je velmi vysoká. Hodnotu měny ve většině případů určuje poměr nabídky a poptávky.
3.1. Kryptoměnové burzy
Prodej a nákup kryptoměn se za posledních 5 let mnohonásobně zjednodušil. Existuje velké množství online směnáren a kryptoměnových burz. Jaký je mezi nimi rozdíl?
V online směnárně se stačí zaregistrovat a rovnou můžete směnit své peníze za kryptoměnu vaší volby. Samozřejmě každá směnárna vám dá jiný kurz, a proto je důležité si vybrat správnou a ověřenou směnárnu. Při nákupu velkého množství kryptoměn za větší množství peněz musí člověk podstoupit takzvané KYC (Know Your Customer) ověření. Jedná se o ověření totožnosti a snaží se bránit přístupu lidem, kteří chtějí pomocí kryptoměn prát špinavé peníze.
Na kryptoměnových burzách operují i samotné online směnárny. Na těchto směnárnách si zákazník může vložit své peníze z banky na svůj účet na dané burze, a poté si za tyto peníze nakoupit kryptoměny. Další možností je nakoupit přímo kryptoměny pomocí kreditní či debetní karty. Zde je však vyšší poplatek za provedení a většina lidí volí první variantu. Mezi nejznámější kryptoměnové burzy patří Binance, KuCoin, Coinbase Exchange a Kraken. Na těchto velkých burzách má zákazník kompletní přehled o dění, může si nakoupit prakticky jakoukoliv kryptoměnu se slušným kurzem. Směnárny poskytují i pokročilé grafy a jiné statistické údaje, díky kterým mohou investoři dělat rozsáhlé spekulace a technické analýzy.
3.2. Virtuální peněženky
Existuje i cesta nákupu kryptoměn, kdy si uživatel nakoupí kryptoměnu a uloží si ji do své softwarové peněženky. Ta funguje prakticky jako rozšíření do internetového prohlížeče. Když si chcete poslat nějaké kryptoměny z online směnárny nebo burzy, stačí použít jednu z několika adres, které vám vaše virtuální peněženka vygeneruje. Nejdůležitější součástí je pak privátní klíč. Ten si uživatel musí uschovávat v bezpečí, jelikož bez něj nemůže přijímat ani odesílat jakékoliv transakce.
Jaký je tedy rozdíl mezi speciální virtuální peněženkou a peněženkou na online burze? Jde tu opět o decentralizaci. Při uchovávání kryptoměn ve virtuální peněžence od online burzy svěřujeme všechna svoje aktiva do rukou třetí strany. Teoreticky je možné, že burza může zkrachovat (aktuální případ gigantické burzy FTX), být vykradena nebo můžou být peníze zpronevěřeny. Speciální virtuální peněženka představuje bezpečnější formu úschovy našeho majetku. (InvestPlus 2022)
4. Kriminalita na dark webu a použití kryptoměn
Kriminalita a kryptoměny spolu tvoří skoro dokonalý mix, který už pár let pomáhá lidem za hranou zákona ke konání protiprávních činů. Bez kryptoměn by se obchodovalo na dark webu asi těžko. Komunikace mezi jednotlivými pachateli trestných činů probíhá tedy na dark webu a peněžní transakce jsou prováděny pomocí převodů kryptoměn z jedné virtuální peněženky do druhé. Nemusí se ale vždy jednat o formát směny nákup/prodej. Na dark webu se používají kryptoměny také ve formě nástroje při vydírání. Pokud například hackerská skupina napadne státní orgán či firmu, pak v naprosté většině případů žádá o zaplacení určitého množství nějaké kryptoměny. Peníze by byly mnohem snadněji dohledatelné a riziko odhalení mnohonásobně vyšší. Uživatelé potřebovali měnu, která by fungovala neustále, nebyla by centralizovaná, transakce by probíhaly rychle, a hlavně by musela být anonymní. To vše jim do nedávné doby splňovalo malé množství kryptoměn. V naprosté většině se jednalo o Bitcoin, který ale není dokonalý a podvodníci zjistili, že na trhu existují i lepší alternativy. Jde totiž o to, že anonymita není úplná, jelikož informace o všech transakcích mezi peněženkami jsou uchovávány. Ztížená je pak pouze část vyhledávání, kdy se někdo snaží najít majitele dané peněženky. Kryptoměny jsou v tomto aspektu rozdílné. Některé zajišťují naprosté maskování všech transakcí na své síti, ale některé nikoliv. Zde je velký rozdíl mezi kryptoměnami jako Bitcoin a třeba Monero.
Pro další ochranu svého soukromí před odhalením uživatelé využívají služby VPN (Virtual Private Network). Jedná se o nástroj, díky kterému se nikde nezobrazuje naše reálná IP adresa, ale zobrazuje se pouze IP adresa vygenerovaná právě systémem VPN. Tím uživatel zajistí, že jeho skutečná poloha je skryta. Použití této služby je na dark webu velmi důležité hlavně při používaní vyhledávače TOR. Ten sice skryje identitu uživatele, ale neskryje místo, kde se daná osoba nachází.
4.1. Prodej drog
Na temném webu můžeme najít samozřejmě více různých stránek, kde se prodávají drogy nebo zbraně. Velikostně se trhy za posledních 10 let měnily ve velkém. Určité trhy byly zrušeny, jelikož došlo k zásahu výkonných orgánů. Jiné trhy naopak z těchto „pádů gigantů“ začaly těžit a dostaly se na pozice jedničky či dvojky na celém dark webu.
Neznámějším trhem s drogami na celém temném webu je jistě takzvaný „Dream Market“. Jedná se jeden z nejdéle fungujících trhů. Své jméno si začal budovat hlavně díky své spolehlivosti. Samozřejmě jako kdekoliv na temném webu, občas se nějaké podvody i na tomto trhy děly, avšak celkově se jedná o jeden z nejspolehlivějších míst na nákup zakázaných látek, služeb a digitálního zboží. Své místo mezi konkurencí si vytvořil právě díky již zmiňovaném pádu dalších trhů. Na přelomu roku 2013 a 2014 se jednalo pouze o drobné tržiště s pár zákazníky. To se změnilo zrušením dosavadních lídrů v tomto odvětví. Stránky jako Hansamarket, Alphabay, Silkroute atd. byly nuceni zrušit svůj provoz výkonnými orgány, a to dalo příležitost stránkám jako Dream Market. Jak ale funguje celý proces nákupu? Po výběru určitého zboží musí zákazník vyplnit jednoduchý dotazník, kde musí zadat jméno a heslo, přičemž jménem se myslí jakékoliv smyšlené jméno. Jako poslední zákazník zadá místo doručení, zboží zaplatí a má hotovo. Celkově je na Dream Marketu k dispozici přes 124 000 produktů, z čehož asi 50 % tvoří pouze drogy. Sortiment je rozdělen do 4 sekcí, kterými jsou drogy, digitální zboží, služby a ostatní. Mezi digitálním zbožím bychom nalezli různé přístupové údaje k různým internetovým účtům (například Netflix), elektronické knihy, softwary a mnohé další. Kategorie služby zahrnuje například hacking určitých stránek a účtů na zakázku nebo padělání dokumentů. Poslední kategorií je kategorie Ostatní. Ta zahrnuje prodej laboratorního náčiní, šperků atd. (DarkWebLinks 2019)
4.2. Sexuální obsah
I tento obsah nalezneme na dark webu v hojném počtu. Web je plný různých stránek s různými motivy a odlišným obsahem. Po drogách je zde pornografie druhým nejčastěji objevovaným obsahem. V nejvíce případech se jedná o dětskou pornografii či nějakou brutální verzi pornografických videí. Většina stránek funguje na principu uživatelských jmen a hesel. Kdokoliv, kdo měl o daný obsah zájem, se musel nejdříve registrovat. Tento fakt pomohl již několikrát policii a jiným orgánům k zastavení činnosti mnoha stránek.
Pravděpodobně historicky nejznámější stránkou se stala stránka s názvem „Lolita City“. Ta byla navštěvovaná již ve velké v roce 2011, kdy v té době nabízela videa dohromady o velikosti přes 100 GB. Její popularita byla pravděpodobně dána tím, že naprostá většina videí zahrnovala děti od věku novorozenců až po 17leté dívky a chlapce. Na téma dětské pornografie se zde vedly dlouhé debaty. Pedofilové si zde většinou stěžovali, že si připadají utlačováni, a že by měli být uznáváni jako menšina. V roce 2012 byla stránka napadena hackerskou skupinou Anonymous, která ji nazvala jako největší stránkou s dětskou pornografií. Skupina poté ještě zveřejnila přístupová jména a hesla všech 1500 uživatelů a definitivně stránku pohřbila. (O’Neill, 2013)
Další známou doménou byla stránka s názvem „Childs Play“. Nabízela hodně podobný obsah jako Lolita City, akorát byla mnohonásobně větší v počtu registrovaných návštěvníků. Největší zajímavostí zde bylo to, že celou dobu byla stránka vedena policií. Konkrétně se jednalo o australskou policejní jednotku, která stránku vytvořila za účelem zajištění uživatelských jmen a dalších dat návštěvníků. Policie nahrávala fotky a video, která čerpala z několika diskusních fór zabývajících se tímto tématem. Operace byla úspěšná, a dokonce se podařilo pomocí různých technologií zajistit i lokace určitých uživatelů. Tato akce ovšem sklidila velké množství kritiky, jelikož způsob zajištění informací byl naprosto v rozporu s Úmluvou OSN o právech dítěte. (VG, 2018)
4.3. Vystopování kryptoměnových transakcí
Kryptoměna také hraje roli při zatajování totožnosti osob zapojených do nelegálních peněžních transakcí. Pseudonymní bitcoinová adresa a decentralizovaná povaha bitcoinu ztěžují rozkrývání nezákonných finančních aktivit. (FBI 2012)Pro policii a jiné orgány bylo vždy v oblasti nelegální aktivity na temném webu největší překážkou zajištění všech potřebných informací o sledovaných osobách. Zajištění jakékoliv informace kromě uživatelských jmen bylo vždy složité, jelikož TOR v kombinaci se službou VPN tvořily silné duo zajišťující vysoký stupeň anonymity. Proto je důležité se zaměřit na prostředek směny. Tím jsou kryptoměny a nejčastěji se stále používá Bitcoin.
Je-li bitcoin použit při určité finanční transakci, zaznamená se transakce do veřejné účetní knihy, která se nazývá „block chain“. Informace zaznamenaná v „block chainu“ je tvořena bitcoinovými adresami odesílatele a příjemce. Adresa jednoznačně neidentifikuje žádný konkrétní bitcoin, spíše pouze identifikuje konkrétní transakci. (Bitcoin.org 2014) Rozkrytím transakcí se ale nemusíme nedozvědět pouze o dvou stranách směny zboží za kryptoměnu, můžeme během pátrání zjistit informace, které nám poskytnou vodítka k odhalení základům celého systému této protiprávní činnosti. To se policii daří i v dnešní době, kdy se technologie zdokonalují a podvodníci nastražují další a složitější překážky k odhalení jejich identity.
Příkladem je operace DisrupTor z roku 2020, kdy se BKA (Spolkový kriminální úřad Německo) podařilo zatknout celkem 179 lidí, kteří byli nějak zapojeni v nákupu a prodeji nepovolených předmětů, věcí a služeb na dark webu. Celá operace probíhala ve spolupráci s dalšími agenturami (například FBI, Europol, Department of Justice atd.) v 9 zemích světa. Po zatčení policie vydala varování, kde jasně zdůraznila, že zlaté časy dark webu jsou minulostí. Stejné uskupení policie a agentur rok předtím zrušilo provoz druhého největšího trhu na dark webu s názvem Wall Street Market. Zatčení vzešlo na základě důkazech o prodeji drog a zbraní. Ty byly zabaveny společně s 6,5 milionu dolarů v hotovosti a velkém množství různých kryptoměn. Europol později vydal následující komentář: „Zlatá éra trhu na dark webu je u konce. Operace, jako jsou tyto, poukazují na schopnost orgánů čelit šifrování a anonymitě temných internetových tržišť. Policie už nelikviduje jen taková nelegální tržiště – pronásleduje také zločince, kteří přes takové stránky nakupují a prodávají nelegální zboží.“ (Palmer 2020)
Jak ovšem policie postupuje při rozkrývání takového zločinu? Postup je neuvěřitelně složitý a náročný, avšak v naprosto zjednodušené verzi by mohl vypadat následovně. Jeden z postupů je takový, že nejdříve zajistíme hledané bitcoinové adresy. K tomu se používají speciální programy, které prozkoumají skryté „search engines“ prohlížeče TOR, odkud poté program vyfiltruje adresy zapojené v obchodování s nelegálními látkami, službami atd.Toto je možné u kryptoměn jako je například Bitcoin nebo Ethereum, avšak u kryptoměn jako je Monero, které jsou vytvořené za účelem docílení největší anonymity, je skoro nemožné adresy získat, jelikož veškeré transakce Monera jsou soukromé. Po vyfiltrování adres se je snažíme spojit s adresami, které nalezneme ve veřejné účetní knize kryptoměny („Block chain“). Pomocí dalších programů získané adresy jsou poté vyhledávány na povrchovém webu. Systém se snaží zachytit jakoukoliv aktivitu na webu právě s touto konkrétní adresou. Při nalezení hledané stopy se můžeme dát do mapování kompletní trasy nalezených kryptoměn. Snažíme se najít počátek a finálovou destinaci, kde tedy kryptoměna skončila. Zde přijde na řadu náročná práce ve formě hledání chyb a omylů při pohybu sledovaných finančních prostředků. Při odhalení chyby policie již může detailněji zmapovat celou situaci, zjistit identitu a následně i polohu hledaných osob.
5. Závěr
Kryptoměny jsou zcela jistě finančním nástrojem budoucnosti a již nyní se hodnota tohoto trhu pohybuje v řádech miliard dolarů. Každým rokem se zvětšuje počet věcí a služeb, které si můžeme pořídit pomocí tohoto prostředku. Jelikož se jejich široké uplatnění rozšiřuje prakticky všude, tento fakt platí i ve světě kriminality a dark webu. Kombinace ilegální činnosti a anonymní měny prakticky tvoří základy dnešního temného webu, který ale již není tím bezpečným útočištěm pro podvodníky, jak tomu bylo dříve. I když orgány a policie mají aktuálně úspěch v oblasti zastavování chodu určitých webových stránek s trestným obsahem, pořád je to jen zlomek z veškerých protiprávních jednání, kterým je temný web útočištěm. Každý den vznikají nové stránky, které získávají další a další návštěvníky nebo zákazníky v případě nelegálních tržišť. V mé práci jsem nejdříve zmapoval web a jeho vrstvy. Znázornil jsem rozdíly, které nejsou pouze ve velikosti a obsahu, ale i v samotné struktuře. Detail byl kladen hlavně na dark web a nelegální aktivity, které se tam objevují. Poslední část práce byla věnována kryptoměnám a jejich roli v tomto světě kriminality. Dokázal jsem vysvětlit, proč a jak funguje anonymita na dark webu, ale i fakt, že kompletně nevysledovatelnými se nestaneme i s VPN, prohlížečem TOR a kryptoměnami.
6. Literatura
Ashtari, Hossein. “Dark Web vs. Deep Web: 5 Key Differences.” SpiceWorks.com, Spiceworks, 5 May 2022, https://www.spiceworks.com/it-security/security-general/articles/dark-web-vs-deep-web.
Butler, Sydney. “Dark Web History: Where Did It Come from?” TechNadu, TechNadu.com, 23 Dec. 2018, https://www.technadu.com/dark-web-history/52017/. [cit. 2022-12-06]
DarkWebLinks. “Dream Market Review – Best Darknet Marketplace.” Dark Web Links, TheDarkWebLinks, 9 May 2019, https://www.thedarkweblinks.com/dream-market/. [cit. 2022-12-06]
Džubák, Josef. “Co Je to Hoax?” HOAX, Hoax.cz, 1 Jan. 2015, https://www.hoax.cz/hoax/co-je-to-hoax. [cit. 2022-12-06]
Emerging Technology from the, arXiv. “How China Blocks the Tor Anonymity Network.” MIT Technology Review, MIT Technology Review, 4 Apr. 2012, https://www.technologyreview.com/2012/04/04/186902/how-china-blocks-the-tor-anonymity-network/. [cit. 2022-12-06]
Finley, Klint. “Out in the Open: Inside the Operating System Edward Snowden Used to Evade the NSA.” Wired, Conde Nast, 14 Apr. 2014, https://www.wired.com/2014/04/tails/. [cit. 2022-12-06]
Finley, Klint. “Out in the Open: Inside the Operating System Edward Snowden Used to Evade the NSA.” Wired, Conde Nast, 14 Apr. 2014, https://www.wired.com/2014/04/tails/.
Huss, Nick. “How Many Websites Are There in the World? (2022).” Siteefy.com, Siteefy, 27 Nov. 2022, https://siteefy.com/how-many-websites-are-there/. [cit. 2022-12-06]
Chertoff, Michael, and Toby Simon. “Paper Series: No. 6 — February 2015 the Impact of the Dark Web on …” Cigionline.org, Chatham House, 6 Feb. 2015, https://www.cigionline.org/static/documents/gcig_paper_no6.pdf. [cit. 2022-12-06]
InvestPlus.cz. “Peněženky Pro Kryptoměny, KDE Uchovat Virtuální Měny, Co Je Trezor?” InvestPLUS.cz – Investice a Spoření, InvestPlus, 1 Jan. 2022, https://investplus.cz/investice/penezenky-pro-kryptomeny-kde-uchovat-virtualni-meny-co-je-trezor/. [cit. 2022-12-06]
O’Neill, Patrick. “Back in Booming Lolita City: The Online Child Pornography Community Is Thriving.” Weirder Web, Weirder Web, 6 June 2013, https://web.archive.org/web/20130610072640/http:/weirderweb.com/2013/06/06/back-in-booming-lolita-city-the-online-child-pornography-community-is-thriving. [cit. 2022-12-06]
Palmer, Denny. “The Dark Web Won’t Hide You Anymore, Police Warn Crooks.” ZDNET.com, Zdnet, 22 Sept. 2020, https://www.zdnet.com/article/the-dark-web-wont-hide-you-anymore-police-warn-crooks/. [cit. 2022-12-06]
Paul, Kari. “Russia Wants to Block Tor, but It Probably Can’t.” VICE, Vice, 18 Feb. 2015, https://www.vice.com/en/article/ypwevy/russia-wants-to-block-tor-but-it-probably-cant. [cit. 2022-12-06]
Schneider, Bruce. “Attacking Tor: How the NSA Targets Users‘ Online Anonymity.” The Guardian, Guardian News and Media, 4 Oct. 2013, https://www.theguardian.com/world/2013/oct/04/tor-attacks-nsa-users-online-anonymity. [cit. 2022-12-06]
Sorkin, Amy Davidson. “Introducing Strongbox.” The New Yorker, The New Yorker, 14 May 2013, https://www.newyorker.com/news/amy-davidson/introducing-strongbox.
Soukup, Tomáš. “Kryptoměny – Jak Fungují a Jak Na Nich Vydělat? .” Finex.cz, Finex, 7 Dec. 2022, https://finex.cz/rubrika/kryptomeny. [cit. 2022-12-06]
Stone, Jeff. “Russia Takes Aim at Online Anonymity Software.” International Business Times, International Business Times, 2 Dec. 2015, https://www.ibtimes.com/russian-censorship-tor-anonymous-vpns-could-be-target-next-crackdown-kremlin-warns-1814020. [cit. 2022-12-06]
Sullivan, John. “2010 Free Software Awards Announced.” 2010 Free Software Awards Announced – Free Software Foundation – Working Together for Free Software, Free Software Foundation, 22 Mar. 2011, https://www.fsf.org/news/2010-free-software-awards-announced. [cit. 2022-12-06]
Joshi, Jaydev. “Layers of Web Pictured as a Parts of Iceberg .” Medium.com, Medium, 21 Dec. 2020, https://medium.com/nerd-for-tech/the-hidden-internet-4c239cb3bbd6. Accessed 7 Dec. 2022.
Hudba je v dnešní době přítomna v životě každého z nás, avšak je každá skladba čistý originál, nebo se hudebníci nechávají inspirovat od svých kolegů?
V rámci hudební terminologie existuje pojem „samplování“, což je označení pro techniku, kdy se již dříve nahraný zvuk převezme (vyjme) z původní zvukové nahrávky a vloží se do nové. Tento pojem vznikl z anglického slova „sample“, což v českém překladu znamená vzorek či ukázka. (1) Možná tato technika může někomu připadat jako „vykrádání“ jiného díla, ale opak je pravdou. Sampling je za určitých podmínek zcela legální, ba naopak v dnešní době je téměř nemožné složit hudbu, která bude zcela unikátní. (2) Další možností, jak mohou umělci využít skladbu svého kolegy, je vytvořením remixu či coveru. Remix znamená vytvoření alternativní verze skladby obvykle za použití původních prvků skladby, ale například je pozměněn hudební styl, nebo tempo. (3) Vytvořit cover skladby znamená přetvoření již vydané skladby, nebo vytvoření nové nahrávky jiným hudebníkem. (4)
Abychom zjistili, zda je v naší oblíbené skladbě využit sample z jiné skladby, zda je remixem jiné skladby, coverem či z ní čerpají další umělci, můžeme využít databázi s názvem WhoSampled.
Popis databáze WhoSampled
WhoSampled je web, případně i mobilní aplikace obsahující databázi o samplované hudbě, coververzích a remixech. Byl založen v roce 2008 a nynější slogan zní „Zkoumání DNA hudby“. Databáze aktuálně obsahuje přes 919 000 skladeb od 286 813 umělců a na jejím plnění se podílí 29 381 přispěvatelů, které následně kontroluje tým 70 ověřených moderátorů (ověřených kvalifikovaných osob). WhoSampled je podporován hudebním průmyslem i akademickou sférou – spolupracuje například s hudebními vydavatelstvími jako jsou Universal Music Group, Sony Music či Warner Music Group a z akademické sféry spolupracuje kupříkladu s New York University, Berklee College of Music nebo s Grammy.com. (5)
Úvodní stránka webu WhoSampled
Web WhoSampled je dostupný na adrese https://www.whosampled.com/. Při otevření této webové stránky je zobrazen odkaz na stažení aplikace WhoSampled. Následují základní informace o webu, které jsou ještě podpořeny vysvětlujícím videem.
Pod základními informacemi návštěvník webu již zjistí první zajímavé informace, jelikož se zde nachází aktuální žebříček, obsahující kategorie Hot Samples, Hot Artists, Top Rated a Latest Additions. Kategorie Hot Samples zobrazuje vzorky hudby, které byly nejvíce sledovány za posledních 24 hodin. Při rozkliknutí tohoto žebříčku se uživateli zobrazí prvních sto samplů, ale zároveň také vyhledávání může ještě upravit na zobrazení coverů, či remixů. V rámci kategorie Hot Artists lze zjistit nejsledovanější umělce za posledních 24 hodin. Top Rated kategorie zobrazuje skladby podle jejich hodnocení od uživatelů. Zde lze obdobně jako u Hot Samples dále filtrovat, zda chceme žebříček samplů, coverů, nebo remixů. V kategorii Latest Additions nalezneme nejnovější skladby, které byly do databáze přidány. Můžeme je dále filtrovat opět podle samplů, coverů, remixů, nebo si nechat zobrazit žebříček všech skladeb bez ohledu na typ inspirace z jiných skladeb.
Obrázek 1: Zobrazení žebříčku na úvodní stránce webu [zdroj obrázku: autor]Obrázek 2: Filtrace v žebříčku Hot Samples [zdroj obrázku: autor]
Úvodní stránka dále obsahuje odkazy na nejnovější články na webu. Avšak pro uživatele webu WhoSampled je nejdůležitější hlavní menu nacházející se hned v záhlaví této stránky. Obsahuje 5 kategorií: News, Discover, Sample Packs, Submit a 6D sloužící jako rozcestník. Dále je zde vyhledávácí pole, kam uživatel může psát název skladby, interpreta, film či televizní pořad. Hlavní menu obsahuje i odkazy na sociální sítě WhoSampled a možnost přihlášení se/registrace na web.
Obrázek 3: Hlavní menu webu [zdroj obrázku: autor]
Registrace a poplatky
Číst si aktuální články na webu, prozkoumávat aktuální žebříčky či vyhledávat skladby, které nás zajímají, je možné na webu bez registrace a zcela zdarma. Pokud bychom ale chtěli přispívat do databáze nalezenými shodami a také hodnotit skladby, je nutné se zaregistrovat. Registrace na webu je bezplatná. Stačí uvést pouze e-mailovou adresu, heslo a uživatelské jméno. Pokud bychom chtěli mít web bez reklam a rychlejší, existuje možnost zakoupit si Premium členství. To zahrnuje další výhody, jako například prioritu v řešení technických problémů. Toto členství stojí 3 $ měsíčně, případně 30 $ ročně. (6)
Využívání aplikace WhoSampled je zpoplatněno. Již za stažení aplikace v rámci App Store zaplatíme 99 Kč a dále je možné si v aplikaci pořídit balíček Unlimited Track ID za 269 Kč. (7) V rámci Google Play jsou uvedeny nákupy v aplikaci v rozmezí 2,99 $ – 9,99 $, přičemž cena 9,99 $ by měla být za variantu Pro roční členství. (8)
Hlavní menu
News
V rámci kategorie News uživatel na webu nalezne nejaktuálnější vydané články. Výchozím nastavením je zobrazování všech článků od nejnovějších po nejstarší. Dalšími možnostmi, jak lze zobrazovat články, je podle kategorií:
Top 10s,
Interviews,
Mixes,
Competitions a
Events.
V rámci těchto kategorií se články také řadí od nejnovějších po nejstarší a není zde žádná jiná možnost, jak články řadit.
Discover
Kategorie Discover slouží k prozkoumávání hudby a je rozdělena na pět skupin, které se ještě dále dělí. Základním dělením zde je hledání hudby pomocí:
žebříčků samplů, remixů a coverů (odkazují na žebříčky popsané a uvedené v rámci úvodní stránky webu),
žebříčků umělců a skladeb (např. aktuálně nejpopulárnějších umělců , nejvíce remixujících či samplujících umělců, nejvíce samplovaných skladeb),
žánrů (např. Rock/Pop, Jazz/Blues, Electronic/Dance),
jednotlivých let nebo dekád (např. 2022, 2021, 2020, 2010s, 2000s),
tagů (např. Grammy Award Winner, Signature Song, Spanish).
Sample Packs
Sample Packs odkazují na webovou stránku https://crates.whosampled.com/, na které je možné zakoupit balíčky samplů. Aktuálně je v nabídce 13 různých balíčků pohybujících se v cenovém rozmezí od 0 $ do 29,99 $.
Submit
Jak již bylo zmíněno, návrhy na přidání obsahu do databáze WhoSampled mohou vkládat pouze přihlášení uživatelé, z tohoto důvodu je kategorie Submit dostupná pouze po přihlášení. Uživatelé by si před odesláním návrhu měli přečíst pravidla pro podání návrhu. Jedním z pravidel je, že by si uživatel měl být svým návrhem stoprocentně jistý. Pokud návrh uživatele je v souladu s pravidly, je zapotřebí vyplnit všechna pole formuláře, která jsou označena hvězdičkou. Vzor formuláře je zobrazen na následujícím obrázku číslo 4.
Obrázek 4: Formulář na návrh vložení zápisu do databáze [zdroj: autor]
6D
Kategorie 6D neboli Six Degrees of Music Separation představuje „hru“ založenou na principu propojení dvou umělců přes maximálně pět dalších. Tato funkcionalita tedy umožňuje zadat jména dvou umělců a 6D odhalí, jak jsou propojeni. Zároveň uživatele vyzývá, ať zadá co možná nejobtížnější kombinaci umělců, která ho napadne.
Obrázek 5: Příklad vyhledávání 6D [zdroj: autor]
Vyhledávání
V rámci vyhledávání je možné vyhledávat skladby, umělce, firmy a televizní pořady. Vyhledávání nepodporuje operátory. Pokud vyhledáme konkrétního umělce, můžeme nalezené skladby následně filtrovat. V případě že nechceme zobrazit všechny jeho skladby, lze ve výsledcích skladeb třídit podle toho, jaké umělcovy skladby využívají samplů, jsou remixy či covery, ale můžeme také filtrovat podle toho, které skladby samplují z jeho skladeb, jsou remixy na jeho skladby či covery. Dále je zde možnost filtrace, zda zvažujeme vyhledaného umělce z role producenta, zpěváka či z obou rolí a také, jak chceme skladby třídit – podle nejznámějších, od nejnovějších po nejstarší, od nejstarších po nejnovější, abecedně či podle posledního přidání do databáze. U umělce je rovněž vidět celková jeho statistika skladeb v databázi WhoSampled.
Obrázek 6: Ukázka filtrace a celkové statistiky při vyhledání konkrétního umělce [zdroj: autor]
Při vyhledání konkrétního filmu či televizního pořadu lze výsledky skladeb seřadit pouze od nejpopulárnějších, abecedně a podle naposledy přidaných.
Jakmile vybereme konkrétní skladbu, zobrazí se základní informace o skladbě – název a autoři, producent, případně i její zařazení a tagy. Následně je již vypsán výčet skladeb, ze kterých byl do vybrané skladby použit sample, zda jiné skladby samplovaly vybranou skladbu, zda byla píseň zremixována, či je remixem jiné, a to stejné i z pohledu coverů. U každého vyhledaného samplu je uvedeno, z jakého pohledu je píseň samplovaná (např. z pohledu textu, basů aj.) a jakého je žánru. U některých skladeb jsou na konci výčtu uvedeny i fakty a příběhy jejího vzniku.
Obrázek 7: Zobrazení z jakého pohledu je skladba samplovaná [zdroj: autor]
Pokud nás zajímá, v jakém konkrétním místě vybraná skladba využívá samplu nalezených skladeb, máme možnost kliknout na název nalezené skladby. Po jejím rozkliknutí se zobrazí videa vybrané skladby a nalezené skladby i s časovou stopáží míst, ve kterých je shoda. Uživatel má možnost přehrání příslušných videí a v případě kliknutí na časovou stopáž je okamžitě přesunut do místa shody. O obou skladbách zároveň máme možnost zjistit základní informace a také zde nechybí možnost zakoupení skladby či vinylu/CD. Následně jsou na stránce ještě výčty skladeb příbuzných k oběma porovnávaným skladbám.
Obrázek 8: Porovnání skladby a samplu [zdroj: autor]
Příklady využití WhoSampled
Hudební databáze WhoSampled může být vhodným zdrojem informací jak pro posluchače hudby, tak umělce. Posluchačům poskytuje detailnější informace o jejich oblíbených skladbách a díky podobnosti skladeb mohou narazit na skladby nové, které se jim budou pravděpodobně také líbit. Pro umělce je databáze užitečná například ze strategického hlediska, kdy mohou díky získaným informacím využít aktuálně nejoblíbenější samply ve své vlastní skladbě s vidinou větší atraktivnosti u posluchačů. Zároveň tento informační zdroj může umělcům sloužit pro další vzdělávání se v rámci hudby, jelikož lze zkoumat, jak se jejich kolegové nechávají inspirovat od ostatních a komponují své skladby.
Závěr
WhoSampled je databáze s více než 919 000 skladbami. Poskytuje informace o skladbách, které byly samplované, remixované či jsou coverem. Skladby lze objevovat z pohledu dostupných žebříčků či je přímo vyhledat díky vyhledávacímu poli. Při vyhledání konkrétní skladby jsou uživateli poskytnuty informace, zda je vyhledaná skladba podobná jiným (ať již z pohledu samplu, remixu či coveru) nebo zda jiné skladby z vybrané skladby čerpají. Tento informační zdroj je užitečný jak běžným posluchačům hudby, tak i lidem z hudebního průmyslu.
Zdroje
MUCHA, Jiří. Samplování v hip hopové hudbě Co je to samplování [online]. 2016 [cit. 2022-12-03]. Dostupné z: https://www.academia.edu/22685357/Samplov%C3%A1n%C3%AD_v_hip_hopov%C3%A9_hudb%C4%9B_Co_je_to_samplov%C3%A1n%C3%AD
WIEBE, David Andrew. Is sampling legal? How to legally sample music for producers [online]. 2020 [cit. 2022-12-03]. Dostupné z: https://www.musicindustryhowto.com/is-sampling-legal-how-to-legally-sample-music-for-producers/
WHOSAMPLED. WhoSampled is the Leading Destination for Sample-Based Music, Cover Songs and Remixes. [online]. 2022 [cit. 2022-12-03]. Dostupné z: https://www.whosampled.com/about/
WHOSAMPLED. Go Premium! [online]. 2022 [cit. 2022-12-03]. Dostupné z: https://www.whosampled.com/subscription/premium/
Abychom poskytli co nejlepší služby, používáme k ukládání a/nebo přístupu k informacím o zařízení, technologie jako jsou soubory cookies. Souhlas s těmito technologiemi nám umožní zpracovávat údaje, jako je chování při procházení nebo jedinečná ID na tomto webu. Nesouhlas nebo odvolání souhlasu může nepříznivě ovlivnit určité vlastnosti a funkce.
Funkční
Vždy aktivní
Technické uložení nebo přístup je nezbytně nutný pro legitimní účel umožnění použití konkrétní služby, kterou si odběratel nebo uživatel výslovně vyžádal, nebo pouze za účelem provedení přenosu sdělení prostřednictvím sítě elektronických komunikací.
Předvolby
Technické uložení nebo přístup je nezbytný pro legitimní účel ukládání preferencí, které nejsou požadovány odběratelem nebo uživatelem.
Statistické
Technické uložení nebo přístup, který se používá výhradně pro statistické účely.Technické uložení nebo přístup, který se používá výhradně pro anonymní statistické účely. Bez předvolání, dobrovolného plnění ze strany vašeho Poskytovatele internetových služeb nebo dalších záznamů od třetí strany nelze informace, uložené nebo získané pouze pro tento účel, obvykle použít k vaší identifikaci.
Marketingové
Technické uložení nebo přístup je nutný k vytvoření uživatelských profilů za účelem zasílání reklamy nebo sledování uživatele na webových stránkách nebo několika webových stránkách pro podobné marketingové účely.