微信扫一扫,关注公众号

  • 科技行者

  • 算力行者

见证连接与计算的「力量」

首页 甲骨文与银联合作 为银行和客户提供更多Java Card支持

甲骨文与银联合作 为银行和客户提供更多Java Card支持

2014-01-22 12:14
分享至:
----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.-
2014-01-22 12:14 CNET科技资讯网

近日,甲骨文公司和中国银联共同宣布签署合作备忘录,双方将开展Java Card相关各项合作,向国内银行及厂商提供Java Card支持,支持国内金融IC卡产业发展。作为合作的一部分,甲骨文公司也将基于Java Card平台向中国银联提供技术和业务支持。

Java Card平台提供了一种开放且具备互操作性的环境,使得在个人用户及个人设备上发展和部署安全的便携式认证服务成为可能,诸如SIM卡和智能卡都可实现。截至目前,已经有超过100亿张Java Card被发放。

此外,Java Card平台可以运行多种应用,使得消费者可以从同一终端享用来自不同厂商的多种服务,诸如支付或ID。这不仅能够有效降低风险和成本,更能帮助客户获取更多应用,进一步丰富Java Card的特性。

甲骨文公司与中国银联的合作,将为现有持有Java Card许可证的客户和潜在的客户增强信心,促进其开发和利用基于Java Card的应用。甲骨文公司将在中国银行系统中为Java Card平台的开发与测试提供支持,与此同时,甲骨文公司将与中国银联一起为Java Card提供技术和服务支持,以满足国内企业与银行的需求。

中国银联技术管理部总经理徐燕军表示:“金融IC卡作为新型的电子支付工具,是银行卡安全和服务升级的重要载体。银联联合银行等相关各方,在发卡、受理和行业应用等各方面积极加大推进力度,取得了显著成效。越来越多持卡人享受到了金融IC卡更安全、更便捷的支付服务。Java Card作为比较通用的技术,相信将为金融IC卡加速推广提供良好的支持。”

甲骨文公司全球联盟与渠道事业部Java销售副总裁Geoffrey A. Morton表示:“我们很荣幸能够与中国银联签署合作备忘录,成为中国银联的合作伙伴并为其提供全面的技术和业务支持。作为业界领先的IT解决方案提供商,我们确保Java Card不仅可以为小型卡片市场提供最安全的技术,而且还保留着许多Java编程优势。此外,我们也十分期待在未来能够与中国银联以及中国当地厂商合作,以提供更好的经中国银联认证的产品,并促进Java Card在中国的普及。”

分享至
0赞

好文章,需要你的鼓励

推荐文章
  • 奖励设计:让AI学会智能使用工具的关键
    2025-04-23 17:39

    奖励设计:让AI学会智能使用工具的关键

    想象一下,你有一个非常聪明的朋友,他知道很多知识,但每当需要使用计算器、搜索引擎或查询最新天气时,却变得像个笨手笨脚的孩子。这正是当前大语言模型(简称LLMs,如ChatGPT这类AI系统)面临的尴尬处境。

  • ToolRL:奖励设计是工具学习所需的全部
    2025-04-23 17:34

    ToolRL:奖励设计是工具学习所需的全部

    想象一下,你拥有一个聪明的助手,它知道很多知识,但在面对需要使用计算器、搜索引擎或查询最新信息时却显得笨手笨脚。这正是当前大语言模型(LLMs)面临的困境。虽然这些模型已经通过监督微调(SFT)学会了使用工具的基本能力,但它们常常在面对复杂或不熟悉的场景时表现不佳。

  • X-Teaming:使用自适应多智能体进行多轮越狱攻击和防御
    2025-04-23 14:08

    X-Teaming:使用自适应多智能体进行多轮越狱攻击和防御

    想象你正在和一个智能助手聊天。如果你直接要求它提供有害信息,它很可能会礼貌拒绝。但如果你通过一系列看似无害的对话,逐步引导它走向你的真实目标呢?这就是当前AI安全领域面临的一个严峻挑战——多轮对话中的安全漏洞。

  • "思考操纵":用外部思考让大型推理模型更高效
    2025-04-22 16:43

    "思考操纵":用外部思考让大型推理模型更高效

    想象你在使用一个非常聪明的AI助手完成一项复杂任务,比如解决一道数学难题。你可能注意到这个助手会花很长时间"思考",一步一步写下大量推理过程,最后才给出答案。虽然这种详细的思考过程确实帮助AI做出了更准确的判断,但同时也带来了一个明显的问题:它太"啰嗦"了,消耗了大量的计算资源和时间。

----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.-