亚洲国产精品久久电影欧美,国产精品欧美一区二区三区不卡 ,Xx性欧美肥妇精品久久久久久

生成式人工智能對個人信息保護(hù)的挑戰(zhàn)與治理路徑

以ChatGPT為代表的生成式人工智能技術(shù)給各行各業(yè)帶來顛覆性變革，但也引發(fā)個人信息泄露、算法偏見、虛假信息傳播等個人信息侵權(quán)危機(jī)。傳統(tǒng)“基于權(quán)利保護(hù)”的路徑過于強(qiáng)調(diào)個人信息保護(hù)而阻礙人工智能產(chǎn)業(yè)的發(fā)展，“基于風(fēng)險防范”的路徑則更加凸顯個人信息的合理利用價值，價值選擇上更優(yōu)。但以權(quán)利保護(hù)和風(fēng)險保護(hù)共同治理，才能實(shí)現(xiàn)利益平衡并建立個人信息的長效保護(hù)機(jī)制。在個人信息處理規(guī)則上，以“弱同意”規(guī)則取代僵化嚴(yán)苛的知情同意規(guī)則；在目的限制原則上，以“風(fēng)險限定”取代“目的限定”；在個人信息最小化原則上，以“風(fēng)險最小化”取代“目的最小化”。在此基礎(chǔ)上，進(jìn)一步加強(qiáng)生成式人工智能數(shù)據(jù)來源合規(guī)監(jiān)管，提升算法透明性和可解釋性，強(qiáng)化科技倫理規(guī)范和侵權(quán)責(zé)任追究。

發(fā)表于：5/7/2024

復(fù)雜背景下小尺寸多角度人臉檢測方法研究

為了提升復(fù)雜背景下小尺寸人臉檢測精度，提出了一種人臉檢測方法GhostNet-MTCNN。在多任務(wù)級聯(lián)卷積神經(jīng)網(wǎng)絡(luò)（MTCNN）主干網(wǎng)絡(luò)上，將占用計算資源的普通卷積進(jìn)行舍棄，利用GhostNet網(wǎng)絡(luò)中計算量更低的Ghost bottleneck模組替代卷積的作用，重新構(gòu)建網(wǎng)絡(luò)特征提取功能，從而搭建一個新的模型。實(shí)驗(yàn)結(jié)果表明，該方法可以有效平衡參數(shù)量和精度。在Easy、Medium、Hard三種驗(yàn)證集上，與MTCNN相比在參數(shù)量僅增加0.62M的前提下精度分別提升了 5.6%、6.6%、7.8%，與MobileNetV3-MTCNN相比在參數(shù)量減少1.27M的同時精度又分別提升了1.6%、0.8%、0.5%。該研究能夠在復(fù)雜場景下提高模型對小尺寸、多角度人臉檢測精度，同時也能夠有效平衡參數(shù)量和檢測精度使其成為在邊緣設(shè)備部署中更優(yōu)的選擇。

發(fā)表于：5/7/2024

結(jié)合批規(guī)范化層的深度學(xué)習(xí)模型在水中目標(biāo)識別中的應(yīng)用

針對深度學(xué)習(xí)模型在訓(xùn)練水聲樣本數(shù)據(jù)時會出現(xiàn)穩(wěn)定性差進(jìn)而導(dǎo)致分類識別效果不佳的問題，從網(wǎng)絡(luò)的局部連接、空間位置排列以及模型設(shè)計的角度出發(fā)，研究在原有一維序列卷積核與一維序列池化的基礎(chǔ)上，引入批規(guī)范化層，構(gòu)建了深度學(xué)習(xí)網(wǎng)絡(luò)模型。通過歸一化處理，達(dá)到加速網(wǎng)絡(luò)模型的收斂過程以及提高訓(xùn)練過程中的穩(wěn)定性的目的。最終為驗(yàn)證該模型的有效性，對3類水聲目標(biāo)樣本數(shù)據(jù)進(jìn)行網(wǎng)絡(luò)訓(xùn)練和模型驗(yàn)證，證明該模型對水聲目標(biāo)數(shù)據(jù)分類識別有一定程度的性能提升。

發(fā)表于：5/7/2024

基于邊端協(xié)作的分布式數(shù)據(jù)分級管理技術(shù)

隨著智能應(yīng)用在嵌入式裝備系統(tǒng)中的不斷普及與發(fā)展，對大數(shù)據(jù)的有效利用和深度融合提出了更高的要求。然而，嵌入式裝備類型多樣、大數(shù)據(jù)多源異構(gòu)，由于缺乏統(tǒng)一的組織管理，業(yè)務(wù)應(yīng)用間存在數(shù)據(jù)壁壘，并出現(xiàn)了數(shù)據(jù)孤島現(xiàn)象，導(dǎo)致大數(shù)據(jù)利用與開發(fā)困難。因此，在嵌入式裝備系統(tǒng)中，如何有效組織管理數(shù)據(jù)是亟待解決的難點(diǎn)。為此，以嵌入式裝備系統(tǒng)的數(shù)據(jù)統(tǒng)一管理和共享利用為導(dǎo)向，基于邊側(cè)與端側(cè)協(xié)作技術(shù)，從數(shù)據(jù)管理架構(gòu)、數(shù)據(jù)分級協(xié)同管理方案、數(shù)據(jù)請求調(diào)度策略三個方面，探討了嵌入式裝備系統(tǒng)中分布式數(shù)據(jù)協(xié)作管理技術(shù)的可行性，以促進(jìn)數(shù)據(jù)到信息、信息到知識、知識到?jīng)Q策的快速轉(zhuǎn)化，同時，通過管與用的緊密結(jié)合，推動嵌入式裝備系統(tǒng)中數(shù)據(jù)應(yīng)用的開發(fā)。

發(fā)表于：5/7/2024

數(shù)字生態(tài)建設(shè)的數(shù)網(wǎng)業(yè)安全一體化融合研究

數(shù)字生態(tài)建設(shè)推進(jìn)生態(tài)環(huán)境監(jiān)測業(yè)務(wù)創(chuàng)新，也同樣導(dǎo)致網(wǎng)絡(luò)安全威脅面擴(kuò)大、數(shù)據(jù)安全風(fēng)險態(tài)勢加劇。針對生態(tài)環(huán)境數(shù)字化轉(zhuǎn)型的新環(huán)境，將網(wǎng)絡(luò)安全場景化防護(hù)與生態(tài)數(shù)據(jù)生命周期的安全管控深度融合，引入基于零信任機(jī)制的應(yīng)用接入與訪問控制技術(shù)、網(wǎng)絡(luò)數(shù)字化重構(gòu)以及大數(shù)據(jù)AI分析等技術(shù)，創(chuàng)新性開展生態(tài)環(huán)境數(shù)據(jù)分類分級建設(shè)，對包括衍生數(shù)據(jù)在內(nèi)的生態(tài)數(shù)據(jù)實(shí)施分類施策、分級管控，深化網(wǎng)絡(luò)安全與數(shù)字化建設(shè)協(xié)同運(yùn)營，實(shí)現(xiàn)數(shù)字生態(tài)監(jiān)測體系安全穩(wěn)定運(yùn)行，提升數(shù)字生態(tài)的社會化供給能力。

發(fā)表于：5/7/2024

基于BERT-LSTM模型的WebShell文件檢測研究

針對基于傳統(tǒng)規(guī)則的WebShell文件檢測難度大，采用文本分類的思想，設(shè)計了一種基于BERT-LSTM模型的WebShell檢測方法。首先，對現(xiàn)有公開的正常PHP文件和惡意PHP文件進(jìn)行清洗編譯，得到指令opcode碼；然后，通過變換器的雙向編碼器表示技術(shù)（BERT）將操作碼轉(zhuǎn)換為特征向量；最后結(jié)合長短期記憶網(wǎng)絡(luò)（LSTM）從文本序列角度檢測特征建立分類模型。實(shí)驗(yàn)結(jié)果表明，該檢測模型的準(zhǔn)確率為98.95%，召回率為99.45%，F(xiàn)1值為99.09%，相比于其他模型檢測效果更好。

發(fā)表于：5/7/2024

基于SPARTA框架的HAS4決賽攻擊路徑分析

太空網(wǎng)絡(luò)面臨的安全威脅越來越多，美國自2020年起，連續(xù)四年舉辦黑掉衛(wèi)星(Hack-A-Sat，HAS)挑戰(zhàn)賽，并發(fā)射真實(shí)衛(wèi)星“月光者”用于HAS比賽。太空攻擊研究與戰(zhàn)術(shù)分析框架SPARTA是針對太空網(wǎng)絡(luò)安全的對抗戰(zhàn)術(shù)和技術(shù)知識庫。借助SPARTA框架，詳細(xì)分析了第四屆HAS決賽中攻擊使用的戰(zhàn)術(shù)技術(shù)，對于深入理解SPARTA框架、太空網(wǎng)絡(luò)安全具有一定借鑒意義。

發(fā)表于：5/7/2024

分布式新型儲能場景下電力系統(tǒng)網(wǎng)絡(luò)安全防護(hù)體系研究

分布式儲能系統(tǒng)結(jié)構(gòu)繁雜，設(shè)備數(shù)量規(guī)模龐大。闡述了分布式新型儲能應(yīng)用場景下電力系統(tǒng)可能面臨的設(shè)備、網(wǎng)絡(luò)、數(shù)據(jù)安全與隱私保護(hù)、供應(yīng)鏈等方面的網(wǎng)絡(luò)安全風(fēng)險，并對其信息安全威脅以及信息安全需求進(jìn)行分析，最后針對不同的網(wǎng)絡(luò)安全風(fēng)險提出相應(yīng)的應(yīng)對建議并給出新型儲能電力系統(tǒng)網(wǎng)絡(luò)建設(shè)方案，結(jié)合區(qū)塊鏈技術(shù)保障新型儲能系統(tǒng)的數(shù)據(jù)安全。

發(fā)表于：5/7/2024

基于貝葉斯攻擊圖的油氣生產(chǎn)物聯(lián)網(wǎng)系統(tǒng)風(fēng)險評估

針對油氣生產(chǎn)物聯(lián)網(wǎng)系統(tǒng)動態(tài)風(fēng)險評估問題，提出一種基于貝葉斯攻擊圖的油氣生產(chǎn)物聯(lián)網(wǎng)系統(tǒng)風(fēng)險評估模型。首先通過對系統(tǒng)進(jìn)行風(fēng)險分析，得到入侵證據(jù)及系統(tǒng)漏洞，結(jié)合入侵證據(jù)和漏洞利用成功概率，采用EM算法對訓(xùn)練數(shù)據(jù)進(jìn)行數(shù)據(jù)補(bǔ)全并動態(tài)更新貝葉斯攻擊圖的條件概率參數(shù)表，通過條件概率表可計算得出先驗(yàn)概率，結(jié)合入侵證據(jù)計算得到節(jié)點(diǎn)的后驗(yàn)概率，進(jìn)而得到系統(tǒng)的風(fēng)險值，考慮資源利用的相關(guān)性對風(fēng)險值進(jìn)行最終修正。仿真結(jié)果分析證明了該模型的有效性和準(zhǔn)確性。

發(fā)表于：5/7/2024

推動工業(yè)數(shù)據(jù)產(chǎn)權(quán)登記助力工業(yè)數(shù)據(jù)要素資產(chǎn)化

日前，由中國計算機(jī)學(xué)會（CCF）主辦的“2024中國數(shù)字經(jīng)濟(jì)產(chǎn)業(yè)發(fā)展大會”在蘇州成功舉行,本次大會旨在加快發(fā)展數(shù)字經(jīng)濟(jì)，促進(jìn)數(shù)字經(jīng)濟(jì)和實(shí)體經(jīng)濟(jì)深度融合，探索加快產(chǎn)業(yè)數(shù)字化轉(zhuǎn)型路徑。工業(yè)是國民經(jīng)濟(jì)的支柱產(chǎn)業(yè)，國家數(shù)據(jù)局推動數(shù)據(jù)要素乘數(shù)效應(yīng)行動計劃，在12個典型行業(yè)和領(lǐng)域中，工業(yè)制造位列首位。在大會期間，中國工業(yè)互聯(lián)網(wǎng)研究院副總工程師田野接受本刊專訪，就工業(yè)數(shù)據(jù)治理及工業(yè)數(shù)據(jù)資產(chǎn)化相關(guān)問題進(jìn)行解讀。

發(fā)表于：5/7/2024

微軟發(fā)現(xiàn)嚴(yán)重安全漏洞：受影響安卓應(yīng)用安裝量超40億次！

發(fā)表于：5/6/2024

奇安信曝光安卓惡意軟件 Wpeeper

5 月 5 日消息，安全公司奇安信日前發(fā)布新聞稿，揭露了一款名為 Wpeeper 的安卓木馬，黑客將相關(guān)木馬隱藏在各種應(yīng)用中，并上傳至 Uptodown App Store 等第三方市場中，一旦不知情的用戶下載安裝，黑客便能夠在受害者的手機(jī)上遠(yuǎn)程執(zhí)行代碼。

發(fā)表于：5/6/2024

鎖定家用路由器發(fā)動攻擊，安全公司Lumen曝光惡意木馬 Cuttlefish

5 月 5 日消息，安全公司 Lumen 近日發(fā)布報告，揭露了一款專門針對家用路由器進(jìn)行攻擊的“Cuttlefish”木馬，該木馬據(jù)稱能夠從 LAN 網(wǎng)絡(luò)流量中挖掘用戶賬號密碼及各種身份信息。

發(fā)表于：5/6/2024

群光二度澄清：近期黑客攻擊中遭竊數(shù)據(jù)均來自已上市產(chǎn)品

群光二度澄清：近期黑客攻擊中遭竊數(shù)據(jù)均來自已上市產(chǎn)品，并非機(jī)密資料

發(fā)表于：4/30/2024

一種SSD主控芯片數(shù)據(jù)加解密模塊的設(shè)計與驗(yàn)證

為了增強(qiáng)固態(tài)硬盤（Solid State Disk， SSD）的數(shù)據(jù)安全，介紹了SSD主控芯片中一種滿足《安全芯片密碼檢測準(zhǔn)則》二級要求設(shè)計的數(shù)據(jù)SM4加解密模塊。另外，為了驗(yàn)證模塊設(shè)計的正確性，介紹了基于通用驗(yàn)證方法學(xué)（Universal Verification Methodology， UVM）設(shè)計的自動化驗(yàn)證平臺，以設(shè)計功能點(diǎn)和代碼覆蓋率為衡量指標(biāo)，數(shù)據(jù)加解密模塊被該驗(yàn)證平臺較充分地驗(yàn)證，最終達(dá)到片上系統(tǒng)（System on Chip， SoC）的流片交付標(biāo)準(zhǔn)。

發(fā)表于：4/29/2024