123,123

數(shù)據(jù)分級分類授權(quán)確權(quán)的空間治理之道——基于國內(nèi)外數(shù)據(jù)管理實踐展開[其他][其他]

國家數(shù)據(jù)整體授權(quán)下數(shù)據(jù)確權(quán)的困境包括規(guī)范主義、價值主義和實證主義的困境。公共治理是解決這一問題的理論源泉?？梢栽跀?shù)據(jù)產(chǎn)權(quán)連接沖突中找到平衡，也可以在數(shù)據(jù)法律行為連接沖突中找到平衡。通過空間治理，可以實現(xiàn)數(shù)據(jù)資源的合理利用，保護個人數(shù)據(jù)權(quán)益，創(chuàng)新治理形態(tài)在數(shù)據(jù)領(lǐng)域的新發(fā)展。在國家數(shù)據(jù)可信空間治理實踐中，提出一種數(shù)據(jù)公共治理之道：包括從私益到公益層面的定價機制，數(shù)據(jù)分類清單、數(shù)據(jù)分級標準和安全控制措施的創(chuàng)建，以及規(guī)范行為準則的建立和公主體利他行為規(guī)范的擴展。

發(fā)表于：4/27/2025 4:44:29 PM

基于數(shù)據(jù)中臺的地理信息要素融合治理的構(gòu)想與實踐[其他][數(shù)據(jù)中心]

隨著技術(shù)的發(fā)展，測繪地理信息已經(jīng)從傳統(tǒng)的數(shù)據(jù)資源轉(zhuǎn)變?yōu)閿?shù)據(jù)要素，其在各類數(shù)據(jù)之間發(fā)揮著“紐帶”作用，對于數(shù)據(jù)治理尤為重要。面向地理信息要素，分析其特點與問題，針對其難以匯聚管理且應用質(zhì)效低的情況，基于數(shù)據(jù)中臺的理念與思想，設(shè)計地理信息要素面向數(shù)據(jù)中臺融合治理的體系架構(gòu)，提出全流程的實踐方法，并針對其中的數(shù)據(jù)融合、要素實體化兩個關(guān)鍵步驟的流程與方法進行闡述。地理信息要素的有效融合與治理，對于構(gòu)建數(shù)字中國、推動經(jīng)濟社會高質(zhì)量發(fā)展具有重要作用。

發(fā)表于：4/27/2025 4:28:36 PM

應用于相機標定的亞像素棋盤角點檢測[人工智能][消費電子]

在相機標定過程中，棋盤角點檢測精度對于確保標定結(jié)果的準確性至關(guān)重要。針對當前棋盤角點檢測方法在精度方面的不足，提出一種新型的亞像素級棋盤角點檢測技術(shù)。首先，采用U-Net卷積神經(jīng)網(wǎng)絡(luò)作為主干網(wǎng)絡(luò)，根據(jù)相機捕獲的棋盤圖像構(gòu)建角點熱圖。此外，為了縮小編碼器特征和解碼器特征之間的語義差距，創(chuàng)新性地引入了通道和空間雙交叉注意模塊。接著，通過高斯曲面擬合方法，計算出精確的亞像素棋盤角點坐標。實驗結(jié)果表明，該方法能夠有效提高角點檢測的精度，并在相機標定任務中實現(xiàn)了更低的重投影誤差。

發(fā)表于：4/27/2025 4:15:27 PM

生成式人工智能時代信息生態(tài)秩序的失衡風險與治理方案[人工智能][信息安全]

生成式人工智能驅(qū)動了人工智能生成內(nèi)容時代的到來，變革了信息生成和傳播的機制。在變革過程中，信息生態(tài)秩序的失衡風險也隨之產(chǎn)生。受到語料庫、模型目標設(shè)定、模型微調(diào)中相關(guān)主體價值觀念等內(nèi)外因素影響，生成式人工智能存在輸出和傳播虛構(gòu)信息、錯誤信息、誤導性信息的問題，會對現(xiàn)有信息生態(tài)的有序性、真實性、可信性產(chǎn)生影響。為應對失衡風險，應在包容審慎、動態(tài)敏捷的柔性治理理念指引下，調(diào)動政府部門、運營管理主體、產(chǎn)品使用者等多元主體共同參與風險治理；針對模型訓練、服務嵌入、內(nèi)容生成、內(nèi)容發(fā)布、信息傳播等具體階段和場景展開分層分類精細治理；綜合采取法律規(guī)制、倫理規(guī)制、行業(yè)自律、技術(shù)規(guī)制等多種治理方案展開立體化治理。

發(fā)表于：4/27/2025 3:59:26 PM

海量數(shù)據(jù)下的網(wǎng)絡(luò)安全智能檢測技術(shù)研究[通信與網(wǎng)絡(luò)][通信網(wǎng)絡(luò)]

系統(tǒng)遷移上云、海量數(shù)據(jù)積累、智能技術(shù)應用等發(fā)展趨勢給網(wǎng)絡(luò)安全，特別是智能檢測領(lǐng)域帶來了諸多機遇和挑戰(zhàn)?；诰W(wǎng)絡(luò)安全智能檢測和隱蔽通信技術(shù)研究現(xiàn)狀，從海量數(shù)據(jù)下的網(wǎng)絡(luò)安全智能檢測視角，提出了從數(shù)據(jù)采集到數(shù)據(jù)應用的五層框架和特征統(tǒng)計度量、分類模型算法等關(guān)鍵技術(shù)。在對網(wǎng)絡(luò)隱蔽通信檢測技術(shù)進行研究論述和討論分析后，提出通過特征統(tǒng)計指標來評估數(shù)據(jù)流間的規(guī)律性、擬合度及相關(guān)性，設(shè)計了基于支持向量機（Support Vector Machine，SVM）的分類模型，并以分類特征向量為輸入訓練SVM分類器，實現(xiàn)對隱蔽通信的智能檢測。

發(fā)表于：4/27/2025 3:50:25 PM

聯(lián)邦學習中基于NMSS和LoRA的魯棒防御機制研究[通信與網(wǎng)絡(luò)][信息安全]

針對聯(lián)邦學習中隱私泄露、數(shù)據(jù)投毒和模型篡改等安全威脅，構(gòu)建了一種融合不可篡改秘密共享與低秩適應技術(shù)的防御架構(gòu)。該方案采用三服務器門限驗證機制與零知識證明技術(shù)，確保參數(shù)分片在傳輸和恢復過程中的安全性；同時，利用低秩約束與動態(tài)權(quán)重聚合算法，有效限制惡意攻擊干擾并降低通信開銷。在CIFAR-10和mini-ImageNet等數(shù)據(jù)集上的實驗充分驗證了該方法在提高防御準確率、降低模型誤差和提升系統(tǒng)魯棒性方面的顯著優(yōu)勢，證明了方案在大規(guī)模場景下的實用性和可擴展性。結(jié)論表明，該架構(gòu)為聯(lián)邦學習環(huán)境下安全防護提供了一種高效、可行的技術(shù)路徑。

發(fā)表于：4/27/2025 3:37:00 PM

UEFI固件Double-fetch條件競爭漏洞模糊測試技術(shù)研究[通信與網(wǎng)絡(luò)][信息安全]

基于統(tǒng)一可擴展固件接口(Unified Extensible Firmware Interface, UEFI)標準實現(xiàn)的固件已廣泛應用于個人計算機、云服務器以及網(wǎng)絡(luò)設(shè)備, UEFI固件服務漏洞會引發(fā)嚴重安全威脅，模糊測試是檢測漏洞的主要手段。然而，受限于傳統(tǒng)內(nèi)存類漏洞機理，當前UEFI固件模糊測試方法無法檢測諸如UEFI固件Double-fetch條件競爭漏洞等特殊類型漏洞。提出了Double-fetch信息引導的UEFI固件服務模糊測試方法,并實現(xiàn)了原型系統(tǒng)UEFIDFFuzzer，通過對來自英特爾廠商的114個UEFI固件服務驅(qū)動進行測試, UEFIDFFuzzer發(fā)現(xiàn)了兩個現(xiàn)有UEFI模糊測試工具RSFuzzer以及靜態(tài)分析工具efiXplorer沒有發(fā)現(xiàn)的UEFI固件Double-fetch零日漏洞。

發(fā)表于：4/27/2025 3:25:23 PM

兩階段物聯(lián)網(wǎng)資產(chǎn)識別模型的研究[通信與網(wǎng)絡(luò)][物聯(lián)網(wǎng)]

提出了一種兩階段的物聯(lián)網(wǎng)資產(chǎn)識別模型。首先，對異構(gòu)協(xié)議進行分析，解決多樣化協(xié)議流量特征提取困難問題。其次，利用輕量級模型SqueezeNet過濾非物聯(lián)網(wǎng)設(shè)備，提高識別效率并降低計算負擔。為進一步解決數(shù)據(jù)不均衡問題，引入生成對抗網(wǎng)絡(luò)（GAN）生成合成樣本數(shù)據(jù)，平衡數(shù)據(jù)分布。最后，采用 XLNet與注意力機制結(jié)合的模型來識別物聯(lián)網(wǎng)設(shè)備的類型，有效提升了模型在大規(guī)模物聯(lián)網(wǎng)網(wǎng)絡(luò)環(huán)境中的識別精度和效率。實驗結(jié)果表明，模型在公開數(shù)據(jù)集上的準確率達到99.48%，召回率提升2.02%，F(xiàn)1分數(shù)提高1.85%，并在真實環(huán)境中保持99.01%的準確率。該模型為物聯(lián)網(wǎng)資產(chǎn)管理和安全管理提供了有效的解決方案。

發(fā)表于：4/27/2025 3:12:22 PM

面向跨域聯(lián)合信息共享的網(wǎng)絡(luò)空間測繪數(shù)據(jù)體系框架設(shè)計與工程實踐方法[通信與網(wǎng)絡(luò)][其他]

面向政府、軍事、金融等各行業(yè)開展跨領(lǐng)域、跨系統(tǒng)聯(lián)合信息共享、業(yè)務協(xié)同的迫切需要，從國內(nèi)外數(shù)據(jù)體系戰(zhàn)略性演進發(fā)展路徑、架構(gòu)變化以及存算技術(shù)發(fā)展入手，借鑒數(shù)據(jù)網(wǎng)格、數(shù)據(jù)管道等理念，提出具有“自治透明、虛擬集成”特點的現(xiàn)代化數(shù)據(jù)體系框架，并從數(shù)據(jù)統(tǒng)籌、平臺建設(shè)、數(shù)據(jù)治理三個方面提出工程化實施落地方法，包括5維統(tǒng)一話語體系基準、8大平臺創(chuàng)新功能、“8+8”治理框架、“五階十二步”治理流程、2個典型計算治理策略設(shè)置場景等，為建立以“數(shù)據(jù)”為內(nèi)生驅(qū)動力的領(lǐng)域網(wǎng)絡(luò)信息體系提供頂層框架與建設(shè)實施參考，支持網(wǎng)絡(luò)空間測繪數(shù)據(jù)的有序融合、價值涌現(xiàn)。

發(fā)表于：4/27/2025 3:02:22 PM

基于特征點提取和PCA的改進ICP點云配準方法[通信與網(wǎng)絡(luò)][通信網(wǎng)絡(luò)]

傳統(tǒng)迭代最近點（Iterative Closest Point， ICP）方法進行點云配準時存在實時性差、易陷入局部極值且配準精度低等問題。提出一種基于特征點提取、主成分分析（Principal Component Analysis， PCA）粗配準和ICP精配準的三步點云配準方法。首先定義點云數(shù)據(jù)局部密度概念，并自動選擇局部密度較大的點作為特征點，然后利用PCA對提取的特征點進行分析，根據(jù)PCA主分量方向計算配準所需平移和旋轉(zhuǎn)參數(shù)。最后利用ICP對數(shù)據(jù)進行精配準。試驗結(jié)果表明，所提方法相對于對比方法的配準精度提升超過13.4%，實時性提升超過38.2%，并且在低信噪比條件下表現(xiàn)出了更高的適應性，具有較高的應用前景。

發(fā)表于：4/22/2025 3:19:28 PM