三維政策工具下我國(guó)公共數(shù)據(jù)授權(quán)運(yùn)營(yíng)政策研究[其他][其他]

公共數(shù)據(jù)授權(quán)運(yùn)營(yíng)能夠深化數(shù)據(jù)要素市場(chǎng)化配置改革、加快公共數(shù)據(jù)的開(kāi)發(fā)利用，挖掘公共數(shù)據(jù)的潛在價(jià)值能夠促進(jìn)數(shù)字經(jīng)濟(jì)的高質(zhì)量發(fā)展。通過(guò)分析當(dāng)前我國(guó)地方政府發(fā)布的公共數(shù)據(jù)授權(quán)運(yùn)營(yíng)政策文本，可為地方政府后續(xù)出臺(tái)相關(guān)政策提供參考。以政策工具理論為基礎(chǔ)構(gòu)建“政策工具-治理領(lǐng)域-政策影響力”的三維分析框架，并運(yùn)用NVivo14對(duì)2021~2025年地方政府出臺(tái)的37份公共數(shù)據(jù)授權(quán)運(yùn)營(yíng)政策文本進(jìn)行量化分析。研究發(fā)現(xiàn)，政策工具結(jié)構(gòu)失衡，環(huán)境型政策工具依賴程度高，需求型政策工具相對(duì)缺失，政策拉力不足；治理領(lǐng)域分布不均，較多關(guān)注經(jīng)濟(jì)領(lǐng)域，對(duì)政治、生態(tài)領(lǐng)域關(guān)注較少；政策影響力在我國(guó)存在梯度差距，即政策影響力呈現(xiàn)東部>中部>西部>東北的格局。基于此，該研究分別從政策工具、治理領(lǐng)域和政策影響力三個(gè)維度提出優(yōu)化對(duì)策。

發(fā)表于：7/18/2025 2:44:19 PM

無(wú)線無(wú)源遠(yuǎn)距離可重構(gòu)安全傳感終端設(shè)計(jì)[通信與網(wǎng)絡(luò)][信息安全]

為提高無(wú)源物聯(lián)網(wǎng)安全性能，常在傳感設(shè)備中加入加密算法。而傳統(tǒng)無(wú)源傳感終端的加密算法常采用偽隨機(jī)數(shù)實(shí)現(xiàn)，其具有極大的安全隱患，且現(xiàn)有產(chǎn)生真隨機(jī)數(shù)的方法需專用真隨機(jī)數(shù)產(chǎn)生電路，其開(kāi)銷大，不適用于無(wú)源傳感終端。同時(shí)，現(xiàn)有無(wú)源傳感終端的加密算法不能重構(gòu)，變換方式少，安全性很難進(jìn)一步提升。為此，設(shè)計(jì)了一種無(wú)線無(wú)源可重構(gòu)遠(yuǎn)距離安全傳感終端，其采用MCU實(shí)現(xiàn)標(biāo)準(zhǔn)RFID通信協(xié)議，代替專用RFID芯片，能根據(jù)各種應(yīng)用場(chǎng)景修改MCU代碼，從而實(shí)現(xiàn)傳感終端可重構(gòu)功能；基于射頻信號(hào)和ADC殘差的兼容型真隨機(jī)數(shù)發(fā)生器產(chǎn)生真隨機(jī)數(shù)，無(wú)需專用電路；采用增強(qiáng)型可重構(gòu)加密算法，結(jié)合真隨機(jī)數(shù)極大地提升了傳感終端安全性能，同時(shí)，采用多源能量收集電路架構(gòu)，提升了終端接收靈敏度，從而實(shí)現(xiàn)傳感終端的遠(yuǎn)距離通信功能。

發(fā)表于：7/17/2025 5:31:23 PM

基于深度學(xué)習(xí)的物聯(lián)網(wǎng)入侵檢測(cè)系統(tǒng)綜述[通信與網(wǎng)絡(luò)][信息安全]

物聯(lián)網(wǎng)中智能設(shè)備的互聯(lián)互通在推動(dòng)社會(huì)進(jìn)步的同時(shí)，也因設(shè)備異構(gòu)性、協(xié)議多樣性和資源受限性導(dǎo)致安全威脅日益復(fù)雜化。傳統(tǒng)入侵檢測(cè)系統(tǒng)依賴特征匹配和規(guī)則定義，在面對(duì)新型攻擊和動(dòng)態(tài)攻擊模式時(shí)表現(xiàn)出局限性。系統(tǒng)梳理了深度學(xué)習(xí)技術(shù)在物聯(lián)網(wǎng)入侵檢測(cè)系統(tǒng)中的應(yīng)用進(jìn)展，通過(guò)對(duì)比分析發(fā)現(xiàn)：基于深度學(xué)習(xí)的模型在檢測(cè)精度和實(shí)時(shí)性上優(yōu)于傳統(tǒng)方法，在處理空間特征、捕捉時(shí)序依賴等方面表現(xiàn)突出；無(wú)監(jiān)督學(xué)習(xí)和集成方法通過(guò)生成對(duì)抗樣本、融合多模型優(yōu)勢(shì)，有效提升了小樣本場(chǎng)景下的檢測(cè)魯棒性；當(dāng)前研究仍面臨數(shù)據(jù)標(biāo)注成本高、邊緣計(jì)算資源受限、動(dòng)態(tài)攻擊適應(yīng)性不足等挑戰(zhàn)。總結(jié)探討了未來(lái)研究應(yīng)聚焦輕量化、跨模態(tài)數(shù)據(jù)融合等方向，為構(gòu)建高效、自適應(yīng)的物聯(lián)網(wǎng)安全防護(hù)體系提供理論支撐。

發(fā)表于：7/17/2025 4:47:00 PM