日本不卡不码高清视频,日韩人妻无码精品一专区

負責任的發(fā)展生成式人工智能的挑戰(zhàn)及應對路徑[人工智能][其他]

生成式人工智能正推動著新一輪科技產業(yè)的變革，但也引發(fā)了諸多治理風險，例如數據濫用、訓練數據質量不高，算法黑箱、算法歧視現象普遍，但目前的監(jiān)管理念和措施仍具有滯后性。為了實現生成式人工智能負責任的發(fā)展，在治理路徑上，需要用戶、開發(fā)者和監(jiān)管部門等多元主體從技術和法律等多維度協同參與治理，構建數據質量管理體系、建立開放共享的公共訓練數據平臺；實行算法備案登記、審查評估機制，實現對算法公平公正的敏捷治理；完善生成式人工智能侵權歸責體系、探索監(jiān)管沙盒制度的應用，實現技術創(chuàng)新的負責任發(fā)展。

發(fā)表于：7/29/2024 4:57:00 PM

數字經濟下平臺數據壟斷合規(guī)的理據與路徑[其他][其他]

數據要素的非競爭性、非排他性因平臺壟斷意圖逐漸異化，并誘發(fā)算法共謀、大數據殺熟、平臺扼殺式并購等反競爭行為?；诰S護數據市場交易秩序的現實需要、競爭倡導理論的法理支撐以及域外數據合規(guī)監(jiān)管的經驗參考，平臺數據壟斷合規(guī)具有適用的可行性與必要性。然而，平臺數據壟斷合規(guī)往往因頂層規(guī)范缺失、規(guī)則模糊以及監(jiān)管機制弱化等無法實現預期效果。對此，應細化“數據反壟斷合規(guī)指南”的設計邏輯指引合規(guī)，區(qū)分不同類型數據權屬以明確數據流通規(guī)則，依據數據流通的不同環(huán)節(jié)形塑數據競爭合規(guī)評價標準，銜接事前監(jiān)管與事后監(jiān)管理念促進監(jiān)管理念革新，并依托人工智能算法技術賦能監(jiān)管方式轉型。

發(fā)表于：7/29/2024 4:41:00 PM

基于條件設置的主數據編碼規(guī)則應用與研究[其他][其他]

在主數據的標準化建設過程中，往往面臨著諸如一物多碼，一碼多物等數據編碼不一致問題。主數據編碼標準定義了主數據的分類和編碼規(guī)則，是進行信息交換和資源共享的重要前提。然而，在企業(yè)正式構建主數據管理平臺之前，往往就已經存在了大量的業(yè)務系統，這些系統通常由不同的廠家構建，采用的數據標準不一，不同系統之間缺乏銜接點。針對上述問題，提出一種基于條件設置的主數據編碼規(guī)則配置方法，對主數據模型的編碼規(guī)則進行統一管理，解決了復雜業(yè)務場景下同一個主數據模型屬性需要配置不同的編碼規(guī)則問題。最后使用 Spring Security 和 MyBatis 框架，對該方法進行實現。通過在南京地鐵主數據管理平臺中的實際應用，結果表明該方法合理可行，有效地提高了數據治理的性能。

發(fā)表于：7/29/2024 4:28:00 PM

基于Word2Vec和LDA主題模型的中國省級五年規(guī)劃“文化政策”文本研究[其他][其他]

運用Word2Vec和LDA相結合的主題模型分析技術，對我國31個省份三個時期五年規(guī)劃文本中文化政策部分進行主題識別，從時間和空間兩個維度進行“文化政策”主題挖掘和演化分析。研究發(fā)現，“文化政策”主題在發(fā)展趨勢、重點轉移、政策導向、技術應用等方面隨時間推移呈現不同演化趨勢；四大區(qū)域受經濟發(fā)展水平、文化資源稟賦、政策導向影響，在企業(yè)角色強調程度、地區(qū)特色旅游發(fā)展以及國家級項目和競爭力方面存在地域差異。

發(fā)表于：7/29/2024 4:13:00 PM

俄羅斯人工智能監(jiān)管政策分析：框架、特征及啟示[人工智能][信息安全]

ChatGPT、Sora等大模型的出現，再次凸顯人工智能技術進步對經濟、文化等領域的深遠影響，與此同時，其所帶來的安全風險問題更令人擔憂，全球主要國家和地區(qū)也均將人工智能監(jiān)管問題納入國家安全總體戰(zhàn)略。以俄羅斯人工智能監(jiān)管政策為研究對象，對近年來俄羅斯人工智能監(jiān)管現狀進行分析，在此基礎上以第123-FZ號聯邦法與第258-FZ號聯邦法為核心構建人工智能監(jiān)管框架，并總結其監(jiān)管特征。研究結果表明俄羅斯對于人工智能監(jiān)管已形成以主體層、機構層、制度層為基礎的監(jiān)管框架；俄羅斯人工智能統籌自我監(jiān)管和共同監(jiān)管協同作用，以刺激作為監(jiān)管的基礎，積極推進多行業(yè)監(jiān)管；隨著ChatGPT、Sora等應用的涌現，俄羅斯對于人工智能的監(jiān)管框架正在不斷完善。

發(fā)表于：7/29/2024 3:57:00 PM

基于Boosting集成學習的風險URL檢測研究[通信與網絡][信息安全]

隨著互聯網的不斷發(fā)展，網站數量不斷增長，URL作為訪問網站的唯一入口，成為Web攻擊的重點對象。傳統的URL檢測方式主要是針對惡意URL，主要方法是基于特征值和黑白名單，容易產生漏報，且對于復雜URL的檢測能力不足。為解決上述問題，基于集成學習中的Boosting思想，提出一種針對業(yè)務訪問的風險URL檢測的混合模型。該模型前期將URL作為字符串，使用自然語言處理技術對其進行分詞及向量化，然后采用分步建模法的思想，首先利用GBDT算法構建二分類模型，判斷URL是否存在風險，接著將風險URL原始字符串輸入到多分類模型中，利用XGBoost算法對其進行多分類判定，明確風險URL的具體風險類型，為安全分析人員提供參考。在模型構建過程中不斷進行參數調優(yōu)，并采用AUC值和F1值分別對二分類模型和多分類模型進行評估，評估結果顯示二分類模型的AUC值為98.91%，多分類模型的F1值為0.993，效果較好。將其應用到實際環(huán)境中，與現有檢測手段進行對比，發(fā)現模型的檢出率高于現有WAF和APT安全設備，其檢測結果彌補了現有檢測手段的漏報。

發(fā)表于：7/29/2024 3:40:00 PM

基于交易時間衰減的以太坊惡意地址檢測方法[通信與網絡][信息安全]

提出Trans-TAN模型，用于以太坊上的交易流向圖中關聯惡意地址的檢測任務，模型改進基于Transformer模型的自注意力機制，根據以太坊地址的交易特點并受到牛頓冷卻定理的啟發(fā)，引入隨時間交易的時間間隔衰減因素，同時融合以太坊地址間的相似度因素和交易金額因素?；谝陨先矫?，通過牛頓冷卻定理的常微分方程解形式構建的地址關聯矩陣，從而改進原有的自注意力矩陣。實驗證明，Trans-TAN模型能夠有效捕捉以太坊交易流向圖過程中惡意節(jié)點地址的特征，在測試集中精準率 (Precision)、召回率(Recall)和F1指標優(yōu)于傳統的檢測模型。

發(fā)表于：7/29/2024 3:26:00 PM

一種基于DNS的零信任增強認證系統設計[通信與網絡][信息安全]

針對當前大量HTTPS應用復用證書存在安全風險問題，借鑒了零信任模型中安全策略動態(tài)授權的思路，提出了一種基于現有互聯網基礎設施DNS來擴展增強認證功能的方案，通過在現有DNS權威服務器上額外配置增強的認證信息來對HTTPS訪問請求進行動態(tài)認證，從而能實時驗證當前HTTPS證書的安全狀態(tài)。該方案通過可信易得的DNS基礎設施解決了當前普遍存在的HTTPS證書復用帶來的安全問題，是一種靈活高效并且可擴展的零信任安全增強認證架構。

發(fā)表于：7/29/2024 3:12:00 PM

基于生成對抗網絡的工控協議模糊測試研究[通信與網絡][數據中心]

傳統模糊測試依賴專家經驗和協議規(guī)范，基于神經網絡的方法受限于訓練數據質量和模型結構，面對不同的ICPs(Industrial Control Protocols)有效性差，缺乏通用有效的模糊測試方法。針對上述問題，提出一種基于WGAN-GP(Wasserstein Generative Adversarial Network with Gradient Penalty)的ICP模糊測試方法，結合統計語言模型N-gram修正訓練結果，并構建了面向多種ICPs的通用模糊測試框架GPFuzz。在油氣集輸全流程工業(yè)攻防靶場中對3種常見工控協議(Modbus/TCP，Ethernet/IP，S7comm)進行實驗，結果表明該框架生成的測試用例具有多樣性，在接受率和異常觸發(fā)指標上優(yōu)于其他模糊測試方法，為ICS提供一種高效、通用的安全性評估方法，提升系統整體的安全性。

發(fā)表于：7/29/2024 3:00:00 PM

云化工業(yè)軟件安全風險與應對策略研究[通信與網絡][信息安全]

隨著云計算技術的快速發(fā)展，云化工業(yè)軟件已成為推動制造業(yè)數字化轉型的關鍵驅動力，但也面臨越來越復雜的安全風險挑戰(zhàn)，并已受到廣泛重視。云化工業(yè)軟件的安全風險主要來自技術層面、信息通信層面、業(yè)務管理層面和外部約束層面，具體包括技術與架構、網絡與訪問控制、人員與流程及法律與合規(guī)性四個方面。在對安全風險進行分析的基礎上，提出在云化工業(yè)軟件全生命周期管理中引入內生安全方法的應對策略，以確保系統的穩(wěn)定運行和數據的安全可靠。同時，研究論述了云化工業(yè)軟件內生安全管理體系的建設要點和主要特征，為云化工業(yè)軟件的安全風險管理提供了具體路徑。

發(fā)表于：7/29/2024 2:50:00 PM