97久久久国产精品爽,91亚洲精品一站,亚洲一级影片

Black Lotus Labs：TheMoon惡意軟件變種被發(fā)現(xiàn)

3 月 27 日消息，網(wǎng)絡(luò)安全公司 Black Lotus Labs 近日發(fā)布報(bào)告，近日追蹤發(fā)現(xiàn)了名為“TheMoon”的惡意軟件僵尸網(wǎng)絡(luò)變種，已經(jīng)感染了全球 88 個(gè)國家和地區(qū)的數(shù)千臺 SOHO 路由器和物聯(lián)網(wǎng)設(shè)備。

發(fā)表于：2024/3/27

簡化退化模型的真實(shí)圖像超分辨率網(wǎng)絡(luò)

圖像超分辨率任務(wù)常用雙三次下采樣以構(gòu)造數(shù)據(jù)集訓(xùn)練網(wǎng)絡(luò)，但雙三次下采樣由于退化模型固定，導(dǎo)致網(wǎng)絡(luò)泛化能力低，無法用于真實(shí)世界低分辨率圖像。為解決上述問題本文提出預(yù)處理模塊，通過預(yù)處理模塊與雙三次下采樣數(shù)據(jù)集得到的網(wǎng)絡(luò)相結(jié)合，在減少資源消耗的同時(shí)提高其泛化能力。此外，還針對不同的精度需求設(shè)計(jì)了特征學(xué)習(xí)訓(xùn)練策略和多任務(wù)聯(lián)調(diào)策略。通過根據(jù)不同需求采用相應(yīng)的訓(xùn)練策略，在滿足精度需求的同時(shí)具有消耗計(jì)算資源少、訓(xùn)練速度快以及適用范圍廣的特點(diǎn)。實(shí)驗(yàn)證明，增加預(yù)處理模塊的網(wǎng)絡(luò)以較少的模型參數(shù)增加量換取了重建效果和感知質(zhì)量方面的較大提升，并且通過不同策略實(shí)現(xiàn)了進(jìn)一步的精度提高。

發(fā)表于：2024/3/25

基于CNN-Transformer混合構(gòu)架的輕量圖像超分辨率方法

針對基于混合構(gòu)架的圖像超分模型通常需要較高計(jì)算成本的問題，提出了一種基于CNN-Transformer混合構(gòu)架的輕量圖像超分網(wǎng)絡(luò)STSR（Swin Transformer based Single Image Super Resolution）。首先，提出了一種并行特征提取的特征增強(qiáng)模塊（Feature Enhancement Block，F(xiàn)EB），由卷積神經(jīng)網(wǎng)絡(luò)（Convolutional Neural Network，CNN）和輕量型Transformer網(wǎng)絡(luò)并行地對輸入圖像進(jìn)行特征提取，再將提取到的特征進(jìn)行特征融合。其次，設(shè)計(jì)了一種動態(tài)調(diào)整模塊（Dynamic Adjustment，DA），使得網(wǎng)絡(luò)能根據(jù)輸入圖像來動態(tài)調(diào)整網(wǎng)絡(luò)的輸出，減少網(wǎng)絡(luò)對無關(guān)信息的依賴。最后，采用基準(zhǔn)數(shù)據(jù)集來測試網(wǎng)絡(luò)的性能，實(shí)驗(yàn)結(jié)果表明STSR在降低模型參數(shù)量的前提下仍然保持較好的重建效果。

發(fā)表于：2024/3/25

一種用于輔助兵棋推演的快速決策框架研究

基于一般的決策和規(guī)劃流程，提出了一個(gè)面向兵棋推演的快速決策框架（Rapid Military Decision Framework，RMDF），該框架針對異構(gòu)實(shí)體模型，通過分層的網(wǎng)格環(huán)境對復(fù)雜推演環(huán)境簡化建模，將推演實(shí)體的作用效果，簡化為地面、海上和空中三個(gè)網(wǎng)格環(huán)境層次上的作用效果，并以熱圖的形式在網(wǎng)格環(huán)境中顯示，通過推演實(shí)體的核心參數(shù)來確定其性能模型和行為模型，并基于一致性包算法實(shí)現(xiàn)任務(wù)分配，生成備選行動策略，通過快速仿真實(shí)現(xiàn)推演策略的迭代優(yōu)化，能夠在推演之前或推演期間提供行動方案的快速評估，可以有效地輔助兵棋推演指揮人員進(jìn)行復(fù)雜態(tài)勢下的兵棋推演。

發(fā)表于：2024/3/25

基于遺傳算法和LightGBM的網(wǎng)絡(luò)安全態(tài)勢感知模型

針對傳統(tǒng)煙草工業(yè)系統(tǒng)中的網(wǎng)絡(luò)流量異常檢測方法存在的特征間聯(lián)系和上下文信息丟失等問題，提出了一種基于遺傳算法改進(jìn)的LightGBM模型，此模型能夠使得模型避免陷入局部最優(yōu)情況。首先通過計(jì)算構(gòu)建樹模型對數(shù)據(jù)降維，從高維數(shù)據(jù)中挖掘出對于檢測效果影響重要的關(guān)鍵特征信息，并使用提出的模型對這些關(guān)鍵特征信息進(jìn)行分析。為了評估模型的有效性與優(yōu)越性，使用準(zhǔn)確率和損失進(jìn)行模型評價(jià)，并與其他網(wǎng)絡(luò)流量異常檢測模型Tabular model、TabNet、LightGBM、XGBoost進(jìn)行對比。使用公開數(shù)據(jù)集 CIC.IDS.2018 進(jìn)行實(shí)驗(yàn)分析。結(jié)果表明，在高特征的網(wǎng)絡(luò)安全態(tài)勢感知下，多分類和二分類的識別準(zhǔn)確率分別達(dá)99.43%和99.87%，在低特征情況下，多分類和二分類的識別準(zhǔn)確率分別達(dá)98.73%和99.39%，具有較高準(zhǔn)確率以及良好的靈活性和魯棒性。

發(fā)表于：2024/3/25

依賴差分隱私：關(guān)聯(lián)數(shù)據(jù)集下的高斯機(jī)制

差分隱私(Differential Privacy)是一種數(shù)據(jù)擾動框架，它保證查詢結(jié)果在概率上不可區(qū)分。研究表明差分隱私應(yīng)用于關(guān)聯(lián)數(shù)據(jù)集時(shí)，將帶來隱私泄露的風(fēng)險(xiǎn)。根據(jù)依賴差分隱私(Dependent Differential Privacy)，量化了依賴差分隱私敏感度的度量；隨后，提出了依賴差分隱私-高斯機(jī)制算法(Gaussian Mechanism Algorithm Dependent Differential Privacy)，實(shí)現(xiàn)數(shù)據(jù)擾動，同時(shí)證明了該機(jī)制滿足隱私保證的基本定理；通過使用真實(shí)數(shù)據(jù)集的實(shí)驗(yàn)表明，GMA DDP在管理依賴數(shù)據(jù)的隱私-效用權(quán)衡方面具有較高的可用性。

發(fā)表于：2024/3/25

關(guān)于智能網(wǎng)聯(lián)汽車數(shù)據(jù)安全治理框架的探究

隨著智能網(wǎng)聯(lián)汽車市場快速發(fā)展，智能網(wǎng)聯(lián)汽車數(shù)據(jù)量增長迅猛，數(shù)據(jù)交換愈加頻繁。高價(jià)值和高敏感特性，使得如何保證數(shù)據(jù)安全成為智能網(wǎng)聯(lián)汽車行業(yè)監(jiān)管部門和車輛生產(chǎn)企業(yè)共同關(guān)注的重點(diǎn)。目前，針對智能網(wǎng)聯(lián)汽車數(shù)據(jù)安全治理并沒有統(tǒng)一的實(shí)踐標(biāo)準(zhǔn)，基于智能網(wǎng)聯(lián)汽車數(shù)據(jù)安全合規(guī)要求，從數(shù)據(jù)安全控制角度出發(fā)，對智能網(wǎng)聯(lián)汽車數(shù)據(jù)安全治理框架進(jìn)行初步探索，以數(shù)據(jù)分類分級為基礎(chǔ)，以數(shù)據(jù)生命周期安全管理為主線，構(gòu)筑包括數(shù)據(jù)安全管理、數(shù)據(jù)安全技術(shù)、數(shù)據(jù)安全運(yùn)營和數(shù)據(jù)處理場景安全管理在內(nèi)的整體數(shù)據(jù)安全治理框架，為智能網(wǎng)聯(lián)汽車數(shù)據(jù)安全提供一種體系化治理路徑。

發(fā)表于：2024/3/25

數(shù)據(jù)產(chǎn)權(quán)新范式下的企業(yè)數(shù)據(jù)持有者權(quán)

企業(yè)數(shù)據(jù)權(quán)屬不清給數(shù)據(jù)產(chǎn)品市場化交易帶來巨大障礙，延用傳統(tǒng)產(chǎn)權(quán)保護(hù)模式已經(jīng)捉襟見肘，如何尋求更為合理的產(chǎn)權(quán)配置方案已成為學(xué)界日益關(guān)注的焦點(diǎn)。《數(shù)據(jù)二十條》創(chuàng)新性提出構(gòu)建數(shù)據(jù)產(chǎn)權(quán)“三權(quán)分置”的新范式，賦予企業(yè)數(shù)據(jù)持有者權(quán)，是促進(jìn)數(shù)據(jù)社會化流通和數(shù)字經(jīng)濟(jì)發(fā)展的必然要求。但該政策指引并不能直接與法定權(quán)利作等價(jià)轉(zhuǎn)換，需要通過立法程序予以法定化，個(gè)人利益和共同善則為其權(quán)利建構(gòu)提供了正當(dāng)化依據(jù)。從本質(zhì)上看，企業(yè)數(shù)據(jù)持有者權(quán)是一種對數(shù)據(jù)的“弱支配權(quán)”，其淡化了所有權(quán)的絕對排他支配性，強(qiáng)調(diào)企業(yè)對數(shù)據(jù)的事實(shí)支配控制。在權(quán)利內(nèi)容上，包含持有、處理、收益和處分權(quán)能，旨在實(shí)現(xiàn)數(shù)據(jù)的使用與交換雙重價(jià)值，以此化解企業(yè)數(shù)據(jù)上承載的多元主體利益沖突，保護(hù)企業(yè)合法權(quán)益，實(shí)現(xiàn)數(shù)據(jù)要素價(jià)值。

發(fā)表于：2024/3/25

自動化行政的裁量困境與解決路徑

行政裁量自動化是行政裁量與人工智能相結(jié)合的產(chǎn)物，也是順應(yīng)智慧政府建設(shè)的必然趨勢。但由于計(jì)算機(jī)程序算法的確定性特征，在編程中不允許存在二義性，特別是法條中俯拾皆是的“不確定法律概念”帶來的模糊性，給行政裁量的自動化造成困難，很多學(xué)者因此認(rèn)為，行政自動化系統(tǒng)不能處理裁量問題。事實(shí)上，模糊邏輯理論是人類處理這一問題的有力工具，將其引入自動化系統(tǒng)可以突破傳統(tǒng)二值邏輯的束縛，并為運(yùn)用模糊產(chǎn)生式規(guī)則處理行政裁量問題奠定堅(jiān)實(shí)的基礎(chǔ)。

發(fā)表于：2024/3/25

流量劫持罪名認(rèn)定的困境與紓解——基于數(shù)據(jù)安全法益的視角

流量劫持不僅會因破壞市場競爭秩序被反不正當(dāng)競爭法規(guī)制，還有可能因參與網(wǎng)絡(luò)黑灰產(chǎn)業(yè)犯罪而落入刑法范疇?；谛袨閺?fù)雜與主體多元的特性，流量劫持的罪名認(rèn)定存在計(jì)算機(jī)犯罪與財(cái)產(chǎn)犯罪兩種典型觀點(diǎn)，其背后反映出虛擬財(cái)產(chǎn)法益、網(wǎng)絡(luò)秩序法益與系統(tǒng)安全法益的取舍?；诹髁拷俪中袨檫^程和應(yīng)用場景的考量，其本質(zhì)應(yīng)為對計(jì)算機(jī)信息系統(tǒng)或應(yīng)用程序的數(shù)據(jù)通信行為加以非法控制，侵害了數(shù)據(jù)安全法益。破壞計(jì)算機(jī)信息系統(tǒng)罪所保護(hù)的數(shù)據(jù)安全法益，與流量劫持的侵害法益趨同，具有適用的可行性與必要性；同時(shí)需要對數(shù)據(jù)、應(yīng)用程序、干擾等入罪要件進(jìn)行刑法教義學(xué)釋義。

發(fā)表于：2024/3/25

算法解釋權(quán)：賦權(quán)爭議、適用邏輯與適用機(jī)制

自動化決策算法在商業(yè)領(lǐng)域的應(yīng)用日漸廣泛，算法治理成為法學(xué)研究的熱點(diǎn)。在算法治理探索的路徑上，算法解釋權(quán)的引入具有重要意義。我國《個(gè)人信息保護(hù)法》第24條第3款規(guī)定了具有中國特色的算法解釋權(quán)，但在權(quán)利構(gòu)造上依舊模糊。因此需要圍繞算法解釋權(quán)的構(gòu)成要件展開分析，從主體、時(shí)間和內(nèi)容三個(gè)方面著重討論算法解釋權(quán)的適用機(jī)制，有助于為算法解釋權(quán)適用提供充分的理論依據(jù)和具體的操作指引。

發(fā)表于：2024/3/25

蘋果Apple Silicon芯片被曝安全漏洞

3 月 22 日消息，安全專家近日在蘋果 Apple Silicon 芯片上漏洞，被黑客利用可以竊取用戶數(shù)據(jù)。專家表示該漏洞固然可以被緩解和修復(fù)，但會嚴(yán)重影響性能表現(xiàn)。該漏洞存在于 Data Memory-Dependent Prefetcher（DMP）中，黑客利用該漏洞可以竊取加密密鑰，從而訪問用戶的數(shù)據(jù)。 DMP 又被稱作間接內(nèi)存 prefetcher，位于內(nèi)存系統(tǒng)中，可以預(yù)測當(dāng)前運(yùn)行代碼最有可能訪問的數(shù)據(jù)所在內(nèi)存地址。而黑客可以利用現(xiàn)有的訪問模式，預(yù)測下一個(gè)要獲取的數(shù)據(jù)位，從而影響正在預(yù)取的數(shù)據(jù)，訪問用戶的敏感數(shù)據(jù)，研究人員將這種攻擊命名為 "GoFetch"。

發(fā)表于：2024/3/22

360發(fā)布國內(nèi)首個(gè)AI實(shí)戰(zhàn)應(yīng)用安全大模型

3月20日消息，據(jù)媒體報(bào)道， 360公司重磅推出了安全大模型3.0，這是國內(nèi)首個(gè)實(shí)現(xiàn)AI實(shí)戰(zhàn)應(yīng)用的安全行業(yè)大模型。安全行業(yè)大模型的架構(gòu)體系由技術(shù)層、能力層和應(yīng)用層三大層級構(gòu)成，而360安全大模型在這三個(gè)層級均表現(xiàn)出色，綜合數(shù)據(jù)排名位居首位，實(shí)力不容小覷。在技術(shù)層方面，360安全大模型以360智腦為基石，依托公司近20年積累的海量攻防技戰(zhàn)術(shù)、漏洞庫、病毒庫等安全大數(shù)據(jù)，提取高質(zhì)量語料進(jìn)行訓(xùn)練。憑借大數(shù)據(jù)、高算力、強(qiáng)算法的融合，構(gòu)筑起難以復(fù)制、無可替代的競爭優(yōu)勢。在能力層方面，360安全大模型作為核心，構(gòu)建了一個(gè)強(qiáng)大的安全智能體體系。該體系不僅具備目標(biāo)理解、邏輯推理、效果評估和知識記憶等能力，還能靈活連接、配置、驅(qū)動、協(xié)同各類產(chǎn)品。

發(fā)表于：2024/3/21

Open AI頻陷非法數(shù)據(jù)收集爭議

“有許多專家相信，Open AI公司在使用公共視頻網(wǎng)站的數(shù)據(jù)訓(xùn)練其大模型。”美國“商業(yè)內(nèi)幕”網(wǎng)站18日刊文稱，這家業(yè)界領(lǐng)先的人工智能（AI）初創(chuàng)企業(yè)獲取數(shù)據(jù)的方式正在引發(fā)爭議。不只是Open AI，近期美國多個(gè)頭部科技企業(yè)遭遇類似爭議。訓(xùn)練人工智能大模型的數(shù)據(jù)來源是否合法？如何界定企業(yè)使用公眾數(shù)據(jù)的邊界？都成為未來各國完善人工智能法規(guī)需要認(rèn)真考慮的問題。 Open AI遭遇質(zhì)疑 “商業(yè)內(nèi)幕”網(wǎng)的文章以O(shè)pen AI公司旗下大火的人工智能視頻創(chuàng)作工具Sora為例稱，Sora的訓(xùn)練依賴海量數(shù)據(jù)，這些數(shù)據(jù)很可能搜刮自谷歌旗下的YouTube視頻網(wǎng)站，而這已經(jīng)幾乎是公開的秘密。事實(shí)上，YouTube官方一直禁止使用自動化工具批量下載網(wǎng)站視頻的做法，也禁止下載YouTube視頻用于商業(yè)目的，并采取限流等措施應(yīng)對工具刮削。文章稱，目前尚不清楚Open AI是用了什么樣的技術(shù)手段繞過YouTube的攔截。

發(fā)表于：2024/3/21

UDP 協(xié)議被曝漏洞：可被利用發(fā)起拒絕服務(wù)攻擊

3 月 21 日消息，CISPA Helmholtz 信息安全中心的安全專家近日發(fā)布報(bào)告，稱在用戶數(shù)據(jù)報(bào)協(xié)議（UDP）中發(fā)現(xiàn)安全漏洞，追蹤編號為 CVE-2024-2169，預(yù)估影響全球 30 萬臺聯(lián)網(wǎng)主機(jī)及其網(wǎng)絡(luò)。

發(fā)表于：2024/3/21