67194熟妇人妻欧美日韩,400部国产自拍视频,国产乱人视频免费观看网站

NIST發(fā)布網(wǎng)絡(luò)安全框架2.0版本

十年來首次重大更新！NIST發(fā)布網(wǎng)絡(luò)安全框架2.0版本

發(fā)表于：3/1/2024

對網(wǎng)絡(luò)空間安全建模的系統(tǒng)思考

發(fā)表于：2/29/2024

彈性自組織多集群管理系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)

Kubernetes等云原生技術(shù)在業(yè)界應(yīng)用時(shí)，承載能力有限，無法滿足更高可用性要求，且易被云供應(yīng)商鎖定；東數(shù)西算等戰(zhàn)略的實(shí)施運(yùn)行，需以多集群管理技術(shù)為基礎(chǔ)，但是傳統(tǒng)的云管平臺難以滿足跨多云應(yīng)用的服務(wù)部署和治理的挑戰(zhàn)。提出軟件定義的自組織基礎(chǔ)設(shè)施管理、冪等的分層調(diào)度新理念，實(shí)現(xiàn)以集群為最小單位的彈性基礎(chǔ)設(shè)施管理架構(gòu)，將多個Kubernetes集群組成中心式、去中心式、樹狀等任意拓?fù)浣Y(jié)構(gòu)，進(jìn)行應(yīng)用的跨云調(diào)度及管理。方案基于樹狀集群結(jié)構(gòu)進(jìn)行了測試驗(yàn)證，并與其他方案對比，測試結(jié)果表明該方案能夠滿足未來分布式云場景下海量集群組織管理需求，且保持接入新集群不超過1 s，應(yīng)用的調(diào)度延遲不超過200 ms。

發(fā)表于：2/29/2024

內(nèi)網(wǎng)敏感大數(shù)據(jù)跨網(wǎng)域跨密區(qū)數(shù)據(jù)交換需求及方法策略研究

針對內(nèi)網(wǎng)敏感大數(shù)據(jù)治理和應(yīng)用，分析闡述了數(shù)據(jù)采集報(bào)送、引接匯聚、分發(fā)共享、綜合應(yīng)用過程中跨網(wǎng)域跨密區(qū)數(shù)據(jù)流轉(zhuǎn)和信息交互需求，對比研究了各類跨網(wǎng)域跨密區(qū)數(shù)據(jù)交換技術(shù)方法，并提出了面向應(yīng)用需求實(shí)現(xiàn)跨網(wǎng)域跨密區(qū)數(shù)據(jù)交換的方法策略，為內(nèi)網(wǎng)大數(shù)據(jù)建設(shè)運(yùn)用提供技術(shù)支持和策略建議。

發(fā)表于：2/29/2024

基于動態(tài)均衡技術(shù)的海量異構(gòu)數(shù)據(jù)高并發(fā)可靠接入方法

隨著大數(shù)據(jù)時(shí)代的到來，海量異構(gòu)數(shù)據(jù)的高并發(fā)可靠接入成為了一個亟待解決的問題。提出了一種基于動態(tài)均衡技術(shù)的海量異構(gòu)數(shù)據(jù)高并發(fā)可靠接入方法。該方法采用去中心化的任務(wù)分配機(jī)制實(shí)現(xiàn)海量數(shù)據(jù)源接入；針對各類異構(gòu)數(shù)據(jù)源設(shè)計(jì)了基于HTTPS、SFTP、Kafka等多樣化采集手段及相應(yīng)的節(jié)點(diǎn)分配和回收機(jī)制；采用動態(tài)負(fù)載均衡策略對采集資源進(jìn)行實(shí)時(shí)調(diào)整，以適應(yīng)不斷變化的數(shù)據(jù)負(fù)載，實(shí)現(xiàn)高并發(fā)處理。該研究為實(shí)現(xiàn)海量異構(gòu)數(shù)據(jù)的高效、可靠接入提供了一種有效的解決方法。

發(fā)表于：2/29/2024

基于ADE-ABiGRU的物聯(lián)網(wǎng)安全態(tài)勢預(yù)測

針對物聯(lián)網(wǎng)安全態(tài)勢預(yù)測的復(fù)雜性和多變性，提出一種基于ADEABiGRU的物聯(lián)網(wǎng)安全態(tài)勢預(yù)測模型。該模型融合了雙向門控循環(huán)單元、多頭注意力機(jī)制和殘差結(jié)構(gòu)，并經(jīng)由自適應(yīng)差分進(jìn)化算法調(diào)優(yōu)，增強(qiáng)了對復(fù)雜時(shí)序依賴性的捕捉和對數(shù)據(jù)的多維度分析能力。通過改進(jìn)自適應(yīng)差分進(jìn)化算法的自適應(yīng)機(jī)制，充分考慮時(shí)序數(shù)據(jù)特征，以提升全局搜索效率和局部逼近精度。在ToN_IoT數(shù)據(jù)集上的實(shí)驗(yàn)結(jié)果表明，與傳統(tǒng)算法相比，該模型在MAPE、R2和MSE上均表現(xiàn)出色，展現(xiàn)出更高的預(yù)測準(zhǔn)確性和穩(wěn)定性。

發(fā)表于：2/29/2024

目標(biāo)與態(tài)勢三維可視化系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)

為提升大規(guī)模數(shù)據(jù)下態(tài)勢展示的性能和效果，對態(tài)勢展示的關(guān)鍵技術(shù)進(jìn)行研究，設(shè)計(jì)并實(shí)現(xiàn)了實(shí)時(shí)態(tài)勢監(jiān)控、歷史態(tài)勢回放、目標(biāo)三維可視化等功能的系統(tǒng)。該系統(tǒng)利用數(shù)據(jù)清洗、數(shù)據(jù)插值和數(shù)據(jù)融合等技術(shù)對多源異構(gòu)態(tài)勢數(shù)據(jù)進(jìn)行實(shí)時(shí)處理；然后將處理后的數(shù)據(jù)儲存于多級數(shù)據(jù)存儲系統(tǒng)中，通過緩存和批量數(shù)據(jù)獲取機(jī)制提升數(shù)據(jù)加載效率；最后，基于瀏覽器和GIS服務(wù)實(shí)現(xiàn)目標(biāo)與態(tài)勢的三維地理空間可視化。仿真結(jié)果表明，該系統(tǒng)態(tài)勢數(shù)據(jù)獲取快速高效，態(tài)勢展示效果立體清晰，能夠滿足大型模擬對抗演習(xí)中的目標(biāo)分析、態(tài)勢監(jiān)控和回放需求。

發(fā)表于：2/29/2024

數(shù)據(jù)利他主義：歐盟數(shù)據(jù)治理新理念及其啟示

歐盟數(shù)據(jù)治理法（DGA）的正式出臺標(biāo)志著歐盟數(shù)據(jù)治理模式開始轉(zhuǎn)型。該法的重心在于通過貫徹利他主義這一核心理念來強(qiáng)化公共數(shù)據(jù)的再利用。利他主義作為一種新的數(shù)據(jù)治理理念，對之進(jìn)行系統(tǒng)分析，有利于為我國數(shù)據(jù)治理所借鑒利用。首先梳理歐盟數(shù)據(jù)治理歷程和邏輯框架，數(shù)據(jù)利他主義是發(fā)展到現(xiàn)數(shù)據(jù)共享階段的必然結(jié)果，分析數(shù)據(jù)利他主義治理的概念及其特點(diǎn)、其指導(dǎo)下的數(shù)據(jù)治理模式，如公共機(jī)構(gòu)部門共享模式和數(shù)據(jù)中介共享模式。進(jìn)而對DGA尤其是該法貫徹的利他理念進(jìn)行評析，在此基礎(chǔ)上為我國數(shù)據(jù)治理提出借鑒思路。我國宜從發(fā)展數(shù)據(jù)利他主義理念、引入多元數(shù)據(jù)共享主體和完善數(shù)據(jù)共享立法體系的角度對之加以借鑒。

發(fā)表于：2/29/2024

網(wǎng)絡(luò)安全等級保護(hù)制度下的數(shù)據(jù)安全研究

通過深度剖析網(wǎng)絡(luò)安全和數(shù)據(jù)安全的內(nèi)在聯(lián)系，探討將數(shù)據(jù)安全保護(hù)納入網(wǎng)絡(luò)安全等級保護(hù)工作流程的必要性與可行性，提出具體的工作步驟與實(shí)施過程。在落實(shí)等級保護(hù)的基礎(chǔ)上，有序推進(jìn)數(shù)據(jù)安全保護(hù)，快速、有效、體系化地開展數(shù)據(jù)安全保護(hù)工作，實(shí)現(xiàn)網(wǎng)絡(luò)基礎(chǔ)設(shè)施安全和上層業(yè)務(wù)數(shù)據(jù)安全一體的真正數(shù)據(jù)安全。

發(fā)表于：2/29/2024

基于隱私計(jì)算技術(shù)的數(shù)據(jù)安全共享交互框架

隱私計(jì)算作為一種數(shù)據(jù)安全交互解決手段，是由兩個或多個參與方聯(lián)合計(jì)算的技術(shù)和系統(tǒng)，參與方可以在不泄露各自數(shù)據(jù)的前提下通過協(xié)作對數(shù)據(jù)進(jìn)行聯(lián)合機(jī)器學(xué)習(xí)和分析，隱私計(jì)算可實(shí)現(xiàn)“數(shù)據(jù)可用不可見”“數(shù)據(jù)不動模型動”，具備強(qiáng)化數(shù)據(jù)安全合規(guī)性、確保隱私數(shù)據(jù)不泄露的能力，可以說是現(xiàn)階段數(shù)據(jù)安全交互與敏感信息保護(hù)的“最優(yōu)解”。圍繞數(shù)據(jù)安全共享與協(xié)同應(yīng)用，提出基于隱私計(jì)算技術(shù)的共享交互框架設(shè)計(jì)方案，結(jié)合業(yè)務(wù)實(shí)際分別給出技術(shù)架構(gòu)和邏輯架構(gòu)設(shè)計(jì)，分析關(guān)鍵技術(shù)和利弊，為數(shù)據(jù)的安全交互和開發(fā)利用提供解決思路。

發(fā)表于：2/29/2024

生成式大模型的數(shù)據(jù)安全風(fēng)險(xiǎn)與法律治理

生成式大模型具有廣泛的應(yīng)用前景。大模型的訓(xùn)練和運(yùn)行均需要海量數(shù)據(jù)的支撐，極有可能引發(fā)數(shù)據(jù)安全風(fēng)險(xiǎn)。認(rèn)知風(fēng)險(xiǎn)是化解風(fēng)險(xiǎn)的前提，需要從靜態(tài)、動態(tài)兩個視角建立起大模型應(yīng)用數(shù)據(jù)安全風(fēng)險(xiǎn)的認(rèn)知體系。結(jié)合歐盟、美國等大模型的治理經(jīng)驗(yàn)，針對我國大模型數(shù)據(jù)安全風(fēng)險(xiǎn)治理存在的不足，建議建立基于數(shù)據(jù)安全風(fēng)險(xiǎn)的分類監(jiān)管路徑、完善基于大模型運(yùn)行全過程的數(shù)據(jù)安全責(zé)任制度、探索基于包容審慎監(jiān)管的創(chuàng)新監(jiān)管機(jī)制，為實(shí)現(xiàn)大模型應(yīng)用的可信未來提供充分的法治保障。

發(fā)表于：2/29/2024

融合協(xié)議信息的TOR匿名網(wǎng)絡(luò)流量識別方法

TOR（The Onion Router）匿名網(wǎng)絡(luò)流量識別是一項(xiàng)重要的加密流量檢測任務(wù)，隨著TOR混淆模式的迭代更新，引入OBFS4(ObjectBased File System4)混淆協(xié)議后對TOR的檢測較為困難。詳細(xì)研究了TOR行為和混淆協(xié)議特性，將關(guān)鍵行為特征與OBFS4混淆協(xié)議特征進(jìn)行融合，增強(qiáng)了面向混淆協(xié)議的TOR流量的檢出能力。另外構(gòu)造了包含瀏覽網(wǎng)頁、視頻直播、聊天等多業(yè)務(wù)數(shù)據(jù)集進(jìn)行實(shí)驗(yàn)。結(jié)果顯示，該研究方法在基于OBFS4混淆協(xié)議的TOR流量檢測任務(wù)上效果顯著，其中l(wèi)ightGBM模型檢測效果最佳，在融合協(xié)議特征的方法下準(zhǔn)確率達(dá)到9889%。同時(shí)該方法面向不同版本的TOR流量開展復(fù)測，在不同版本的TOR流量檢測任務(wù)中準(zhǔn)確率均高于97%。

發(fā)表于：2/29/2024

基于梯度優(yōu)化的大語言模型后門識別探究

隨著大語言模型的流行并且應(yīng)用在越來越多的領(lǐng)域，大語言模型的安全問題也隨之而來。通常訓(xùn)練大語言模型對數(shù)據(jù)集以及計(jì)算資源有著極為苛刻的要求，所以有使用需求的用戶大部分都直接利用網(wǎng)絡(luò)上開源的數(shù)據(jù)集以及模型，這給后門攻擊提供了絕佳的溫室。后門攻擊是指用戶在模型中輸入正常數(shù)據(jù)時(shí)模型表現(xiàn)像沒有注入后門時(shí)一樣正常，但當(dāng)輸入帶有后門觸發(fā)器的數(shù)據(jù)時(shí)模型輸出異常。防止后門攻擊的有效方法就是進(jìn)行后門識別。目前基于梯度的優(yōu)化方法是比較常用的，但使用這些方法時(shí)內(nèi)部影響因子的設(shè)定對識別效果具有一定影響。文章就詞令牌數(shù)量、最鄰近數(shù)量、噪聲大小進(jìn)行了實(shí)驗(yàn)測量和作用機(jī)制的分析，以便為后續(xù)使用這些方法的研究者提供參考。

發(fā)表于：2/29/2024

基于黑盒測試框架的深度學(xué)習(xí)模型版權(quán)保護(hù)方法

當(dāng)前生成式人工智能技術(shù)迅速發(fā)展，深度學(xué)習(xí)模型作為關(guān)鍵技術(shù)資產(chǎn)的版權(quán)保護(hù)變得越發(fā)重要?，F(xiàn)有模型版權(quán)保護(hù)方法一般采用確定性測試樣本生成算法，存在選擇效率低和對抗攻擊脆弱的問題。針對上述問題，提出了一種基于黑盒測試框架的深度學(xué)習(xí)模型版權(quán)保護(hù)方法。首先引入基于隨機(jī)性算法的樣本生成策略，有效提高了測試效率并降低了對抗攻擊的風(fēng)險(xiǎn)。此外針對黑盒場景，引入了新的測試指標(biāo)和算法，增強(qiáng)了黑盒防御的能力，確保每個指標(biāo)具有足夠的正交性。在實(shí)驗(yàn)驗(yàn)證方面，所提方法顯示出了高效的版權(quán)判斷準(zhǔn)確性和可靠性，有效降低了高相關(guān)性指標(biāo)的數(shù)量。

發(fā)表于：2/29/2024

基于大模型的智能抄清：事件要點(diǎn)抽取與報(bào)告生成

隨著信息爆炸時(shí)代的到來，如何利用抄清手段高效地從海量數(shù)據(jù)中提取有價(jià)值的信息并生成準(zhǔn)確的抄清報(bào)告成為了情報(bào)分析和推理領(lǐng)域的重要挑戰(zhàn)。傳統(tǒng)的手動抄清方法難以應(yīng)對數(shù)據(jù)量龐大、多樣性高的情報(bào)數(shù)據(jù)，因此需要借助自然語言技術(shù)提升抄清分析效率和準(zhǔn)確性。提出了一種基于大模型的智能抄清方法，旨在通過事件要點(diǎn)抽取和報(bào)告生成，實(shí)現(xiàn)高效、準(zhǔn)確和可靠的情報(bào)分析和推理。該方法利用自然語言處理技術(shù)對抄清數(shù)據(jù)進(jìn)行分析，結(jié)合語法及語義信息進(jìn)行文檔事件要點(diǎn)信息抽取，基于大模型的生成能力，生成全面且內(nèi)容豐富的抄清報(bào)告。

發(fā)表于：2/29/2024