国产91精品在线播放 ,国产亚洲色图视频在线观看

派拓網(wǎng)絡(luò)在首份攻擊面管理報告中獲評領(lǐng)導(dǎo)者

2024年10月11日，北京——全球網(wǎng)絡(luò)安全領(lǐng)導(dǎo)企業(yè)Palo Alto Networks（納斯達(dá)克代碼：PANW）（派拓網(wǎng)絡(luò)）近日宣布，公司在首份攻擊面管理報告《Forrester Wave?：攻擊面管理解決方案，2024年第三季度》中被評為領(lǐng)導(dǎo)者。

發(fā)表于：2024/10/11

互聯(lián)網(wǎng)檔案館遭遇黑客攻擊 3100萬用戶數(shù)據(jù)被泄露

科技媒體 arstechnica 今天（10 月 10 日）發(fā)布博文，報道稱互聯(lián)網(wǎng)檔案館網(wǎng)站 Archive.org遭遇黑客攻擊，導(dǎo)致大約 3100 萬用戶數(shù)據(jù)被泄露。

發(fā)表于：2024/10/11

Akamai最新互聯(lián)網(wǎng)現(xiàn)狀報告顯示亞太地區(qū)金融機構(gòu)安全威脅最高

發(fā)表于：2024/10/10

日本尋求在2030年前開發(fā)國產(chǎn)不可破解的量子加密技術(shù)

10月8日消息，據(jù)報道，日本尋求在2030年前開發(fā)國產(chǎn)“不可破解”的量子加密技術(shù)。日本總務(wù)省將向選定的量子加密開發(fā)商提供幫助，將包括從2025財年開始5年內(nèi)數(shù)百億日元的公私投資。

發(fā)表于：2024/10/9

安全公司曝光黑客組織FIN6假借求職名義發(fā)送木馬郵件

安全公司曝光黑客組織 FIN6 假借求職名義發(fā)送木馬郵件，HR 下載打開“作品集”就中招

發(fā)表于：2024/10/9

ODM大廠緯創(chuàng)資通遭受網(wǎng)絡(luò)攻擊

10月6日消息，據(jù)媒體報道，緯創(chuàng)發(fā)布公告稱遭受網(wǎng)絡(luò)攻擊，網(wǎng)站皆已恢復(fù)正常運作，估計對運營尚無重大影響。公告指出，該網(wǎng)絡(luò)攻擊事件發(fā)生于10月4日，但公司已迅速響應(yīng)，立即激活了全面的防御機制，目前所有網(wǎng)站系統(tǒng)均已全面恢復(fù)正常運營狀態(tài)。

發(fā)表于：2024/10/8

我國《網(wǎng)絡(luò)數(shù)據(jù)安全管理條例》公布

9 月 30 日消息，據(jù)新華社報道，國務(wù)院日前簽署國務(wù)院令，公布《網(wǎng)絡(luò)數(shù)據(jù)安全管理條例》（以下簡稱《條例》），自 2025 年 1 月 1 日起施行。《條例》旨在規(guī)范網(wǎng)絡(luò)數(shù)據(jù)處理活動，保障網(wǎng)絡(luò)數(shù)據(jù)安全，促進網(wǎng)絡(luò)數(shù)據(jù)依法合理有效利用，保護個人、組織的合法權(quán)益，維護國家安全和公共利益，共 9 章 64 條。《條例》規(guī)定，個人請求查閱、復(fù)制、更正、補充、刪除、限制處理其個人信息，或者個人注銷賬號、撤回同意的，網(wǎng)絡(luò)數(shù)據(jù)處理者應(yīng)當(dāng)及時受理，并提供便捷的支持個人行使權(quán)利的方法和途徑，不得設(shè)置不合理條件限制個人的合理請求。《條例》還提到，國家推進網(wǎng)絡(luò)身份認(rèn)證公共服務(wù)建設(shè)，按照政府引導(dǎo)、用戶自愿原則進行推廣應(yīng)用。鼓勵網(wǎng)絡(luò)平臺服務(wù)提供者支持用戶使用國家網(wǎng)絡(luò)身份認(rèn)證公共服務(wù)登記、核驗真實身份信息。

發(fā)表于：2024/10/8

美國加州州長否決人工智能安全法案SB1047

9月29日消息，美國加州州長加文紐森（Gavin Newsom）今日否決了具有爭議的《前沿人工智能模型安全創(chuàng)新法案》（簡稱 SB 1047），他在否決消息中提到了多個影響他決定的因素，包括該法案對 AI 公司施加的負(fù)擔(dān)、加州在該領(lǐng)域的主導(dǎo)地位以及對該法案可能過于寬泛的批評。

發(fā)表于：2024/9/30

Gartner預(yù)測2025年全球網(wǎng)絡(luò)安全支出將激增15%

發(fā)表于：2024/9/29

ChatGPT客戶端曝記憶漏洞

9 月 27 日消息，OpenAI 在今年 2 月宣布為 ChatGPT 推出記憶（Memory）的功能，今年 9 月初這項功能正式向所有用戶開放，該功能的主要用途是 " 設(shè)定預(yù)設(shè) "，從而幫助 AI 向用戶更符合需求的答案。

發(fā)表于：2024/9/27

個人信息保護合規(guī)審計的輔助實現(xiàn)技術(shù)框架研究

數(shù)字經(jīng)濟時代背景下，合格評定工作呈現(xiàn)出數(shù)字轉(zhuǎn)型趨勢，這將對開展個人信息保護合規(guī)審計活動產(chǎn)生重要影響。概述了個人信息保護合規(guī)檢查技術(shù)工具概況和相關(guān)關(guān)鍵技術(shù)，在此基礎(chǔ)上，提出了個人信息保護合規(guī)審計可以依托技術(shù)輔助實現(xiàn)的審計項，指明了個人信息合規(guī)審計工作技術(shù)輔助實現(xiàn)的路徑。依托以上研究成果，提出《個人信息保護合規(guī)審計技術(shù)能力及工具要求（征求意見稿）》標(biāo)準(zhǔn)，明確了個人信息保護合規(guī)審計輔助實現(xiàn)技術(shù)框架，介紹了依據(jù)標(biāo)準(zhǔn)研發(fā)的個人信息保護合規(guī)審計技術(shù)工具原型，及其對于個人信息保護合規(guī)審計輔助技術(shù)框架的示范驗證作用。

發(fā)表于：2024/9/26

基于信息標(biāo)簽體系的人員崗位匹配方法研究

人力資源管理信息化，既是信息化建設(shè)的重要內(nèi)容，又是重要支撐和保證。隨著人力資源數(shù)據(jù)不斷積累，如何借助先進的科學(xué)技術(shù)從海量數(shù)據(jù)中挖掘出有價值的信息是當(dāng)前研究領(lǐng)域的熱點問題之一。本文依托于人力資源數(shù)據(jù)，提出了基于雙向長短時記憶網(wǎng)絡(luò)的圖采樣聚合模型生成模型標(biāo)簽，并構(gòu)建了崗位和人員信息標(biāo)簽體系；提出了兩種人崗匹配方法，實現(xiàn)了智能化的人員崗位匹配。實驗表明，本文提出的模型方法取得了較好的效果，為相關(guān)數(shù)據(jù)信息的有效組織與管理提供了一種良好的解決方案，并為實現(xiàn)人力資源的智能化管理提供了有效借鑒。

發(fā)表于：2024/9/26

基于模仿學(xué)習(xí)和強化學(xué)習(xí)的啟發(fā)式多智能體路徑規(guī)劃

多智能體路徑規(guī)劃（Multi-Agent Path Finding, MAPF）擴展到大型動態(tài)環(huán)境中是一個越來越有挑戰(zhàn)的問題?，F(xiàn)實世界中，環(huán)境動態(tài)變化往往需要實時重新規(guī)劃路徑。在部分可觀察環(huán)境中，使用強化學(xué)習(xí)方法學(xué)習(xí)分散的策略解決MAPF問題表現(xiàn)出較大潛力。針對智能體之間如何學(xué)會合作和環(huán)境獎勵稀疏問題，提出基于模仿學(xué)習(xí)和強化學(xué)習(xí)的啟發(fā)式多智能體路徑規(guī)劃算法。實驗表明，該方法在高密度障礙環(huán)境中具有較好的性能和擴展性。

發(fā)表于：2024/9/26

基于隱私保護的電解鋁生產(chǎn)決策方法

在電解鋁生產(chǎn)過程中，傳統(tǒng)的人工控制決策方式已經(jīng)難以適應(yīng)現(xiàn)代鋁電解生產(chǎn)要求，當(dāng)下深度學(xué)習(xí)算法處理此類時間序列數(shù)據(jù)得到廣泛應(yīng)用，決策是否高效影響鋁電解槽的穩(wěn)定運行和高效產(chǎn)出鋁。同時，數(shù)據(jù)隱私問題也不容忽視，隱私安全既影響電解鋁生產(chǎn)過程又影響其正常使用，誤用、濫用數(shù)據(jù)挖掘可能導(dǎo)致用戶數(shù)據(jù)特別是敏感信息的泄露，而信息一旦丟失或泄漏將造成重大的損失。針對以上問題，提出一種利用改進LSTM模型結(jié)構(gòu)結(jié)合優(yōu)化ElGamal算法的電解鋁決策方法：首先針對數(shù)據(jù)隱私問題提出了優(yōu)化后的ElGamal算法；再針對電解鋁數(shù)據(jù)特性改進LSTM模型結(jié)構(gòu)與優(yōu)化ElGamal算法的雙結(jié)合。實驗結(jié)果表明，本方法可以在保證決策隱私安全的情況下，性能優(yōu)于傳統(tǒng)方法，在實際情況中有參考的價值。

發(fā)表于：2024/9/26

基于自監(jiān)督圖神經(jīng)網(wǎng)絡(luò)和混合神經(jīng)網(wǎng)絡(luò)的入侵檢測

為了解決現(xiàn)有網(wǎng)絡(luò)入侵檢測方法在特征提取單一、數(shù)據(jù)依賴強以及模型泛化能力差等方面的問題，提出了一種基于自監(jiān)督圖神經(jīng)網(wǎng)絡(luò)和混合神經(jīng)網(wǎng)絡(luò)的入侵檢測方法。首先，通過自監(jiān)督學(xué)習(xí)策略，利用圖卷積網(wǎng)絡(luò)提取網(wǎng)絡(luò)流量數(shù)據(jù)中的結(jié)構(gòu)特征，增強模型在無標(biāo)簽數(shù)據(jù)上的特征學(xué)習(xí)能力，從而降低對標(biāo)注數(shù)據(jù)的依賴并提升泛化能力。其次，使用卷積神經(jīng)網(wǎng)絡(luò)提取網(wǎng)絡(luò)流量中時間序列的空間特征，并通過長短時記憶網(wǎng)絡(luò)建模時間依賴性，進行多視角特征提取，提高檢測的全面性。最后，設(shè)計了一種特征融合策略，豐富模型特征表示，提升模型魯棒性。在公開數(shù)據(jù)集上的實驗結(jié)果表明，所提方法具有更高的準(zhǔn)確率和F1值。

發(fā)表于：2024/9/26