123,123,123

人工智能侵權(quán)立法中的歸責邏輯沖突與矯正[人工智能][信息安全]

人工智能技術(shù)的發(fā)展對侵權(quán)立法形成挑戰(zhàn)，基于人工智能風險分級的侵權(quán)歸責邏輯與傳統(tǒng)歸責邏輯的沖突凸顯。理論上，基于人工智能風險分級的侵權(quán)歸責邏輯源于歐盟的人工智能風險分級治理方案，但其沖擊了既有民事侵權(quán)歸責結(jié)構(gòu)，使各方主體的責任承擔處于不確定狀態(tài)。將技術(shù)風險凌駕于權(quán)利保護客體差異之上，本質(zhì)上是一種混淆行政法與侵權(quán)法適用邊界的錯誤做法。人工智能技術(shù)風險具有損害嚴重、逃逸訴訟可能性高、信息成本大等特征，難以在權(quán)利保護規(guī)則下得到有效規(guī)制。此時，回歸基于權(quán)利客體差異的歸責邏輯確有必要。具體而言，應(yīng)先明確行政法與侵權(quán)法的分工，以“公共利益”為二者界分標準，必要時可通過原則性規(guī)定有限地接納新型風險的規(guī)制任務(wù)，以最小制度成本實現(xiàn)技術(shù)風險的高效治理。

發(fā)表于：2025/12/23

數(shù)據(jù)要素賦能低空經(jīng)濟發(fā)展的理論邏輯與機制設(shè)計[其他][航空航天]

低空經(jīng)濟作為戰(zhàn)略性新興產(chǎn)業(yè)之一，對于打造國家經(jīng)濟高質(zhì)量增長新引擎意義重大。現(xiàn)階段，數(shù)據(jù)要素或成為破解低空經(jīng)濟發(fā)展瓶頸的關(guān)鍵鑰匙。闡述了低空經(jīng)濟的內(nèi)涵與特征，總結(jié)歸納了低空經(jīng)濟現(xiàn)狀趨勢，包括政策逐步完善、市場前景廣闊、深度協(xié)同數(shù)字經(jīng)濟發(fā)展等；剖析了數(shù)據(jù)要素賦能低空經(jīng)濟發(fā)展的理論邏輯，從數(shù)據(jù)對低空經(jīng)濟的產(chǎn)業(yè)升級驅(qū)動作用及對低空經(jīng)濟生產(chǎn)函數(shù)的重構(gòu)作用兩方面進行闡述；最后，從制度建設(shè)、技術(shù)路徑、產(chǎn)業(yè)培育三個維度結(jié)構(gòu)性設(shè)計了“數(shù)據(jù)要素×低空經(jīng)濟”發(fā)展機制，以期為地方政府推進低空經(jīng)濟高質(zhì)量發(fā)展提供有效借鑒。

發(fā)表于：2025/12/23

國外微觀數(shù)據(jù)價值挖掘?qū)嵺`及對我國的啟示——基于隱私計算技術(shù)視角[其他][信息安全]

微觀數(shù)據(jù)價值挖掘?qū)x能經(jīng)濟社會發(fā)展具有重要意義，以統(tǒng)計局為代表的國家有關(guān)部門也在積極推動微觀數(shù)據(jù)的開發(fā)應(yīng)用。而隨著數(shù)據(jù)隱私安全重要性的不斷凸顯，隱私計算技術(shù)成為了有效平衡微觀數(shù)據(jù)開發(fā)應(yīng)用和安全保護的重要途徑。圍繞政策支撐、技術(shù)賦能、多主體合作、法律保障等方面詳細梳理了國外關(guān)于隱私計算技術(shù)賦能微觀數(shù)據(jù)應(yīng)用的重要舉措，為我國政府進一步開展微觀數(shù)據(jù)開發(fā)應(yīng)用工作提供有益參考。

發(fā)表于：2025/12/23

基于起源標注的數(shù)據(jù)中臺原始庫數(shù)據(jù)溯源研究[其他][其他]

數(shù)據(jù)中臺數(shù)據(jù)質(zhì)量審驗和問題診斷經(jīng)常需要追溯指定數(shù)據(jù)的歷史變化。著眼于追溯數(shù)據(jù)中臺源信息系統(tǒng)元數(shù)據(jù)和數(shù)據(jù)記錄變化，進行了數(shù)據(jù)表元數(shù)據(jù)起源標注和數(shù)據(jù)表數(shù)據(jù)記錄起源標注設(shè)計，基于數(shù)據(jù)中臺結(jié)構(gòu)化數(shù)據(jù)在線抽取功能同步生成相應(yīng)的數(shù)據(jù)起源標注，并針對數(shù)據(jù)表元數(shù)據(jù)版本變化歷史追溯、數(shù)據(jù)表數(shù)據(jù)記錄版本變化歷史追溯和指定時間段樹形表數(shù)據(jù)歷史追溯等典型溯源需求給出了具體解決方案。本方案在某部數(shù)據(jù)中臺系統(tǒng)中進行了具體實現(xiàn)，為數(shù)據(jù)中臺數(shù)據(jù)生命周期溯源提供了重要支撐。

發(fā)表于：2025/12/23

物聯(lián)網(wǎng)多維度安全防御模型研究[通信與網(wǎng)絡(luò)][信息安全]

傳統(tǒng)物聯(lián)網(wǎng)“感知–網(wǎng)絡(luò)–應(yīng)用”三層架構(gòu)在邊緣側(cè)存在防護盲區(qū)，而“六域模型”因?qū)嵤┏杀靖?、域間協(xié)同機制缺失導致工程落地困難?；谖锢碛?、網(wǎng)絡(luò)域、服務(wù)域的威脅分析，重構(gòu)“終端域–邊緣域–核心網(wǎng)域–云應(yīng)用域”四域架構(gòu)，并引入數(shù)據(jù)面與控制面解耦的雙層控制機制，提出“四域雙層”安全框架。該框架系統(tǒng)揭示硬件滲透、協(xié)議缺陷、量子計算沖擊及API語義沖突等多維威脅，構(gòu)建了終端輕量化防護、量子增強傳輸、服務(wù)端主動防御及全生命周期安全管控模型。銀行零信任場景與工業(yè)物聯(lián)網(wǎng)場景的實測表明，該架構(gòu)下攻擊檢出率≥98%，平均響應(yīng)時間≤500 ms。研究結(jié)果可為規(guī)?；锫?lián)網(wǎng)安全工程提供可復(fù)用的體系化方法。

發(fā)表于：2025/12/23

基于自編碼器的日志異常檢測方法研究[通信與網(wǎng)絡(luò)][信息安全]

系統(tǒng)日志蘊含關(guān)鍵運行信息與問題線索，但隨系統(tǒng)規(guī)模擴大，日志數(shù)據(jù)愈發(fā)龐大復(fù)雜，自動化異常檢測成為研究重點。當前研究面臨日志數(shù)據(jù)不平衡、有標簽數(shù)據(jù)稀少導致檢測精度不足的挑戰(zhàn)。為應(yīng)對挑戰(zhàn)，提出了多窗口LSTM自編碼器日志異常檢測方法，主要圍繞日志數(shù)據(jù)處理、自編碼模型和日志事件分類三個方面展開。該方法結(jié)合LSTM與自編碼器優(yōu)勢，并利用多窗口策略捕捉不同時間尺度上下文信息，針對時間敏感的日志提供了更有效的異常檢測方案。實驗結(jié)果表明，該方法在HDFS和BGL兩個公共數(shù)據(jù)集上均取得了較高的F1值，相比其他方法具有更好的異常檢測效果。

發(fā)表于：2025/12/23

一種協(xié)同表征學習與強化學習的工控協(xié)議模糊測試方法[通信與網(wǎng)絡(luò)][信息安全]

針對工業(yè)控制協(xié)議中復(fù)雜格式與字段依賴難以建模，傳統(tǒng)模糊測試在測試用例接收率與樣本多樣性方面存在不足，提出一種協(xié)同表征學習與強化學習的工控協(xié)議模糊測試方法。該方法結(jié)合深度可分離卷積的高效特征提取能力與多頭自注意力機制的全局依賴建模優(yōu)勢，構(gòu)建多尺度特征提取器，捕捉局部與全局特征。引入強化學習優(yōu)化策略，增強潛在空間表達能力。提出通用ICP(Industrial Control Protocols)模糊測試框架RLCAFuzzer，并在典型能源企業(yè)工業(yè)場景的攻防演練靶場上對3種常見工控協(xié)議(Modbus/TCP，Ethernet/IP，S7 comm)進行實驗驗證。結(jié)果表明該框架的TCAR指標顯著提高，并展現(xiàn)出更強異常觸發(fā)能力，驗證了其在工控協(xié)議漏洞挖掘中的有效性與先進性。

發(fā)表于：2025/12/23

融入注意力機制的改進YOLOv8n低空飛行器檢測技術(shù)[模擬設(shè)計][航空航天]

針對小型低空飛行器在復(fù)雜環(huán)境中檢測難的問題，提出了一種基于改進YOLOv8n模型的視覺檢測方法。通過引入輕量級的AKConv卷積模塊、SEAM通道空間混合域注意力模塊和排斥損失函數(shù)，構(gòu)建了YOLOv8-SE模型，并利用自制數(shù)據(jù)集進行訓練與測試。AKConv模塊通過動態(tài)調(diào)整卷積核的采樣位置提升了特征提取的靈活性，SEAM模塊增強了關(guān)鍵特征的捕捉能力，排斥損失函數(shù)則改善了遮擋環(huán)境下的檢測精度。實驗結(jié)果表明，相較于傳統(tǒng)模型，YOLOv8-SE在多個評價指標上均表現(xiàn)優(yōu)異。該研究為低空飛行器檢測領(lǐng)域提供了一種高效、可靠的解決方案，為資源受限設(shè)備上的深度學習模型優(yōu)化提供了新思路。

發(fā)表于：2025/12/23

一種高性能工業(yè)電源轉(zhuǎn)換模塊的設(shè)計與實現(xiàn)[電源技術(shù)][工業(yè)自動化]

針對工業(yè)過程控制中傳統(tǒng)電源模塊轉(zhuǎn)換效率低、輸出電壓波動大、保護機制不完善等問題，提出一種集成高效轉(zhuǎn)換、精準控制、多重保護及智能通信功能的電源轉(zhuǎn)換模塊。該模塊由濾波電路、有源功率因數(shù)校正電路等12個核心單元組成，通過PWM閉環(huán)控制與MCU協(xié)同調(diào)節(jié)實現(xiàn)穩(wěn)定輸出，具備輸入過壓和欠壓、輸出過壓和過流、過溫等多重保護功能。測試結(jié)果表明，該模塊轉(zhuǎn)換效率達89%以上，較傳統(tǒng)電源模塊效率提升5%~10%，輸出電壓精度在±3%以內(nèi)，電壓與負載調(diào)整率均≤1%，優(yōu)于同類產(chǎn)品。該模塊各項性能指標滿足工業(yè)自動化控制系統(tǒng)對高可靠性電源的需求，可廣泛應(yīng)用于PLC控制、智能傳感器等對電源穩(wěn)定性要求嚴苛的場景，具有較高的實用價值與推廣前景。

發(fā)表于：2025/12/23

數(shù)據(jù)血緣關(guān)系構(gòu)建方法綜述[其他][其他]

隨著數(shù)據(jù)量的急劇增長，如何管理和利用數(shù)據(jù)面臨嚴峻挑戰(zhàn)。而數(shù)據(jù)血緣作為數(shù)據(jù)治理的核心組成部分，在數(shù)據(jù)治理中有重要作用，如提升數(shù)據(jù)質(zhì)量、保障數(shù)據(jù)安全等。研究了構(gòu)建數(shù)據(jù)血緣關(guān)系的方法，包括系統(tǒng)跟蹤法、基于SQL解析的方法、逆置函數(shù)法、標注法和機器學習法，分析了不同數(shù)據(jù)血緣構(gòu)建方法的優(yōu)缺點和應(yīng)用場景，并探討未來研究方向，為數(shù)據(jù)血緣關(guān)系的應(yīng)用及后續(xù)研究提供參考。

發(fā)表于：2025/12/23

數(shù)據(jù)競爭行為的類型化重構(gòu)及其規(guī)制因應(yīng)[其他][其他]

面對數(shù)據(jù)市場的競爭失序，競爭法律欲實現(xiàn)辨證施治，需以數(shù)據(jù)競爭行為的類型化歸納為前提。傳統(tǒng)“不正當競爭與壟斷”的二分法既難以適應(yīng)數(shù)據(jù)競爭行為的復(fù)雜性，也不足以回應(yīng)數(shù)據(jù)治理的現(xiàn)實需要?；跀?shù)據(jù)生產(chǎn)流程，可將數(shù)據(jù)競爭行為劃分為獲取階段的競爭行為與使用階段的競爭行為兩類。前者包括獲取經(jīng)營者數(shù)據(jù)、用戶數(shù)據(jù)及拒絕數(shù)據(jù)獲取；后者涵蓋數(shù)據(jù)排他性使用、數(shù)據(jù)驅(qū)動型自我優(yōu)待和大數(shù)據(jù)殺熟。據(jù)此，應(yīng)確立包容審慎的規(guī)制理念，并在獲取階段強調(diào)數(shù)據(jù)流通，以包容促發(fā)展；在使用階段注重權(quán)益保護，以審慎防風險。

發(fā)表于：2025/12/23

基于雙軸激光掃描的煤倉物位深度檢測系統(tǒng)[MEMS|傳感技術(shù)][安防電子]

為了準確測量煤倉物位的深度信息，避免物位過高或過低對輸煤過程造成影響，提出了一種基于雙軸激光掃描的煤倉物位深度檢測系統(tǒng)。系統(tǒng)采用雙軸振鏡結(jié)構(gòu)實現(xiàn)大視場掃描，完成物位面任意位置的激光測距。搭建了符合雙軸振鏡與激光測距的同步光路結(jié)構(gòu)，設(shè)計了調(diào)焦模塊用于光束整形。在動態(tài)調(diào)焦測試中，對2 m~5 m范圍內(nèi)的光斑變化進行了測試，光斑直徑均小于0.5 mm，符合聚焦照射待測物面的設(shè)計要求。物面深度實驗中，分別測試了距離為2 m和5 m的物面高度，測試偏轉(zhuǎn)角介于0°~20°之間。實驗結(jié)果顯示，兩個測試條件下，最大誤差為23 mm，物位上下限的測試結(jié)果的誤差均小于0.5%以內(nèi)。該雙軸激光掃描系統(tǒng)精度高、視場大，且具備在線實時測試的能力，在煤倉物位檢測領(lǐng)域具有較高的實用價值。

發(fā)表于：2025/12/17

NDIR二氧化碳氣體傳感器設(shè)計[MEMS|傳感技術(shù)][消費電子]

傳統(tǒng)的CO2檢測系統(tǒng)存在體積較大、難以集成、可靠性低以及精度差等問題，難以滿足消費電子領(lǐng)域以及車用領(lǐng)域的應(yīng)用需求。為了解決以上問題，以紅外光源、氣室、雙通道熱電堆探測器和單片機為核心，設(shè)計了一款具有溫度補償功能的高精度高可靠性的CO2氣體傳感器模組。在結(jié)構(gòu)方面，創(chuàng)新性地采用了反射式的氣室結(jié)構(gòu)，顯著提高了系統(tǒng)集成度，成功實現(xiàn)了傳感器微型化；在硬件設(shè)計方面，采取磁珠、電容器、屏蔽層等多種抗干擾措施，提高了模組的穩(wěn)定性；在軟件方面，采用比值標定法建立溫度補償模型，從而消除環(huán)境溫度的干擾。實驗結(jié)果表明，在-20 ℃~50 ℃溫度下，0~5000 ppm濃度范圍內(nèi)，該傳感器最大檢測誤差小于3%，響應(yīng)時間不超過2 min，具有精度高和響應(yīng)快等優(yōu)點。

發(fā)表于：2025/12/17

光伏功率預(yù)測的對抗攻擊與防御研究[模擬設(shè)計][信息安全]

深度神經(jīng)網(wǎng)絡(luò)已廣泛應(yīng)用于光伏功率預(yù)測，但卻容易受到對抗攻擊的威脅。為提高預(yù)測模型的對抗魯棒性，提出了一種基于快速梯度符號法的對抗攻擊算法與一種基于對抗訓練的防御算法。快速梯度符號法生成具有時序關(guān)聯(lián)性的對抗樣本，建立攻擊強度與預(yù)測誤差的量化關(guān)系；對抗訓練通過結(jié)合對抗樣本，增強模型對輸入擾動的泛化能力，以抵御對抗攻擊。實驗數(shù)據(jù)表明，對抗攻擊能顯著降低模型的預(yù)測準確率，而經(jīng)過對抗訓練的模型能有效提升魯棒性。該方法驗證了對抗攻防機制在光伏功率預(yù)測中的有效性，對電力系統(tǒng)的安全運行具有實際應(yīng)用價值。

發(fā)表于：2025/12/17

基于SABNet的自閉癥譜系障礙多模態(tài)腦影像識別研究[模擬設(shè)計][醫(yī)療電子]

自閉癥譜系障礙（ASD）是一種影響社交互動、溝通和行為的神經(jīng)發(fā)展障礙，早期診斷至關(guān)重要，但在處理多模態(tài)腦數(shù)據(jù)時仍面臨挑戰(zhàn)。為此，提出了一種基于多模態(tài)特征融合的端到端模型SABNet，該模型通過稀疏自編碼器對功能數(shù)據(jù)進行特征篩選，并結(jié)合結(jié)構(gòu)數(shù)據(jù)構(gòu)建聯(lián)合特征。最終，結(jié)合雙向長短期記憶網(wǎng)絡(luò)和注意力機制提取動態(tài)序列中的重要信息，實現(xiàn)高效分類。通過在中型ASD-MRI數(shù)據(jù)集上的實驗，SABNet在分類準確率（91.21%）等核心指標上明顯優(yōu)于傳統(tǒng)方法，主成分分析進一步驗證了其有效性。該研究表明了SABNet在ASD識別中的優(yōu)異性能，并展示了多模態(tài)特征融合在腦疾病分類中的潛力。未來研究將致力于優(yōu)化模型結(jié)構(gòu)、擴大數(shù)據(jù)集規(guī)模，并提升其適用性和泛化能力。

發(fā)表于：2025/12/17