123,123

塑造自動(dòng)駕駛體驗(yàn)的半導(dǎo)體技術(shù)[MEMS|傳感技術(shù)][汽車電子]

未來的汽車將具備更強(qiáng)的自主性，從而減輕人們的駕駛負(fù)擔(dān)。那么，設(shè)計(jì)工程師應(yīng)該如何實(shí)現(xiàn)這一愿景？

發(fā)表于：12/30/2025

電動(dòng)汽車充電樁的日常使用：人機(jī)界面技術(shù)[電源技術(shù)][汽車電子]

為了推動(dòng)電動(dòng)汽車（EV）的廣泛普及，充電基礎(chǔ)設(shè)施中人機(jī)界面（HMI）觸摸顯示屏的應(yīng)用逐漸受到關(guān)注。汽車制造商不斷豐富旗下電動(dòng)汽車車型，這也意味著需要為客戶提供更多易于使用的充電樁。

發(fā)表于：12/24/2025

恩智浦兩輪車手機(jī)鏡像投屏助力智能騎行[顯示光電][消費(fèi)電子]

以MCU為核心的平臺(tái)為入門級(jí)數(shù)字互聯(lián)儀表板(DCC)增添智能手機(jī)鏡像投屏功能。目前，可集成于儀表板的騎行者必備功能日益豐富，RT產(chǎn)品路線圖還將納入更多先進(jìn)特性。

發(fā)表于：12/24/2025

智能AI，適配您的邊緣部署[人工智能][數(shù)據(jù)中心]

滿足邊緣應(yīng)用的需求需要使用高效、可適應(yīng)且可擴(kuò)展的人工智能，因?yàn)檫@些場景往往涉及特別的技術(shù)限制和可能性

發(fā)表于：12/24/2025

以先進(jìn)半導(dǎo)體技術(shù)賦能AI芯片發(fā)展[人工智能][數(shù)據(jù)中心]

AI工作負(fù)載要求極高速度的數(shù)據(jù)處理，但傳統(tǒng)內(nèi)存技術(shù)往往難以跟上這一速度，從而導(dǎo)致延遲和效率低下。內(nèi)存瓶頸和內(nèi)存帶寬限制仍然是優(yōu)化AI性能的關(guān)鍵障礙。

發(fā)表于：12/24/2025

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

數(shù)據(jù)中臺(tái)數(shù)據(jù)質(zhì)量審驗(yàn)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(tái)源信息系統(tǒng)元數(shù)據(jù)和數(shù)據(jù)記錄變化，進(jìn)行了數(shù)據(jù)表元數(shù)據(jù)起源標(biāo)注和數(shù)據(jù)表數(shù)據(jù)記錄起源標(biāo)注設(shè)計(jì)，基于數(shù)據(jù)中臺(tái)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(biāo)注，并針對(duì)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(shí)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(tái)系統(tǒng)中進(jìn)行了具體實(shí)現(xiàn)，為數(shù)據(jù)中臺(tái)數(shù)據(jù)生命周期溯源提供了重要支撐。

發(fā)表于：12/23/2025

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(yùn)含關(guān)鍵運(yùn)行信息與問題線索，但隨系統(tǒng)規(guī)模擴(kuò)大，日志數(shù)據(jù)愈發(fā)龐大復(fù)雜，自動(dòng)化異常檢測成為研究重點(diǎn)。當(dāng)前研究面臨日志數(shù)據(jù)不平衡、有標(biāo)簽數(shù)據(jù)稀少導(dǎo)致檢測精度不足的挑戰(zhàn)。為應(yīng)對(duì)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(gè)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(shí)間尺度上下文信息，針對(duì)時(shí)間敏感的日志提供了更有效的異常檢測方案。實(shí)驗(yàn)結(jié)果表明，該方法在HDFS和BGL兩個(gè)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：12/23/2025

一種協(xié)同表征學(xué)習(xí)與強(qiáng)化學(xué)習(xí)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(duì)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(xué)習(xí)與強(qiáng)化學(xué)習(xí)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(jī)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(qiáng)化學(xué)習(xí)優(yōu)化策略，增強(qiáng)潛在空間表達(dá)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(duì)3種常見工控協(xié)議(Modbus/TCP，Ethernet/IP，S7 comm)進(jìn)行實(shí)驗(yàn)驗(yàn)證。結(jié)果表明該框架的TCAR指標(biāo)顯著提高，并展現(xiàn)出更強(qiáng)異常觸發(fā)能力，驗(yàn)證了其在工控協(xié)議漏洞挖掘中的有效性與先進(jìn)性。

發(fā)表于：12/23/2025

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(yán)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(biāo)注法和機(jī)器學(xué)習(xí)法，分析了不同數(shù)據(jù)血緣構(gòu)建方法的優(yōu)缺點(diǎn)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：12/23/2025

人工智能侵權(quán)立法中的歸責(zé)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(duì)侵權(quán)立法形成挑戰(zhàn)，基于人工智能風(fēng)險(xiǎn)分級(jí)的侵權(quán)歸責(zé)邏輯與傳統(tǒng)歸責(zé)邏輯的沖突凸顯。理論上，基于人工智能風(fēng)險(xiǎn)分級(jí)的侵權(quán)歸責(zé)邏輯源于歐盟的人工智能風(fēng)險(xiǎn)分級(jí)治理方案，但其沖擊了既有民事侵權(quán)歸責(zé)結(jié)構(gòu)，使各方主體的責(zé)任承擔(dān)處于不確定狀態(tài)。將技術(shù)風(fēng)險(xiǎn)凌駕于權(quán)利保護(hù)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(cuò)誤做法。人工智能技術(shù)風(fēng)險(xiǎn)具有損害嚴(yán)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(hù)規(guī)則下得到有效規(guī)制。此時(shí)，回歸基于權(quán)利客體差異的歸責(zé)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(biāo)準(zhǔn)，必要時(shí)可通過原則性規(guī)定有限地接納新型風(fēng)險(xiǎn)的規(guī)制任務(wù)，以最小制度成本實(shí)現(xiàn)技術(shù)風(fēng)險(xiǎn)的高效治理。

發(fā)表于：12/23/2025

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(duì)數(shù)據(jù)市場的競爭失序，競爭法律欲實(shí)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(dāng)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(shí)需要。基于數(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??；后者涵蓋數(shù)據(jù)排他性使用、數(shù)據(jù)驅(qū)動(dòng)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(qiáng)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(hù)，以審慎防風(fēng)險(xiǎn)。

發(fā)表于：12/23/2025

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

發(fā)表于：12/23/2025

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

微觀數(shù)據(jù)價(jià)值挖掘?qū)x能經(jīng)濟(jì)社會(huì)發(fā)展具有重要意義，以統(tǒng)計(jì)局為代表的國家有關(guān)部門也在積極推動(dòng)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(jì)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(hù)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(xì)梳理了國外關(guān)于隱私計(jì)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(jìn)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：12/23/2025

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(hù)盲區(qū)，而“六域模型”因?qū)嵤┏杀靖?、域間協(xié)同機(jī)制缺失導(dǎo)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(jī)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(jì)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(hù)、量子增強(qiáng)傳輸、服務(wù)端主動(dòng)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(shí)測表明，該架構(gòu)下攻擊檢出率≥98%，平均響應(yīng)時(shí)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：12/23/2025

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

針對(duì)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(jìn)YOLOv8n模型的視覺檢測方法。通過引入輕量級(jí)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(jìn)行訓(xùn)練與測試。AKConv模塊通過動(dòng)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(qiáng)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(shí)驗(yàn)結(jié)果表明，相較于傳統(tǒng)模型，YOLOv8-SE在多個(gè)評(píng)價(jià)指標(biāo)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(xué)習(xí)模型優(yōu)化提供了新思路。

發(fā)表于：12/23/2025