亚洲中文字幕丝祙制服片,97欧美精品一区二区三区

人工智能安全關(guān)鍵型系統(tǒng)中的驗(yàn)證和確認(rèn)[人工智能][航空航天]

　　隨著世界各個(gè)國家／地區(qū)紛紛制定人工智能相關(guān)法規(guī)，設(shè)計(jì)基于人工智能的系統(tǒng)的工程師必須滿足這些新出臺(tái)的規(guī)范和標(biāo)準(zhǔn)要求。在 2023 年 10 月 30 日，美國白宮也頒布了一項(xiàng)關(guān)于人工智能法規(guī)的行政命令，強(qiáng)調(diào)穩(wěn)健的驗(yàn)證和確認(rèn)（V&V）過程對(duì)基于人工智能的系統(tǒng)至關(guān)重要。該指令要求人工智能公司報(bào)告和測(cè)試特定模型，以確保人工智能系統(tǒng)按預(yù)期運(yùn)行并滿足指定要求。

發(fā)表于：2024/3/1

是德科技發(fā)布2024技術(shù)趨勢(shì)預(yù)測(cè)，新一輪技術(shù)變革機(jī)遇浮現(xiàn)（下篇）[人工智能][數(shù)據(jù)中心]

　　科技點(diǎn)亮未來，創(chuàng)新驅(qū)動(dòng)發(fā)展。隨著科技創(chuàng)新的步伐日益加快，2024年將迎來新一輪的突破，有望從根本上重塑整個(gè)世界的生活、互動(dòng)和交流方式。是德科技緊跟技術(shù)創(chuàng)新與行業(yè)發(fā)展動(dòng)向，于近期發(fā)布了2024主要技術(shù)趨勢(shì)預(yù)測(cè)，內(nèi)容涵蓋云計(jì)算、6G、AI與營銷及AI趨勢(shì)、軟件測(cè)試與AI、半導(dǎo)體和軟件與AI、EDA、量子、電動(dòng)汽車等熱點(diǎn)話題，旨在為行業(yè)提供前瞻性的洞察與思考，從而預(yù)見未來。

發(fā)表于：2024/2/29

對(duì)網(wǎng)絡(luò)空間安全建模的系統(tǒng)思考[其他][信息安全]

發(fā)表于：2024/2/29

彈性自組織多集群管理系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)[其他][信息安全]

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(tái)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(gè)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(cè)試驗(yàn)證，并與其他方案對(duì)比，測(cè)試結(jié)果表明該方案能夠滿足未來分布式云場(chǎng)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：2024/2/29

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[其他][信息安全]

針對(duì)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(duì)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：2024/2/29

基于動(dòng)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[其他][信息安全]

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(gè)亟待解決的問題。提出了一種基于動(dòng)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(duì)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(dòng)態(tài)負(fù)載均衡策略對(duì)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：2024/2/29

基于ADE-ABiGRU的物聯(lián)網(wǎng)安全態(tài)勢(shì)預(yù)測(cè)[其他][信息安全]

針對(duì)物聯(lián)網(wǎng)安全態(tài)勢(shì)預(yù)測(cè)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(shì)預(yù)測(cè)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(duì)復(fù)雜時(shí)序依賴性的捕捉和對(duì)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(cè)準(zhǔn)確性和穩(wěn)定性。

發(fā)表于：2024/2/29

目標(biāo)與態(tài)勢(shì)三維可視化系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)[其他][信息安全]

為提升大規(guī)模數(shù)據(jù)下態(tài)勢(shì)展示的性能和效果，對(duì)態(tài)勢(shì)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(shì)監(jiān)控、歷史態(tài)勢(shì)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(duì)多源異構(gòu)態(tài)勢(shì)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(chǔ)存于多級(jí)數(shù)據(jù)存儲(chǔ)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(shì)的三維地理空間可視化。仿真結(jié)果表明，該系統(tǒng)態(tài)勢(shì)數(shù)據(jù)獲取快速高效，態(tài)勢(shì)展示效果立體清晰，能夠滿足大型模擬對(duì)抗演習(xí)中的目標(biāo)分析、態(tài)勢(shì)監(jiān)控和回放需求。

發(fā)表于：2024/2/29

數(shù)據(jù)利他主義：歐盟數(shù)據(jù)治理新理念及其啟示[其他][信息安全]

歐盟數(shù)據(jù)治理法（DGA）的正式出臺(tái)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(duì)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(duì)DGA尤其是該法貫徹的利他理念進(jìn)行評(píng)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(duì)之加以借鑒。

發(fā)表于：2024/2/29

網(wǎng)絡(luò)安全等級(jí)保護(hù)制度下的數(shù)據(jù)安全研究[其他][信息安全]

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(jí)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(jí)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：2024/2/29

基于隱私計(jì)算技術(shù)的數(shù)據(jù)安全共享交互框架[其他][信息安全]

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(gè)或多個(gè)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(duì)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(dòng)模型動(dòng)”，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：2024/2/29

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

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(dòng)態(tài)兩個(gè)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(duì)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：2024/2/29

融合協(xié)議信息的TOR匿名網(wǎng)絡(luò)流量識(shí)別方法[其他][信息安全]

TOR（The Onion Router）匿名網(wǎng)絡(luò)流量識(shí)別是一項(xiàng)重要的加密流量檢測(cè)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(duì)TOR的檢測(cè)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(cè)任務(wù)上效果顯著，其中l(wèi)ightGBM模型檢測(cè)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(cè)，在不同版本的TOR流量檢測(cè)任務(wù)中準(zhǔn)確率均高于97%。

發(fā)表于：2024/2/29

基于梯度優(yōu)化的大語言模型后門識(shí)別探究[其他][信息安全]

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(duì)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(shí)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(duì)識(shí)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(cè)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：2024/2/29

基于黑盒測(cè)試框架的深度學(xué)習(xí)模型版權(quán)保護(hù)方法[人工智能][信息安全]

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。現(xiàn)有模型版權(quán)保護(hù)方法一般采用確定性測(cè)試樣本生成算法，存在選擇效率低和對(duì)抗攻擊脆弱的問題。針對(duì)上述問題，提出了一種基于黑盒測(cè)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(cè)試效率并降低了對(duì)抗攻擊的風(fēng)險(xiǎn)。此外針對(duì)黑盒場(chǎng)景，引入了新的測(cè)試指標(biāo)和算法，增強(qiáng)了黑盒防御的能力，確保每個(gè)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：2024/2/29