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(guò)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(jiàn)”“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(shuō)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(kāi)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[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(guó)等大模型的治理經(jīng)驗(yàn)，針對(duì)我國(guó)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(guò)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(lái)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(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(yè)、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(kāi)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：2/29/2024

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

隨著大語(yǔ)言模型的流行并且應(yīng)用在越來(lái)越多的領(lǐng)域，大語(yǔ)言模型的安全問(wèn)題也隨之而來(lái)。 通常訓(xùn)練大語(yǔ)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(kāi)源的數(shù)據(jù)集以及模型，這給后門(mén)攻擊提供了絕佳的溫室。后門(mén)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(méi)有注入后門(mén)時(shí)一樣正常，但當(dāng)輸入帶有后門(mén)觸發(fā)器的數(shù)據(jù)時(shí)模型輸出異常。防止后門(mén)攻擊的有效方法就是進(jìn)行后門(mén)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：2/29/2024

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?，F(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(wèn)題。針對(duì)上述問(wèn)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：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[其他][信息安全]

隨著信息爆炸時(shí)代的到來(lái)，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(dòng)抄清方法難以應(yīng)對(duì)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(yǔ)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(guò)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(yǔ)言處理技術(shù)對(duì)抄清數(shù)據(jù)進(jìn)行分析，結(jié)合語(yǔ)法及語(yǔ)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

基于句粒度提示的大語(yǔ)言模型時(shí)序知識(shí)問(wèn)答方法[其他][信息安全]

知識(shí)問(wèn)答是自然語(yǔ)言處理領(lǐng)域的研究熱點(diǎn)之一，而時(shí)序知識(shí)問(wèn)答還需考慮知識(shí)的時(shí)序關(guān)系，更是研究難點(diǎn)所在。當(dāng)前時(shí)序知識(shí)問(wèn)答方法通常將知識(shí)和問(wèn)題的詞向量相似度作為回答的重要依據(jù)，忽略了知識(shí)所蘊(yùn)含的句粒度語(yǔ)義信息。對(duì)此，提出了一種基于句粒度提示的大語(yǔ)言模型時(shí)序知識(shí)問(wèn)答方法，首先通過(guò)對(duì)句粒度提示的改進(jìn)，讓大語(yǔ)言模型高效學(xué)習(xí)句粒度語(yǔ)義信息，同時(shí)驗(yàn)證大語(yǔ)言模型在Zeroshot、Fewshot及弱監(jiān)督微調(diào)下時(shí)序知識(shí)問(wèn)答能力。在ICEWS0515數(shù)據(jù)集上進(jìn)行實(shí)驗(yàn)，所提方法回答正確準(zhǔn)確率得到可觀提升，體現(xiàn)了基于句粒度提示的大語(yǔ)言模型時(shí)序知識(shí)問(wèn)答方法的有效性。

發(fā)表于：2/29/2024

【探索前沿 測(cè)試為先】低電壓測(cè)試，AI技術(shù)熱潮背后算力核心的重要支撐[測(cè)試測(cè)量][數(shù)據(jù)中心]

　　2023什么最火？無(wú)疑是以ChatGPT為代表的AGI （通用人工智能）了，甚至被稱之為第四次工業(yè)革命的推動(dòng)者。比爾·蓋茨說(shuō)，“ChatGPT像互聯(lián)網(wǎng)發(fā)明一樣重要，將會(huì)改變世界?！?/a>

IO-Link如何將“智能”融入智能工廠[通信與網(wǎng)絡(luò)][工業(yè)自動(dòng)化]

　　IO-Link®有望讓幾乎所有工廠傳感器或執(zhí)行器實(shí)現(xiàn)“智能化”，從而能夠與過(guò)程控制器進(jìn)行通信并共享有價(jià)值的數(shù)據(jù)。這篇博文探討了IO-Link的開(kāi)發(fā)原因、工作原理、使用場(chǎng)合和局限性。

發(fā)表于：2/29/2024

如何實(shí)現(xiàn)MSO 示波器更多通道的測(cè)試？[測(cè)試測(cè)量][消費(fèi)電子]

　　本文以泰克4，5和6系列MSO為例，說(shuō)明了多示波器同步的程序和原理。4，5和6系列MSO支持任意型號(hào)示波器之間的同步，從而實(shí)現(xiàn)更多通道的同步采集系統(tǒng)。

發(fā)表于：2/29/2024

Microchip推出3.3 kV XIFM 即插即用mSiC? 柵極驅(qū)動(dòng)器[電子元件][汽車電子]

　　萬(wàn)物電氣化推動(dòng)了碳化硅 （SiC）技術(shù)在交通、電網(wǎng)和重型汽車等中高壓應(yīng)用領(lǐng)域的廣泛采用。為了幫助開(kāi)發(fā)人員部署SiC解決方案并快速推進(jìn)開(kāi)發(fā)流程，Microchip Technology Inc.（微芯科技公司）今日（2024年2月23日）推出采用Augmented Switching? 專利技術(shù)的3.3 kV XIFM 即插即用mSiC?柵極驅(qū)動(dòng)器。該驅(qū)動(dòng)器采用預(yù)配置模塊設(shè)置，開(kāi)箱即用，可顯著縮短設(shè)計(jì)和評(píng)估時(shí)間。

發(fā)表于：2/29/2024

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)(上篇)[測(cè)試測(cè)量][5G]

科技點(diǎn)亮未來(lái)，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(lái)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(yíng)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(jiàn)未來(lái)。 此次關(guān)于趨勢(shì)預(yù)測(cè)的文章共分為上下兩篇，上篇重點(diǎn)圍繞AI與營(yíng)銷及AI趨勢(shì)、軟件測(cè)試與AI 、半導(dǎo)體和軟件與AI、以及EDA等領(lǐng)域進(jìn)行深入探討，解讀新質(zhì)生產(chǎn)力會(huì)給各行各業(yè)帶來(lái)哪些變化與影響。

發(fā)表于：2/28/2024

天合儲(chǔ)能與國(guó)際能源巨頭Low Carbon強(qiáng)強(qiáng)聯(lián)手[電源技術(shù)][工業(yè)自動(dòng)化]

天合儲(chǔ)能與國(guó)際知名獨(dú)立發(fā)電商 Low Carbon公司簽訂190MW液冷儲(chǔ)能系統(tǒng)供貨協(xié)議,為其在英國(guó)當(dāng)?shù)靥峁㏕rinaStorage Elementa在內(nèi)的儲(chǔ)能系統(tǒng)和解決方案。該項(xiàng)目落成后,將提升各發(fā)電廠的峰谷套利及其他輔助服務(wù)收益,加速新型電力系統(tǒng)的變革。

發(fā)表于：2/28/2024

淺談因電遷移引發(fā)的半導(dǎo)體失效[模擬設(shè)計(jì)][工業(yè)自動(dòng)化]

淺談因電遷移引發(fā)的半導(dǎo)體失效

發(fā)表于：2/28/2024

新型六位半數(shù)字電壓測(cè)量模塊助力突破工業(yè)精密測(cè)量邊界[測(cè)試測(cè)量][工業(yè)自動(dòng)化]

　　俗話說(shuō)“差之毫厘，謬以千里”，在當(dāng)下精密工業(yè)領(lǐng)域，儀表測(cè)量的精確性直接影響生產(chǎn)過(guò)程中的自動(dòng)化控制水平及設(shè)備工作的安全可靠性。電壓，作為電力系統(tǒng)中的基本參數(shù)之一，如何借助小尺寸且易于系統(tǒng)集成的高可靠性單元實(shí)現(xiàn)精確測(cè)量，成為眾多領(lǐng)域客戶提出的創(chuàng)新性需求。作為全球領(lǐng)先的半導(dǎo)體技術(shù)提供商，ADI開(kāi)創(chuàng)性推出了新型六位半數(shù)字電壓測(cè)量模塊，大大降低了實(shí)現(xiàn)精確電壓測(cè)量的門(mén)檻。

發(fā)表于：2/27/2024