123,123

机器学习在恶意加密流量检测中的应用及研究[人工智能][信息安全]

随着加密通信的普及，恶意攻击者利用加密流量隐藏活动，传统基于签名和规则的检测方法面临挑战。机器学习为恶意加密流量检测提供了新解决方案。综述了监督学习、非监督学习、深度学习和集成学习在该领域的应用。监督学习通过标记数据识别已知攻击，非监督学习在未标记数据中发现新型攻击模式，深度学习提升了在大数据环境中的特征提取能力，而集成学习则通过模型融合增强系统鲁棒性。研究表明，机器学习显著提高了恶意行为识别的准确性，特别是在复杂数据特征提取和新攻击模式发现方面。

發(fā)表于：2025/4/21 下午4:01:10

自动化决策算法中的个人信息侵权因果关系认定[其他][信息安全]

自动化决策算法与传统侵权法体系之间存在适用上的矛盾，亟须通过因果关系的认定予以化解。对此，应在坚持传统的因果关系构成要件认定标准基础上，结合比例因果关系理论，对各因素在损害结果中的贡献进行量化分析。针对单一信息处理者场景，可以在疑难案件中引入“合理盖然性”标准降低受害人举证难度；对于多主体参与的情形，通过类推适用共同危险行为制度实现举证责任倒置，但需以整体行为与损害的因果关系证成为前提。此法律框架有助于在多方数据处理和信息流转背景下，更有效地解决技术复杂性带来的法律挑战，推动信息保护与技术发展的平衡。

發(fā)表于：2025/4/1 下午5:29:01

“流量劫持”行为民刑法律责任界分机制研究[通信与网络][信息安全]

通过对我国关涉“流量劫持”行为刑事判例的研习，可以发现当前司法实践中存在“罪名选择困难、实行行为与帮助行为识别错误、民刑界分不清”问题。鉴于当前学术界未对“流量劫持”行为的处理达成一致观点，亟须依靠类型化思维从定义、类型、本质维度对“流量劫持”行为进行再思考。在责任层面，应当以“计算机系统安全的损害后果严重性”作为法秩序统一性原理指引下民刑责任区分的边界。首先，应以“破坏计算机信息系统罪”追究域名劫持行为刑事责任；以“非法控制计算机信息系统罪”追究链路劫持以及其他未达到“破坏”程度的流量劫持行为刑事责任；在上述两种罪名无法完全涵盖所有犯罪行为时，合理将“提供侵入、非法控制计算机信息系统程序、工具罪”和“帮助信息网络犯罪活动罪”作为兜底罪名予以补充适用。其次，对于虽然具备广义“破坏”之意，但却没有达到“非法控制他人计算机信息系统”程度的“流量劫持”行为，应当将其作为民事反不正当竞争案件论处。最后，取得用户同意是认定劫持行为系合法正当行为的法理基础。

發(fā)表于：2025/4/1 下午5:18:03

个人数据信托制度构建研究[其他][信息安全]

随着数字时代的到来，个人数据价值越来越高，个人数据安全问题愈发紧迫。当前，个人数据保护存在隐私政策或用户协议的合同困境、数据交易市场主体地位不平等以及数据权属不明等问题。为了破解交易市场中个人数据保护的困境，引入信托制度具有可行性和独特优势。通过引入第三方信托机构，明确数据权属、个人数据信托制度的基本构成以及相关配套制度，构建个人数据信托制度体系，推动数据权属的法律界定，以达到破解交易困境和保护个人数据权利的双重目的。

發(fā)表于：2025/4/1 下午5:07:57

公共数据授权运营的风险研判及合作治理[其他][其他]

以全流程视野审视公共数据授权运营的风险，主要表现为数据授权阶段的供需对接风险、数据运营阶段的垄断风险以及数据开发利用阶段的失控风险。合作治理模式能通过多元主体间的合作共治、柔性化治理规则以及多样化的治理策略，实现利益协调、弥缝政策规范缺口及提升治理能效。立基于此，公共数据授权运营风险的有效治理应遵循以下具体路径：以商谈机制型构共治格局,以利益补偿机制为核心促进多元主体利益衡平与协调,以软硬兼济方式增强治理规范供给,用以回应性治理策略增进治理效能。

發(fā)表于：2025/4/1 下午4:55:00

数据要素市场下的企业数据合规指引研究[其他][信息安全]

数据是数字经济时代的关键生产要素，是国家基础性战略性资源，如何合规高效地利用数据成为企业打造核心竞争力的关键。数据合规指引不仅明确了数据合规的原则和要求，还提供了具体的实施步骤和最佳实践，帮助企业建立和完善数据合规管理体系。总结了我国各地制定的区域型数据合规指引、行业主管部门制定的行业型数据合规以及场景型数据合规指引的特征，分析了当前区域型数据合规指引发展趋势可能引发的区域割裂风险，以及法律法规之间的不一致给数据合规指引带来的难处，还有监督机制不健全带来的企业数据效果难保障等问题。指出要从全局视角加强统筹协调以构建企业数据合规指引，突出企业数据合规指引对能力建设的指导作用，重在指导企业建立数据合规管理体系，并提出建立合规评审机制促进企业数据合规管理体系建设。

發(fā)表于：2025/4/1 下午4:43:55

面向机器学习建模的数据治理技术路径研究[人工智能][其他]

随着人工智能和机器学习技术的快速发展，数据质量已成为提升模型性能和可靠性的核心因素。特别是在不同类型机器学习模型的应用中，如何有效地实施数据治理以提升数据质量、稳定性和公平性，仍然是一个亟待解决的问题。综述了数据治理在机器学习建模中的关键作用，提出了一套系统性的数据治理框架，涵盖数据采集、处理、标注、模型训练等全过程，旨在提供切实可行的治理方案以支撑机器学习应用。该框架强调在不同阶段采用针对性的技术措施，确保数据治理的有效性，从而促进数据质量的提升和模型的可解释性、稳定性及公平性的保障。本研究为数据治理在机器学习中的深入应用提供了理论基础，并为后续的技术实践和创新提供了指导。

發(fā)表于：2025/4/1 下午4:31:03

气象数据安全防护体系建设探索与实践[其他][信息安全]

数据安全的重要性已是普遍共识，它涉及个人隐私、企业商业秘密和国家安全等多个层面。气象数据作为气象部门最重要的资产之一，一旦泄露，将会带来重大社会影响。针对气象数据安全可能面对的各种安全威胁和风险，详细介绍了气象数据安全防护体系建设的思路，提出了从数据安全管理、数据安全监测预警、数据安全防护、数据安全应急处置等方面来保障数据安全，为其他部门构建数据安全防护体系提供参考。

發(fā)表于：2025/4/1 下午4:20:55

“数据出境豁免”规则下数据出境安全评估的演变与完善[其他][信息安全]

“数据出境豁免”规则通过提高数据安全评估制度的适用门槛、设置数据出境安全评估的豁免情形对数据出境安全评估制度产生了重要影响。然而“数据出境豁免”规则的设置在概念范畴、豁免事由的证成以及规范目的符合性等问题上并未完全理顺适用逻辑，这在一定程度上影响数据安全评估制度更好地发挥其效用。为此，通过反思“数据出境豁免”规则可能对数据安全评估制度造成的适用性困惑，将“数据出境豁免”规则与欧盟GDPR“克减规则”进行比较并探寻借鉴意义，从价值层面审视制度定位并通过体系化解释适恰上位法规范目的，从定性和定量双重维度考量豁免事由，加强“数据出境豁免”规则与国家数据分级分类制度之间的制度衔接。

發(fā)表于：2025/4/1 下午4:08:55

基于改进FP-growth的多品类打包推荐算法[其他][其他]

多品类打包推荐是现代推荐系统中的重要任务，旨在通过组合不同类别的产品，向用户进行一站式推荐，以满足用户的多样化需求并提升用户体验。目前，该任务面临即时响应需求高、数据规模庞大、数据稀疏性高等挑战，现有打包算法难以应对。为解决上述问题，提出了一种基于改进FP-growth算法的多品类打包推荐算法，即在FP-growth算法的基础上，对产品属性间的关联关系进行挖掘，并根据属性关联规则匹配出符合度最高的打包产品，有效缓解了产品间的数据稀疏性问题。在基于航空旅游零售领域的数据集上，本方法相较于基准方法显著提高了打包质量和打包效率。

發(fā)表于：2025/3/26 下午5:22:23