福利姬一区二区三区在线观看,最近最新中文字幕视频,免费精品99久久国产综合精品

基于動態(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亟待解決的問題。提出了一種基于動態(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)分配機制實現(xiàn)海量數(shù)據(jù)源接入；針對各類異構(gòu)數(shù)據(jù)源設(shè)計了基于HTTPS、SFTP、Kafka等多樣化采集手段及相應(yīng)的節(jié)點分配和回收機制；采用動態(tài)負載均衡策略對采集資源進行實時調(diào)整，以適應(yīng)不斷變化的數(shù)據(jù)負載，實現(xiàn)高并發(fā)處理。該研究為實現(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：2/29/2024 4:13:00 PM

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

針對物聯(lián)網(wǎng)安全態(tài)勢預(yù)測的復(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)勢預(yù)測模型。該模型融合了雙向門控循環(huán)單元、多頭注意力機制和殘差結(jié)構(gòu)，并經(jīng)由自適應(yīng)差分進化算法調(diào)優(yōu)，增強了對復(fù)雜時序依賴性的捕捉和對數(shù)據(jù)的多維度分析能力。通過改進自適應(yīng)差分進化算法的自適應(yīng)機制，充分考慮時序數(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)集上的實驗結(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)測準確性和穩(wěn)定性。

發(fā)表于：2/29/2024 4:13:00 PM

目標與態(tài)勢三維可視化系統(tǒng)設(shè)計與實現(xiàn)[其他][信息安全]

為提升大規(guī)模數(shù)據(jù)下態(tài)勢展示的性能和效果，對態(tài)勢展示的關(guān)鍵技術(shù)進行研究，設(shè)計并實現(xiàn)了實時態(tài)勢監(jiān)控、歷史態(tài)勢回放、目標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)對多源異構(gòu)態(tài)勢數(shù)據(jù)進行實時處理；然后將處理后的數(shù)據(jù)儲存于多級數(shù)據(jù)存儲系統(tǒng)中，通過緩存和批量數(shù)據(jù)獲取機制提升數(shù)據(jù)加載效率；最后，基于瀏覽器和GIS服務(wù)實現(xiàn)目標與態(tài)勢的三維地理空間可視化。仿真結(jié)果表明，該系統(tǒng)態(tài)勢數(shù)據(jù)獲取快速高效，態(tài)勢展示效果立體清晰，能夠滿足大型模擬對抗演習(xí)中的目標分析、態(tài)勢監(jiān)控和回放需求。

發(fā)表于：2/29/2024 4:13:00 PM

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）的正式出臺標志著歐盟數(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，對之進行系統(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、其指導(dǎo)下的數(shù)據(jù)治理模式，如公共機構(gòu)部門共享模式和數(shù)據(jù)中介共享模式。進而對DGA尤其是該法貫徹的利他理念進行評析，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之加以借鑒。

發(fā)表于：2/29/2024 4:13:00 PM

網(wǎng)絡(luò)安全等級保護制度下的數(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)安全保護納入網(wǎng)絡(luò)安全等級保護工作流程的必要性與可行性，提出具體的工作步驟與實施過程。在落實等級保護的基礎(chǔ)上，有序推進數(shù)據(jù)安全保護，快速、有效、體系化地開展數(shù)據(jù)安全保護工作，實現(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：2/29/2024 4:13:00 PM

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

隱私計算作為一種數(shù)據(jù)安全交互解決手段，是由兩個或多個參與方聯(lián)合計算的技術(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)作對數(shù)據(jù)進行聯(lián)合機器學(xué)習(xí)和分析，隱私計算可實現(xiàn)“數(shù)據(jù)可用不可見”“數(shù)據(jù)不動模型動”，具備強化數(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，提出基于隱私計算技術(shù)的共享交互框架設(shè)計方案，結(jié)合業(yè)務(wù)實際分別給出技術(shù)架構(gòu)和邏輯架構(gòu)設(shè)計，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：2/29/2024 4:13:00 PM

生成式大模型的數(shù)據(jù)安全風(fēng)險與法律治理[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。認知風(fēng)險是化解風(fēng)險的前提，需要從靜態(tài)、動態(tài)兩個視角建立起大模型應(yīng)用數(shù)據(jù)安全風(fēng)險的認知體系。結(jié)合歐盟、美國等大模型的治理經(jīng)驗，針對我國大模型數(shù)據(jù)安全風(fēng)險治理存在的不足，建議建立基于數(shù)據(jù)安全風(fēng)險的分類監(jiān)管路徑、完善基于大模型運行全過程的數(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)管機制，為實現(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：2/29/2024 4:13:00 PM

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

TOR（The Onion Router）匿名網(wǎng)絡(luò)流量識別是一項重要的加密流量檢測任務(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TOR的檢測較為困難。詳細研究了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)議特征進行融合，增強了面向混淆協(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)集進行實驗。結(jié)果顯示，該研究方法在基于OBFS4混淆協(xié)議的TOR流量檢測任務(wù)上效果顯著，其中l(wèi)ightGBM模型檢測效果最佳，在融合協(xié)議特征的方法下準確率達到9889%。同時該方法面向不同版本的TOR流量開展復(fù)測，在不同版本的TOR流量檢測任務(wù)中準確率均高于97%。

發(fā)表于：2/29/2024 4:13:00 PM

基于梯度優(yōu)化的大語言模型后門識別探究[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)練大語言模型對數(shù)據(jù)集以及計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)時模型表現(xiàn)像沒有注入后門時一樣正常，但當(dāng)輸入帶有后門觸發(fā)器的數(shù)據(jù)時模型輸出異常。防止后門攻擊的有效方法就是進行后門識別。目前基于梯度的優(yōu)化方法是比較常用的，但使用這些方法時內(nèi)部影響因子的設(shè)定對識別效果具有一定影響。文章就詞令牌數(shù)量、最鄰近數(shù)量、噪聲大小進行了實驗測量和作用機制的分析，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 4:13:00 PM

基于黑盒測試框架的深度學(xué)習(xí)模型版權(quán)保護方法[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)保護變得越發(fā)重要。現(xiàn)有模型版權(quán)保護方法一般采用確定性測試樣本生成算法，存在選擇效率低和對抗攻擊脆弱的問題。針對上述問題，提出了一種基于黑盒測試框架的深度學(xué)習(xí)模型版權(quán)保護方法。首先引入基于隨機性算法的樣本生成策略，有效提高了測試效率并降低了對抗攻擊的風(fēng)險。此外針對黑盒場景，引入了新的測試指標和算法，增強了黑盒防御的能力，確保每個指標具有足夠的正交性。在實驗驗證方面，所提方法顯示出了高效的版權(quán)判斷準確性和可靠性，有效降低了高相關(guān)性指標的數(shù)量。

發(fā)表于：2/29/2024 4:13:00 PM