123,123,123

設(shè)計(jì)應(yīng)用

改进转移概率矩阵的三维交互式跟踪模型算法

改进转移概率矩阵的三维交互式跟踪模型算法[通信与网络][通信网络]

由于现有的简单的转移概率矩阵会导致跟踪精度不高，复杂的转移概率矩阵会导致跟踪时间过长，难以满足三维空间中机动目标跟踪要求。针对转移概率矩阵的设计问题，从机理分析入手，提出了一种基于隶属度函数的模型转移概率矩阵设计方法，并对三维交互式多模型算法进行了改进完善。仿真结果表明，依据隶属度函数修正转移概率矩阵的方法有效提高了三维机动目标的跟踪精度。

發(fā)表于：2024/7/25 下午3:50:00

有偏量测下基于最大相关熵卡尔曼滤波的目标跟踪方法

有偏量测下基于最大相关熵卡尔曼滤波的目标跟踪方法[通信与网络][通信网络]

针对传感器存在系统偏差且噪声非高斯条件下目标状态估计精度较差的问题，提出一种有偏量测下基于最大相关熵卡尔曼滤波（Maximum Correntropy Kalman Filter， MCKF）的目标跟踪方法。该方法通过引入差分机制，利用目标相邻时刻的有偏量测之差构建差分量测方程，有效克服了系统偏差的影响。随后基于最大相关熵准则（Maximum Correntropy Criterion， MCC）量化估计误差的高阶矩信息，并以差分量测为先验条件推导出有偏量测下算法的滤波迭代方程。仿真结果表明，当系统观测值受传感器系统偏差和非高斯噪声干扰时，与现有方法相比，所提方法具有更好的跟踪性能。

發(fā)表于：2024/7/25 下午3:40:00

机动目标跟踪时滞问题分析

机动目标跟踪时滞问题分析[通信与网络][通信网络]

机动目标跟踪结果在时间轴上的滞后问题是当前机动目标跟踪领域的一大难点。产生时滞的情况很多，一般在跟踪初期和发生较大机动的时间段内尤为明显，常常会因此出现误差高峰。如果能有方法抑制或者消除时滞现象，将能显著提高跟踪效果。从仿真实验的结果和现象入手，结合卡尔曼滤波理论、交互式多模型算法和现代神经网络模型对时滞问题进行剖析，根据跟踪各个阶段情况的变化，分析时滞产生的不同原因，并提出可能的解决方法，以期为提高机动目标跟踪效果提供参考。

發(fā)表于：2024/7/25 下午3:30:00

过程论视野下的算法裁量：形成机理、现实困境和法治路径

过程论视野下的算法裁量：形成机理、现实困境和法治路径[其他][信息安全]

算法在行政裁量领域中的广泛应用，形成了一种新型的算法裁量模式，与此同时，亦带来诸多法治挑战，有必要对其形成机理、现实困境和法治路径展开研究。在形成机理方面，基于法律与事实的交织构造，算法裁量的产生得益于法律的代码化以及技术对事实的丰富处理。从过程论视角，对其进行“接收-处理-输出”阶段性划分，针对性地逐一释明不同阶段所存在的数据质量问题、算法黑箱、算法歧视问题。基于此，有必要从范围限定、程序约束及权利保障三个方面进行过程性的法律控制，从而推动算法裁量的法治化实践。

發(fā)表于：2024/7/2 下午2:14:12

数据知识产权登记对象研究

数据知识产权登记对象研究[其他][信息安全]

数据知识产权登记制度正处于探索建设阶段，从北京等四地公布的相关文件来看，四地方数据知识产权登记的对象在试点层面存在着定义与要件不一致、具体登记内容存在差别、不予登记的情形不统一的实施现状。从既有知识产权制度的数据保护模式和我国数据知识产权登记制度来看，数据知识产权登记对象的要求仍然是对知识产权和竞争法规则的反映。数据知识产权登记对象不应该局限于商业数据，且不以数据规模为条件，而应当具备价值性、固定性、处理性等要件，数据知识产权制度需要以明确登记对象为核心，从法律完善、规范适用、平台建设和配套制度等层面加以完善。

發(fā)表于：2024/7/2 下午2:14:11

网络犯罪抽样取证的实践困境与完善

网络犯罪抽样取证的实践困境与完善[通信与网络][信息安全]

信息网络时代，网络犯罪的海量证据引发证明困难的司法困境，抽样取证规则为化解网络犯罪海量证据取证困境提供了有益探索。然而抽样取证在实践中仍存在取证标准不明晰、取证程序设计不足、取证范围宽泛、被追诉人权利保障不健全等困境。对此，需要明确抽样取证的标准；程序设计上，需要从主体权限、审批程序、构建类型化抽样方法体系、非法抽样证据排除角度进行完善；同时需要对抽样取证的案件范围、证据范围、程序范围进行必要限缩；最后需要从知情权、参与权、异议权等角度加强被追诉人救济权保障。

發(fā)表于：2024/7/2 下午2:14:10

从失范到规范：生成式人工智能的监管框架革新

从失范到规范：生成式人工智能的监管框架革新[人工智能][信息安全]

生成式人工智能在技术变革下引发的失范性风险，对既有人工智能监管框架提出了挑战。从底层技术机理出发，可知当前生成式人工智能呈现出“基础模型-专业模型-服务应用”的分层业态，分别面临算法监管工具失灵、训练数据侵权风险加剧、各层级间法律定位不明、责任界限划分不清等监管挑战。为此需以分层监管为逻辑内核，对我国既有人工智能监管框架进行革新。在监管方式上应善用提示工程、机器遗忘等科技监管工具；在责任划定上应进行主体拆解与分层回溯，从而规范“基础模型-专业模型-服务应用”的分层监管框架，以期实现有效监管，促进生成式人工智能的高质量发展。

發(fā)表于：2024/7/2 下午2:14:09

基于生成对抗神经网络的流量生成方法研究

基于生成对抗神经网络的流量生成方法研究[通信与网络][信息安全]

网络仿真中的流量生成对于确保仿真效果至关重要。目前常见的网络流量生成器通常基于某种随机模型，生成的流量只能服从指定的随机分布。实际网络中的随机模型往往难以确定，导致现有模型对真实网络流量的仿真有一定的偏差。为了解决这些问题，提出了基于生成对抗神经网络的时空相关流量生成模型；对网络流量数据改进了其编码方式，并使用 Z-score 处理流量数据，使数据趋于标准正态分布；提出了一种网络流量时空相关性的度量方法。实验结果表明，相较于现有的基线生成方式，所提出的方法在真实性和相关性的度量上平均提高了9%。

發(fā)表于：2024/7/2 下午2:14:00

高校数据分类分级策略的探讨与实践

高校数据分类分级策略的探讨与实践[其他][信息安全]

随着教育信息化的深度推进，高校数据业务越来越深入师生工作生活，数据安全与个人信息安全问题随之日益突出。通过分析高校数据特点，结合高校数据实际，提出一套切实可行的分类分级策略，并提出针对不同分级数据采取的数据保护方案，旨在保障高校数据的安全性和隐私性。

發(fā)表于：2024/7/2 下午2:14:00

企业数据分类分级自动化路径研究

企业数据分类分级自动化路径研究[其他][信息安全]

数据分类分级自动化是提升企业数据分类分级效率、促进数据安全管理的重要手段。目前，针对数据分类分级自动化路径的研究还相对较少。结合数据分类分级工作流程，总结企业数据分类分级面临的主要问题挑战，对数据探测、数据预处理、敏感数据识别、分类分级打标等典型自动化技术进行分析，提出了企业数据分类分级自动化的框架和路径，为企业更加高效有序地开展数据分类分级自动化工作提供有效借鉴。

發(fā)表于：2024/7/2 下午2:14:00