国产亚洲精品久久www,国产av激情一区二区

安全公司Zscaler披露惡意載入 HijackLoader

采用模塊化設(shè)計逃避檢測,，安全公司披露惡意載入器 HijackLoader

發(fā)表于：5/11/2024

戴爾通知發(fā)生數(shù)據(jù)泄露：涉及姓名等訂單信息

5 月 10 日消息,，戴爾公司昨日通過電子郵件方式通知用戶,，表示其個人信息可能已經(jīng)泄露,，推薦用戶盡快更改，以保護(hù)個人隱私和財產(chǎn),。

發(fā)表于：5/10/2024

美第五大企業(yè)聯(lián)合健康保險數(shù)據(jù)泄露

美第五大企業(yè)“聯(lián)合健康保險”數(shù)據(jù)泄露,，向黑客支付 2200 萬美元贖金

發(fā)表于：5/10/2024

波音公司去年43GB數(shù)據(jù)泄露拒絕向黑客支付2億美元贖金

5 月 10 日消息，波音公司本周三披露細(xì)節(jié),，稱 2023 年 11 月公司遭到勒索軟件攻擊,，黑客索要高達(dá) 2 億美元

發(fā)表于：5/10/2024

安全軟件開發(fā)商Avast再因違規(guī)處理用戶數(shù)據(jù)被罰3.51億捷克克朗

安全軟件開發(fā)商 Avast 再因違規(guī)處理用戶數(shù)據(jù)被罰 3.51 億捷克克朗

發(fā)表于：5/9/2024

美國司法部懸賞千萬美元緝拿LockBit勒索軟件頭目

美國司法部重拳出擊，懸賞千萬美元緝拿 LockBit 勒索軟件頭目

發(fā)表于：5/9/2024

論數(shù)字化“智力成果”保護(hù)向著作權(quán)法回歸的正當(dāng)性——以人工智能生成內(nèi)容的保護(hù)路徑選擇為例

現(xiàn)階段數(shù)字化“智力成果”不斷涌現(xiàn),，但著作權(quán)保護(hù)之正當(dāng)性卻遭遇了前所未有的挑戰(zhàn),。以人工智能生成內(nèi)容為例,，無論是在保護(hù)對象上、權(quán)利主體上還是受控行為上都因為技術(shù)的強(qiáng)勢介入而產(chǎn)生認(rèn)定難題,，進(jìn)而產(chǎn)生了適用反不正當(dāng)競爭法進(jìn)行保護(hù)的傾向,。但事實上，適用反不正當(dāng)競爭法不僅無法達(dá)到預(yù)期效果,，反而會因抵觸著作權(quán)法而增加社會成本,。經(jīng)過進(jìn)一步分析，可以發(fā)現(xiàn)人工智能生成內(nèi)容等數(shù)字化“智力成果”之上存在創(chuàng)作模式,、技術(shù)身份和使用行為性質(zhì)的認(rèn)識誤區(qū)。當(dāng)相關(guān)誤區(qū)被糾正后,，著作權(quán)法完全有能力對數(shù)字化“智力成果”提供充分保護(hù)并且實現(xiàn)作者利益與公眾利益之間的平衡,。因此，正確的做法是在外部明確著作權(quán)法,、反不正當(dāng)競爭法和公共領(lǐng)域的界限,，在內(nèi)部利用著作權(quán)法高效的利益平衡機(jī)制尋找適合數(shù)字化“智力成果”的保護(hù)模式。

發(fā)表于：5/7/2024

歐盟數(shù)據(jù)治理模式對我國數(shù)據(jù)要素開發(fā)利用的啟示

歐盟圍繞數(shù)據(jù)資源開發(fā)利用經(jīng)歷了三個階段的發(fā)展,，構(gòu)建形成了對全球影響極大,、極具歐盟特色的數(shù)據(jù)治理路徑，目前,，歐盟正加快體系化實施數(shù)據(jù)戰(zhàn)略,，以推動壯大本土數(shù)字產(chǎn)業(yè)，形成與美,、中抗衡的數(shù)字經(jīng)濟(jì)競爭力,。歐盟數(shù)據(jù)戰(zhàn)略主要包含健全數(shù)據(jù)管理機(jī)構(gòu)、推動數(shù)據(jù)共享流通,、建設(shè)數(shù)據(jù)基礎(chǔ)設(shè)施以及建立數(shù)據(jù)治理規(guī)則等方面,，在實踐中取得了顯著成效。立足我國數(shù)據(jù)要素開發(fā)利用中存在的數(shù)據(jù)流通交易不暢,、數(shù)據(jù)價值挖掘不足以及安全保障仍待補(bǔ)強(qiáng)等問題,，研究總結(jié)歐盟數(shù)據(jù)治理模式對我國的啟示，旨在為數(shù)據(jù)要素探索實踐提供參考,。

發(fā)表于：5/7/2024

基于特征分析的智能網(wǎng)聯(lián)汽車數(shù)據(jù)分級方法研究

當(dāng)前,，智能網(wǎng)聯(lián)技術(shù)的發(fā)展使得汽車成為數(shù)據(jù)交互的重要載體，智能網(wǎng)聯(lián)汽車所產(chǎn)生的數(shù)據(jù)量呈現(xiàn)指數(shù)型增長趨勢,，國家對于數(shù)據(jù)安全的重視程度也在不斷加強(qiáng),。在此背景下，從行業(yè)實踐角度出發(fā),，對我國當(dāng)前數(shù)據(jù)安全監(jiān)管現(xiàn)狀,、數(shù)據(jù)分級方法進(jìn)行梳理,，最后提出一種基于特征分析的數(shù)據(jù)分級方法，助力企業(yè)加強(qiáng)數(shù)據(jù)治理,、滿足政府合規(guī)要求,。

發(fā)表于：5/7/2024

歐盟精細(xì)化數(shù)據(jù)立法下的數(shù)據(jù)保護(hù)與流通

近年來歐盟數(shù)據(jù)領(lǐng)域的立法重點(diǎn)產(chǎn)生了一定的價值轉(zhuǎn)向，歐盟法作為大陸法系的重要組成部分與我國法律體系一脈相承,。研究歐盟數(shù)據(jù)立法進(jìn)程所彰顯的法治精神和價值導(dǎo)向?qū)τ谖覈鴶?shù)據(jù)治理工作具有一定借鑒意義,。以歐盟有關(guān)數(shù)據(jù)治理的憲章、公約,、條約,、戰(zhàn)略、法律與法案為分析文本,，對歐盟系列規(guī)范性文本進(jìn)行共時性與歷時性的雙維度研究以厘清其立法思路演變與路徑選擇,。在研究過程中發(fā)現(xiàn)歐盟對于數(shù)據(jù)這一新型生產(chǎn)要素在被納入法律視野中后而產(chǎn)生的數(shù)據(jù)權(quán)這一概念存在著從傳統(tǒng)人格權(quán)向財產(chǎn)權(quán)的認(rèn)知轉(zhuǎn)變，進(jìn)而梳理出歐盟從傳統(tǒng)的數(shù)據(jù)保護(hù)轉(zhuǎn)向數(shù)據(jù)流通與賦能的立法嬗變趨勢,，并得出對我國數(shù)據(jù)治理的三點(diǎn)啟示：數(shù)據(jù)戰(zhàn)略建構(gòu)應(yīng)追求結(jié)構(gòu)體系化,、數(shù)據(jù)權(quán)利創(chuàng)設(shè)應(yīng)考慮利益多元化和數(shù)據(jù)流通模式設(shè)計應(yīng)遵循場景類型化。

發(fā)表于：5/7/2024

生成式人工智能對個人信息保護(hù)的挑戰(zhàn)與治理路徑

以ChatGPT為代表的生成式人工智能技術(shù)給各行各業(yè)帶來顛覆性變革,，但也引發(fā)個人信息泄露,、算法偏見、虛假信息傳播等個人信息侵權(quán)危機(jī),。傳統(tǒng)“基于權(quán)利保護(hù)”的路徑過于強(qiáng)調(diào)個人信息保護(hù)而阻礙人工智能產(chǎn)業(yè)的發(fā)展,，“基于風(fēng)險防范”的路徑則更加凸顯個人信息的合理利用價值，價值選擇上更優(yōu),。但以權(quán)利保護(hù)和風(fēng)險保護(hù)共同治理,，才能實現(xiàn)利益平衡并建立個人信息的長效保護(hù)機(jī)制。在個人信息處理規(guī)則上,，以“弱同意”規(guī)則取代僵化嚴(yán)苛的知情同意規(guī)則,；在目的限制原則上，以“風(fēng)險限定”取代“目的限定”,；在個人信息最小化原則上,，以“風(fēng)險最小化”取代“目的最小化”。在此基礎(chǔ)上,，進(jìn)一步加強(qiáng)生成式人工智能數(shù)據(jù)來源合規(guī)監(jiān)管,，提升算法透明性和可解釋性，強(qiáng)化科技倫理規(guī)范和侵權(quán)責(zé)任追究,。

發(fā)表于：5/7/2024

復(fù)雜背景下小尺寸多角度人臉檢測方法研究

為了提升復(fù)雜背景下小尺寸人臉檢測精度,，提出了一種人臉檢測方法GhostNet-MTCNN。在多任務(wù)級聯(lián)卷積神經(jīng)網(wǎng)絡(luò)（MTCNN）主干網(wǎng)絡(luò)上，將占用計算資源的普通卷積進(jìn)行舍棄,，利用GhostNet網(wǎng)絡(luò)中計算量更低的Ghost bottleneck模組替代卷積的作用,，重新構(gòu)建網(wǎng)絡(luò)特征提取功能，從而搭建一個新的模型,。實驗結(jié)果表明,，該方法可以有效平衡參數(shù)量和精度。在Easy,、Medium,、Hard三種驗證集上，與MTCNN相比在參數(shù)量僅增加0.62M的前提下精度分別提升了 5.6%,、6.6%,、7.8%，與MobileNetV3-MTCNN相比在參數(shù)量減少1.27M的同時精度又分別提升了1.6%,、0.8%,、0.5%。該研究能夠在復(fù)雜場景下提高模型對小尺寸,、多角度人臉檢測精度,，同時也能夠有效平衡參數(shù)量和檢測精度使其成為在邊緣設(shè)備部署中更優(yōu)的選擇,。

發(fā)表于：5/7/2024

結(jié)合批規(guī)范化層的深度學(xué)習(xí)模型在水中目標(biāo)識別中的應(yīng)用

針對深度學(xué)習(xí)模型在訓(xùn)練水聲樣本數(shù)據(jù)時會出現(xiàn)穩(wěn)定性差進(jìn)而導(dǎo)致分類識別效果不佳的問題,，從網(wǎng)絡(luò)的局部連接、空間位置排列以及模型設(shè)計的角度出發(fā),，研究在原有一維序列卷積核與一維序列池化的基礎(chǔ)上,，引入批規(guī)范化層，構(gòu)建了深度學(xué)習(xí)網(wǎng)絡(luò)模型,。通過歸一化處理,，達(dá)到加速網(wǎng)絡(luò)模型的收斂過程以及提高訓(xùn)練過程中的穩(wěn)定性的目的。最終為驗證該模型的有效性,，對3類水聲目標(biāo)樣本數(shù)據(jù)進(jìn)行網(wǎng)絡(luò)訓(xùn)練和模型驗證,，證明該模型對水聲目標(biāo)數(shù)據(jù)分類識別有一定程度的性能提升。

發(fā)表于：5/7/2024

基于邊端協(xié)作的分布式數(shù)據(jù)分級管理技術(shù)

隨著智能應(yīng)用在嵌入式裝備系統(tǒng)中的不斷普及與發(fā)展,，對大數(shù)據(jù)的有效利用和深度融合提出了更高的要求,。然而，嵌入式裝備類型多樣,、大數(shù)據(jù)多源異構(gòu),，由于缺乏統(tǒng)一的組織管理，業(yè)務(wù)應(yīng)用間存在數(shù)據(jù)壁壘,，并出現(xiàn)了數(shù)據(jù)孤島現(xiàn)象,，導(dǎo)致大數(shù)據(jù)利用與開發(fā)困難。因此，在嵌入式裝備系統(tǒng)中,，如何有效組織管理數(shù)據(jù)是亟待解決的難點(diǎn),。為此，以嵌入式裝備系統(tǒng)的數(shù)據(jù)統(tǒng)一管理和共享利用為導(dǎo)向,，基于邊側(cè)與端側(cè)協(xié)作技術(shù),，從數(shù)據(jù)管理架構(gòu)、數(shù)據(jù)分級協(xié)同管理方案,、數(shù)據(jù)請求調(diào)度策略三個方面,，探討了嵌入式裝備系統(tǒng)中分布式數(shù)據(jù)協(xié)作管理技術(shù)的可行性，以促進(jìn)數(shù)據(jù)到信息,、信息到知識,、知識到?jīng)Q策的快速轉(zhuǎn)化，同時,，通過管與用的緊密結(jié)合,，推動嵌入式裝備系統(tǒng)中數(shù)據(jù)應(yīng)用的開發(fā)。

發(fā)表于：5/7/2024

數(shù)字生態(tài)建設(shè)的數(shù)網(wǎng)業(yè)安全一體化融合研究

數(shù)字生態(tài)建設(shè)推進(jìn)生態(tài)環(huán)境監(jiān)測業(yè)務(wù)創(chuàng)新,，也同樣導(dǎo)致網(wǎng)絡(luò)安全威脅面擴(kuò)大,、數(shù)據(jù)安全風(fēng)險態(tài)勢加劇。針對生態(tài)環(huán)境數(shù)字化轉(zhuǎn)型的新環(huán)境,，將網(wǎng)絡(luò)安全場景化防護(hù)與生態(tài)數(shù)據(jù)生命周期的安全管控深度融合,，引入基于零信任機(jī)制的應(yīng)用接入與訪問控制技術(shù)、網(wǎng)絡(luò)數(shù)字化重構(gòu)以及大數(shù)據(jù)AI分析等技術(shù),，創(chuàng)新性開展生態(tài)環(huán)境數(shù)據(jù)分類分級建設(shè),，對包括衍生數(shù)據(jù)在內(nèi)的生態(tài)數(shù)據(jù)實施分類施策、分級管控,，深化網(wǎng)絡(luò)安全與數(shù)字化建設(shè)協(xié)同運(yùn)營,，實現(xiàn)數(shù)字生態(tài)監(jiān)測體系安全穩(wěn)定運(yùn)行，提升數(shù)字生態(tài)的社會化供給能力,。

發(fā)表于：5/7/2024