韩国激情高潮无遮挡HD,网友自拍青草视频在线播放,jizz动漫精品视频免费观看

醫(yī)療人工智能領域同意規(guī)則的困境與出路[人工智能][信息安全]

隨著人工智能的發(fā)展，個人信息保護與個人數(shù)據(jù)運用之間的矛盾凸顯。個人醫(yī)療信息保護是管窺人工智能時代同意規(guī)則困境與解困之路的最佳范例，人工智能醫(yī)療領域具有廣闊的研究價值，但其前提都依賴海量個人醫(yī)療數(shù)據(jù)之處理。然而，當前以同意規(guī)則為核心構建起來的個人信息保護制度卻難以應對醫(yī)療人工智能時代對個人醫(yī)療信息保護的挑戰(zhàn)。傳統(tǒng)的同意規(guī)則作為個人信息處理的正當性依據(jù)陷入重重困境之中。革新而非放棄同意規(guī)則是人工智能時代個人信息保護的解困之道。在堅守同意規(guī)則的核心價值基礎上，引入場景理論，并在特定目的下結合比例原則，差異化重構同意規(guī)則，實現(xiàn)同意規(guī)則的分場景分層次的動態(tài)化適用，以期平衡個人信息保護與個人數(shù)據(jù)的利用。

發(fā)表于：4/27/2025 5:07:31 PM

元宇宙環(huán)境中版權保護的邏輯轉型與規(guī)則發(fā)展[其他][其他]

在元宇宙數(shù)字生態(tài)系統(tǒng)中，作品版權與數(shù)據(jù)權利確認呈現(xiàn)出“數(shù)據(jù)—數(shù)據(jù)段落—作品”的基本權利框架。元宇宙環(huán)境中數(shù)字內容極易復制和傳播，用戶對其版權作品的控制能力顯著削弱，導致傳統(tǒng)版權法中以權利限制為核心的利益平衡保護模式已然部分失靈。有鑒于此，元宇宙環(huán)境中的版權保護進路應當轉向基于算法控制和算法反壟斷而生的“新利益平衡”格局。這將意味著從權利產生邏輯、權利歸屬邏輯、權利流轉邏輯三個維度顛覆版權的權利邏輯，并能夠以算法救濟、分布式自治組織救濟等新型方式突破原有救濟邏輯的局限，為權利人提供高效而有力的保護和激勵機制。元宇宙的版權保護模式應當適應不同技術發(fā)展階段的特征，首先在現(xiàn)有法律規(guī)范內部進行調和，其次制定元宇宙環(huán)境的創(chuàng)新性規(guī)則，服務于技術不斷彌合虛實相生的兩重世界的目標。

發(fā)表于：4/27/2025 4:56:31 PM

數(shù)據(jù)分級分類授權確權的空間治理之道——基于國內外數(shù)據(jù)管理實踐展開[其他][其他]

國家數(shù)據(jù)整體授權下數(shù)據(jù)確權的困境包括規(guī)范主義、價值主義和實證主義的困境。公共治理是解決這一問題的理論源泉?？梢栽跀?shù)據(jù)產權連接沖突中找到平衡，也可以在數(shù)據(jù)法律行為連接沖突中找到平衡。通過空間治理，可以實現(xiàn)數(shù)據(jù)資源的合理利用，保護個人數(shù)據(jù)權益，創(chuàng)新治理形態(tài)在數(shù)據(jù)領域的新發(fā)展。在國家數(shù)據(jù)可信空間治理實踐中，提出一種數(shù)據(jù)公共治理之道：包括從私益到公益層面的定價機制，數(shù)據(jù)分類清單、數(shù)據(jù)分級標準和安全控制措施的創(chuàng)建，以及規(guī)范行為準則的建立和公主體利他行為規(guī)范的擴展。

發(fā)表于：4/27/2025 4:44:29 PM

基于數(shù)據(jù)中臺的地理信息要素融合治理的構想與實踐[其他][數(shù)據(jù)中心]

隨著技術的發(fā)展，測繪地理信息已經從傳統(tǒng)的數(shù)據(jù)資源轉變?yōu)閿?shù)據(jù)要素，其在各類數(shù)據(jù)之間發(fā)揮著“紐帶”作用，對于數(shù)據(jù)治理尤為重要。面向地理信息要素，分析其特點與問題，針對其難以匯聚管理且應用質效低的情況，基于數(shù)據(jù)中臺的理念與思想，設計地理信息要素面向數(shù)據(jù)中臺融合治理的體系架構，提出全流程的實踐方法，并針對其中的數(shù)據(jù)融合、要素實體化兩個關鍵步驟的流程與方法進行闡述。地理信息要素的有效融合與治理，對于構建數(shù)字中國、推動經濟社會高質量發(fā)展具有重要作用。

發(fā)表于：4/27/2025 4:28:36 PM

應用于相機標定的亞像素棋盤角點檢測[人工智能][消費電子]

在相機標定過程中，棋盤角點檢測精度對于確保標定結果的準確性至關重要。針對當前棋盤角點檢測方法在精度方面的不足，提出一種新型的亞像素級棋盤角點檢測技術。首先，采用U-Net卷積神經網(wǎng)絡作為主干網(wǎng)絡，根據(jù)相機捕獲的棋盤圖像構建角點熱圖。此外，為了縮小編碼器特征和解碼器特征之間的語義差距，創(chuàng)新性地引入了通道和空間雙交叉注意模塊。接著，通過高斯曲面擬合方法，計算出精確的亞像素棋盤角點坐標。實驗結果表明，該方法能夠有效提高角點檢測的精度，并在相機標定任務中實現(xiàn)了更低的重投影誤差。

發(fā)表于：4/27/2025 4:15:27 PM

生成式人工智能時代信息生態(tài)秩序的失衡風險與治理方案[人工智能][信息安全]

生成式人工智能驅動了人工智能生成內容時代的到來，變革了信息生成和傳播的機制。在變革過程中，信息生態(tài)秩序的失衡風險也隨之產生。受到語料庫、模型目標設定、模型微調中相關主體價值觀念等內外因素影響，生成式人工智能存在輸出和傳播虛構信息、錯誤信息、誤導性信息的問題，會對現(xiàn)有信息生態(tài)的有序性、真實性、可信性產生影響。為應對失衡風險，應在包容審慎、動態(tài)敏捷的柔性治理理念指引下，調動政府部門、運營管理主體、產品使用者等多元主體共同參與風險治理；針對模型訓練、服務嵌入、內容生成、內容發(fā)布、信息傳播等具體階段和場景展開分層分類精細治理；綜合采取法律規(guī)制、倫理規(guī)制、行業(yè)自律、技術規(guī)制等多種治理方案展開立體化治理。

發(fā)表于：4/27/2025 3:59:26 PM

海量數(shù)據(jù)下的網(wǎng)絡安全智能檢測技術研究[通信與網(wǎng)絡][通信網(wǎng)絡]

系統(tǒng)遷移上云、海量數(shù)據(jù)積累、智能技術應用等發(fā)展趨勢給網(wǎng)絡安全，特別是智能檢測領域帶來了諸多機遇和挑戰(zhàn)?；诰W(wǎng)絡安全智能檢測和隱蔽通信技術研究現(xiàn)狀，從海量數(shù)據(jù)下的網(wǎng)絡安全智能檢測視角，提出了從數(shù)據(jù)采集到數(shù)據(jù)應用的五層框架和特征統(tǒng)計度量、分類模型算法等關鍵技術。在對網(wǎng)絡隱蔽通信檢測技術進行研究論述和討論分析后，提出通過特征統(tǒng)計指標來評估數(shù)據(jù)流間的規(guī)律性、擬合度及相關性，設計了基于支持向量機（Support Vector Machine，SVM）的分類模型，并以分類特征向量為輸入訓練SVM分類器，實現(xiàn)對隱蔽通信的智能檢測。

發(fā)表于：4/27/2025 3:50:25 PM

聯(lián)邦學習中基于NMSS和LoRA的魯棒防御機制研究[通信與網(wǎng)絡][信息安全]

針對聯(lián)邦學習中隱私泄露、數(shù)據(jù)投毒和模型篡改等安全威脅，構建了一種融合不可篡改秘密共享與低秩適應技術的防御架構。該方案采用三服務器門限驗證機制與零知識證明技術，確保參數(shù)分片在傳輸和恢復過程中的安全性；同時，利用低秩約束與動態(tài)權重聚合算法，有效限制惡意攻擊干擾并降低通信開銷。在CIFAR-10和mini-ImageNet等數(shù)據(jù)集上的實驗充分驗證了該方法在提高防御準確率、降低模型誤差和提升系統(tǒng)魯棒性方面的顯著優(yōu)勢，證明了方案在大規(guī)模場景下的實用性和可擴展性。結論表明，該架構為聯(lián)邦學習環(huán)境下安全防護提供了一種高效、可行的技術路徑。

發(fā)表于：4/27/2025 3:37:00 PM

UEFI固件Double-fetch條件競爭漏洞模糊測試技術研究[通信與網(wǎng)絡][信息安全]

基于統(tǒng)一可擴展固件接口(Unified Extensible Firmware Interface, UEFI)標準實現(xiàn)的固件已廣泛應用于個人計算機、云服務器以及網(wǎng)絡設備, UEFI固件服務漏洞會引發(fā)嚴重安全威脅，模糊測試是檢測漏洞的主要手段。然而，受限于傳統(tǒng)內存類漏洞機理，當前UEFI固件模糊測試方法無法檢測諸如UEFI固件Double-fetch條件競爭漏洞等特殊類型漏洞。提出了Double-fetch信息引導的UEFI固件服務模糊測試方法,并實現(xiàn)了原型系統(tǒng)UEFIDFFuzzer，通過對來自英特爾廠商的114個UEFI固件服務驅動進行測試, UEFIDFFuzzer發(fā)現(xiàn)了兩個現(xiàn)有UEFI模糊測試工具RSFuzzer以及靜態(tài)分析工具efiXplorer沒有發(fā)現(xiàn)的UEFI固件Double-fetch零日漏洞。

發(fā)表于：4/27/2025 3:25:23 PM

兩階段物聯(lián)網(wǎng)資產識別模型的研究[通信與網(wǎng)絡][物聯(lián)網(wǎng)]

提出了一種兩階段的物聯(lián)網(wǎng)資產識別模型。首先，對異構協(xié)議進行分析，解決多樣化協(xié)議流量特征提取困難問題。其次，利用輕量級模型SqueezeNet過濾非物聯(lián)網(wǎng)設備，提高識別效率并降低計算負擔。為進一步解決數(shù)據(jù)不均衡問題，引入生成對抗網(wǎng)絡（GAN）生成合成樣本數(shù)據(jù)，平衡數(shù)據(jù)分布。最后，采用 XLNet與注意力機制結合的模型來識別物聯(lián)網(wǎng)設備的類型，有效提升了模型在大規(guī)模物聯(lián)網(wǎng)網(wǎng)絡環(huán)境中的識別精度和效率。實驗結果表明，模型在公開數(shù)據(jù)集上的準確率達到99.48%，召回率提升2.02%，F(xiàn)1分數(shù)提高1.85%，并在真實環(huán)境中保持99.01%的準確率。該模型為物聯(lián)網(wǎng)資產管理和安全管理提供了有效的解決方案。

發(fā)表于：4/27/2025 3:12:22 PM