久久精品国产精品亚洲红杏,男人的天堂久久香蕉国产,久久综合琪琪狠狠天天

個人信息復制權的實踐檢視與理論完善*[其他][其他]

當前，不管是在學術研究中還是在實踐應用中，個人信息復制權都陷入了困頓和顰蹙的局面。為此，必須對其進行語義分析以了解其基本內涵，并從其與相近權利諸如查閱權、可攜帶權的比較當中進一步明確其外延。個人信息復制權的確立對于維護個人信息權益具有重大價值和關鍵作用，而對個人信息復制權的權利主體、權利客體、行使程序、行使限制和侵權責任的明晰，則有助于指引信息主體的行為、促進信息處理者的合規(guī)、保障司法適用的展開。以52款APP的隱私政策為考察對象，文本中的個人信息復制權存在缺位、迷失、簡約、差異和限制五個現(xiàn)象。以特定APP的復制權實驗結果為樣本，實踐中的個人信息復制權則呈現(xiàn)出異化、限制、萎縮、雜亂和迅速五個特點。基于此，個人信息復制權在理論層面、文本層面和實踐層面之間的張力、背離和矛盾進一步揭示：明確客體范圍、厘定權利邊界、完善救濟程序已經(jīng)成為個人信息復制權發(fā)展完善的應有之義和必要之舉。

發(fā)表于：7/24/2023 4:12:33 PM

面向多維數(shù)據(jù)的異常點檢測模型設計*[測試測量][信息安全]

為了在大數(shù)據(jù)環(huán)境下快速、精準地挖掘異常點，保障網(wǎng)絡安全，提出了一種面向多維數(shù)據(jù)的異常點檢測模型設計方案。該方案利用長短期記憶網(wǎng)絡（LSTM）存儲任意時間段的多維數(shù)據(jù)，并使用圖卷積網(wǎng)絡提取完整數(shù)據(jù)結構，同時加入懲罰參數(shù)和均方誤差來縮小異常點出現(xiàn)范圍。此外，還利用編碼器和解碼器構建變分自編碼器函數(shù)模型，使其能夠解讀正常數(shù)據(jù)子特征，并通過編碼重建損失函數(shù)來計算數(shù)據(jù)異常度量，從而實現(xiàn)異常點檢測。經(jīng)過實驗驗證，該方法表現(xiàn)出較高的檢測正確率和運行效率，具有極高的應用價值。

發(fā)表于：7/24/2023 4:07:00 PM

一種可擴展的高精度可靠IO時序測試方法[測試測量][其他]

針對現(xiàn)有IO測試方法時序測量數(shù)量少、精度和可靠性低的問題，提出了一種可擴展的高精度可靠IO時序測試方法，實現(xiàn)了基于層次化的混合網(wǎng)絡架構的統(tǒng)一時鐘的可擴展大規(guī)模分布式IO時序測試系統(tǒng)。試驗表明該系統(tǒng)在有效提高了IO時序容量規(guī)模的同時，保證了每個時序的測量時間精度，同時這種測量精度不會隨層級增加而積累，各層級間誤差一致性較高，可在滿足大規(guī)模異步IO時序測試的同時，兼顧高精度和高可靠性，具有一定的實用價值。

發(fā)表于：7/24/2023 4:00:34 PM

結合區(qū)塊鏈的量子隨機數(shù)分發(fā)與驗證方案[其他][其他]

在隨機性和安全性要求很高的應用場景中需要使用真隨機數(shù)，為此提出了一種結合區(qū)塊鏈技術的量子隨機數(shù)分發(fā)與驗證方案，用于獲取及驗證真隨機數(shù)。該方案利用量子隨機數(shù)生成器得到真隨機數(shù)存儲在云平臺，通過驗證用戶的聚合簽名分配對應的量子隨機數(shù)，并將分配記錄上傳至區(qū)塊鏈，利用分布式存儲服務供用戶查詢下載量子隨機數(shù)。通過結合區(qū)塊鏈技術，使用戶可對分發(fā)結果溯源驗證，有效保障了量子隨機數(shù)分發(fā)的安全性和一致性。本文方案解決了用戶獲得真隨機數(shù)的難題，為多方用戶需獲取相同真隨機數(shù)的場景提供了解決方法。

發(fā)表于：7/24/2023 3:56:12 PM

基于半全局匹配的去遮擋方法研究[其他][其他]

針對合成孔徑集成成像系統(tǒng)中前景遮擋影響目標物的采集和識別的問題，提出了一種基于半全局立體匹配的去遮擋方法。首先搭建相機陣列采集目標物的前景遮擋圖片，接著采用數(shù)字重聚焦技術和能量梯度函數(shù)設置分類閾值，將遮擋物和目標物進行分類并去除前景遮擋，然后利用元素圖像修復技術對遮擋去除區(qū)域進行修復，最后對修復后的元素圖像進行目標物重建。實驗結果表明，本文方法重建出的結果圖相比于傳統(tǒng)的合成孔徑成像方法在峰值信噪比（PSNR）上提高了13.271 4dB，相比塊匹配方法在峰值信噪比（PSNR）上提高了5.350 3 dB。

發(fā)表于：7/24/2023 3:46:27 PM

面向網(wǎng)絡靶場應用的分布式一致性方案研究[通信與網(wǎng)絡][通信網(wǎng)絡]

當前，為了應對日益復雜和嚴峻的網(wǎng)絡空間安全威脅，網(wǎng)絡靶場作為網(wǎng)絡空間安全研究的重要科學裝置受到高度關注。隨著云計算、大數(shù)據(jù)等新技術的日臻成熟，網(wǎng)絡靶場也逐漸從成本高昂的本地集群部署的方式，轉向分布式服務提供的模式，綜合性、大規(guī)模的分布式網(wǎng)絡靶場已成為發(fā)展趨勢。針對分布式網(wǎng)絡靶場亟需解決的分布式一致性問題，分析得出網(wǎng)絡靶場的一致性問題主要包括分布式資源調度和數(shù)據(jù)一致性兩方面，提出采用啟發(fā)式算法和Raft一致性算法的解決方案，保證分布式網(wǎng)絡靶場應用的可靠性和穩(wěn)定性。

發(fā)表于：7/24/2023 3:30:08 PM

基于元學習的多頭注意力時序卷積的入侵檢測[測試測量][信息安全]

為解決現(xiàn)有入侵檢測方法在高階依賴關系挖掘，處理時序特征和應對新型攻擊手段檢測等方面性能不足的問題，提出了一種基于元學習的多頭注意力時序卷積的入侵檢測方法。該方法引入了多頭注意力機制，使模型能在不同尺度上捕捉網(wǎng)絡數(shù)據(jù)的時序特征和高階依賴關系。其次，結合多任務學習改進元學習算法對網(wǎng)絡未知攻擊進行識別，提升網(wǎng)絡未知攻擊的檢測性能，此外，設計了一種自適應特征提取策略，動態(tài)調整特征提取粒度，以適應不同類型的網(wǎng)絡攻擊。在公開數(shù)據(jù)集實驗對比表明，本文算法與主流算法相比，具有更高的準確率和F值。

發(fā)表于：7/24/2023 3:22:48 PM

基于圖論算法的網(wǎng)絡通信異常節(jié)點識別*[通信與網(wǎng)絡][通信網(wǎng)絡]

針對網(wǎng)絡通信中異常節(jié)點的識別，傳統(tǒng)的基于規(guī)則和簽名的方式，或是只參考局部圖形特征的方法，在識別網(wǎng)絡中的關鍵用戶時都存在局限性。提出了一種基于圖論算法的異常節(jié)點檢測方法。首先，通過線下采集的真實局域網(wǎng)數(shù)據(jù)集生成圖網(wǎng)絡；利用網(wǎng)絡的多個圖形特征來定位異常節(jié)點，分析其可能存在的異常行為；其次在網(wǎng)絡公開數(shù)據(jù)集上進行實驗，以驗證檢測的效果；最后的測試結果證明，本方法可以在網(wǎng)絡通信中有效地定位異常節(jié)點，高效便捷，實用性佳。

發(fā)表于：7/24/2023 3:14:00 PM

基于國密算法SM2和CP-ABE的醫(yī)療訪問控制系統(tǒng)的設計與實現(xiàn)*[通信與網(wǎng)絡][信息安全]

針對現(xiàn)有的醫(yī)療數(shù)據(jù)共享方案存在運算開銷大和權限控制問題，提出了一種基于可撤銷的多屬性機構授權方案和國密算法SM2的醫(yī)療數(shù)據(jù)訪問控制系統(tǒng)。與傳統(tǒng)的CPABE撤銷算法相比，本文改進的CPABE算法不需要重新加密所有的加密文件以及不需要更新全部合法用戶的密鑰，只需更新與已撤銷屬性關聯(lián)的密文。試驗表明本文設計的系統(tǒng)在加解密性能上比傳統(tǒng)的方案快出10%左右。此外，本文將多屬性授權機構、靈活的可撤銷機制、國密算法SM2和全球可信的證書頒發(fā)機構（CA）集成到CPABE中，能很好地保證系統(tǒng)的前向、后向、多屬性授權機構之間通信的安全性并且能有效地抵抗偽造攻擊和合謀攻擊。

發(fā)表于：7/24/2023 3:07:00 PM

面向隱私保護機器學習的同態(tài)加密轉換器設計與實現(xiàn)[其他][信息安全]

傳統(tǒng)機器學習技術可以充分挖掘數(shù)據(jù)價值但是無法保護數(shù)據(jù)隱私。基于同態(tài)加密的隱私保護機器學習是對于該問題的有效解決方案。當前將同態(tài)加密應用于隱私保護機器學習任務中的主要挑戰(zhàn)在于缺少高層次的編程工具，尤其是缺少對于矩陣運算的抽象。采用CKKS同態(tài)加密方案，針對隱私保護場景設計了一種易于使用的同態(tài)加密轉換器，其可將機器學習算法的明文程序轉換為同態(tài)加密程序，同時保證矩陣的編碼、加密和計算過程對用戶透明。在五種醫(yī)療數(shù)據(jù)集上的實驗結果表明，該轉換器可在保證密態(tài)矩陣運算的安全性、正確性和高效性的同時，兼顧易用性。

發(fā)表于：7/24/2023 2:59:48 PM