少妇在线看www,国产精品一在线观看,精品中文字幕一区二区三区av

勘探開發(fā)數(shù)據(jù)標(biāo)準(zhǔn)展示工具的設(shè)計(jì)與實(shí)現(xiàn)[其他][其他]

發(fā)表于：7/29/2025 4:33:51 PM

風(fēng)險(xiǎn)等級(jí)化視角下行政算法的差序化公開[其他][其他]

當(dāng)從行政法秉持的行政公開性立場(chǎng)對(duì)行政算法予以關(guān)注并對(duì)其透明度規(guī)制進(jìn)行制度性回應(yīng)時(shí)，與其追求一個(gè)難以普遍適用的單一路徑，不如采用“差序化”監(jiān)管的理念，順應(yīng)自動(dòng)化行政中算法的不同特點(diǎn)，在方法論上放棄統(tǒng)一適用的公開路徑，轉(zhuǎn)而透過(guò)對(duì)實(shí)踐的總結(jié)和歸類，以算法對(duì)權(quán)利的實(shí)質(zhì)影響程度為標(biāo)準(zhǔn)，抽象出算法介入自動(dòng)化行政的不同風(fēng)險(xiǎn)等級(jí)，并對(duì)其適配相應(yīng)的公開要求，明確其公開程度與具體的公開方式，最大程度上規(guī)避自動(dòng)化行政中算法實(shí)質(zhì)風(fēng)險(xiǎn)的不確定性與法律規(guī)范所追求的普遍適用性之間的矛盾。

發(fā)表于：7/29/2025 4:02:16 PM

犯罪恐懼感對(duì)隱私讓渡意愿的影響研究[模擬設(shè)計(jì)][工業(yè)自動(dòng)化]

海量的個(gè)人信息用于社會(huì)治理，雖然降低了犯罪恐懼感，但是也帶來(lái)“去知覺(jué)化”的問(wèn)題和隱私泄露的風(fēng)險(xiǎn)。為了促進(jìn)數(shù)據(jù)私益和公益的平衡，基于2023年中國(guó)犯罪被害調(diào)查數(shù)據(jù)，圍繞隱私權(quán)衡行為的影響因素展開實(shí)證研究。結(jié)果表明，犯罪恐懼感不僅直接降低了人們的隱私讓渡意愿，還會(huì)通過(guò)降低警察信任感和官方媒體效力降低讓渡意愿。因此，應(yīng)當(dāng)從減輕犯罪恐懼感入手，建立透明的信息利用機(jī)制，利用數(shù)據(jù)價(jià)值的同時(shí)規(guī)避隱私泄露風(fēng)險(xiǎn)，確保始終將群眾作為受益者。

發(fā)表于：7/29/2025 3:33:16 PM

生成式人工智能嵌入數(shù)字政府的數(shù)據(jù)安全風(fēng)險(xiǎn)及其法律規(guī)制[人工智能][信息安全]

生成式人工智能深度嵌入數(shù)字政府意義重大，但其引發(fā)的全周期數(shù)據(jù)安全風(fēng)險(xiǎn)不容忽視。通過(guò)解構(gòu)數(shù)據(jù)“收集—處理—存儲(chǔ)—輸出”四階段風(fēng)險(xiǎn)，發(fā)現(xiàn)收集階段存在安全與質(zhì)量隱患，處理階段面臨算法歧視與黑箱挑戰(zhàn)，存儲(chǔ)環(huán)節(jié)有數(shù)據(jù)泄露與歸責(zé)困境，輸出階段則涉及數(shù)據(jù)失真與侵權(quán)風(fēng)險(xiǎn)。借鑒歐盟“先監(jiān)管后發(fā)展”和美國(guó)“技術(shù)驅(qū)動(dòng)立法”經(jīng)驗(yàn)，提出分階規(guī)制框架：收集階段實(shí)行分類分級(jí)與源頭審查，處理階段強(qiáng)化倫理審查與清單管理，存儲(chǔ)階段構(gòu)建軟硬法協(xié)同標(biāo)準(zhǔn)與公私合作責(zé)任模式，輸出階段引入沙箱監(jiān)管與數(shù)字確權(quán)。以此推動(dòng)數(shù)字政府建設(shè)，實(shí)現(xiàn)科技、風(fēng)險(xiǎn)治理與安全法治的協(xié)同共進(jìn)。

發(fā)表于：7/29/2025 3:22:15 PM

高校數(shù)據(jù)安全治理的模型研究[模擬設(shè)計(jì)][工業(yè)自動(dòng)化]

在分析我國(guó)高校數(shù)據(jù)安全面臨的嚴(yán)峻挑戰(zhàn)的基礎(chǔ)上，提出了以目標(biāo)為導(dǎo)向、內(nèi)涵式發(fā)展、合理的指標(biāo)體系、多元協(xié)同和基于業(yè)務(wù)場(chǎng)景的治理思路，通過(guò)數(shù)據(jù)安全治理能力、數(shù)據(jù)安全過(guò)程、業(yè)務(wù)場(chǎng)景三個(gè)維度將數(shù)據(jù)安全治理框架映射至高等教育領(lǐng)域，構(gòu)建了貫穿數(shù)據(jù)生命周期的高校數(shù)據(jù)安全治理模型，指導(dǎo)數(shù)據(jù)高效、有序、可信流通，并建立了管理、技術(shù)、運(yùn)營(yíng)為一體的高校數(shù)據(jù)安全治理能力評(píng)估體系，支撐模型的應(yīng)用發(fā)展，為提升高校數(shù)據(jù)安全治理水平提供科學(xué)的指引。

發(fā)表于：7/29/2025 3:10:14 PM

工業(yè)大模型賦能制造業(yè)數(shù)字化轉(zhuǎn)型的路徑與對(duì)策[人工智能][工業(yè)自動(dòng)化]

在全球制造業(yè)加速邁向數(shù)字化、智能化的背景下，工業(yè)大模型作為新一代智能技術(shù)，正成為推動(dòng)制造業(yè)數(shù)字化轉(zhuǎn)型的重要引擎。通過(guò)系統(tǒng)梳理工業(yè)大模型的概念、發(fā)展脈絡(luò)和發(fā)展現(xiàn)狀等基礎(chǔ)理論，提出工業(yè)大模型賦能制造業(yè)數(shù)字化轉(zhuǎn)型的理論框架，并詳細(xì)闡述工業(yè)大模型在研發(fā)設(shè)計(jì)、生產(chǎn)制造、運(yùn)維服務(wù)、經(jīng)營(yíng)管理和供應(yīng)鏈管理等制造業(yè)典型應(yīng)用場(chǎng)景的賦能作用。針對(duì)工業(yè)大模型在深度應(yīng)用過(guò)程中所面臨的高質(zhì)量訓(xùn)練數(shù)據(jù)匱乏、工業(yè)場(chǎng)景分布碎片化、工業(yè)應(yīng)用魯棒性欠缺、關(guān)鍵場(chǎng)景風(fēng)險(xiǎn)需警惕和計(jì)算與系統(tǒng)能力不足等挑戰(zhàn)，進(jìn)一步探討其賦能制造業(yè)數(shù)字化轉(zhuǎn)型的方法路徑，并從政策機(jī)制、示范引領(lǐng)、標(biāo)準(zhǔn)體系、自主創(chuàng)新、安全韌性和人才培養(yǎng)等多個(gè)維度提出對(duì)策建議，以期為工業(yè)大模型驅(qū)動(dòng)制造業(yè)高質(zhì)量發(fā)展提供有價(jià)值的參考和啟示。

發(fā)表于：7/29/2025 2:57:12 PM

基于區(qū)塊鏈的現(xiàn)實(shí)世界資產(chǎn)數(shù)字化發(fā)行及交易技術(shù)研究[通信與網(wǎng)絡(luò)][信息安全]

隨著加密貨幣（Cryptocurrencies）發(fā)行及交易的火爆，其弊端也正日益凸顯——由于沒(méi)有現(xiàn)實(shí)世界資產(chǎn)的支撐，其價(jià)值只存在網(wǎng)絡(luò)上，資產(chǎn)會(huì)在短時(shí)間造成大量損失，因而現(xiàn)實(shí)世界資產(chǎn)（Real-World Assets, RWA）數(shù)字化成為當(dāng)前關(guān)注的重點(diǎn)。此外如何建立安全有效的發(fā)行交易模型，規(guī)避或降低已知的交易風(fēng)險(xiǎn)，是目前研究的難點(diǎn)。通過(guò)深入研究當(dāng)前RWA數(shù)字化存在的兩大發(fā)展路線，指出風(fēng)險(xiǎn)的存在是由于其數(shù)字化所建立的物理和數(shù)字空間市場(chǎng)割裂所導(dǎo)致的，據(jù)此提出了一種新的“軌道模型”，并構(gòu)建了其發(fā)行與交易的數(shù)學(xué)模型，解決了傳統(tǒng)RWA數(shù)字化中的并行市場(chǎng)割裂與系統(tǒng)性風(fēng)險(xiǎn)問(wèn)題。

發(fā)表于：7/29/2025 2:44:11 PM

基于深度強(qiáng)化學(xué)習(xí)的以太坊 MEV 交易防護(hù)與交易排序優(yōu)化[通信與網(wǎng)絡(luò)][信息安全]

以太坊交易排序中的最大可提取價(jià)值（MEV）問(wèn)題，使惡意交易者通過(guò)操控交易順序獲利，破壞了網(wǎng)絡(luò)公平性并推高Gas費(fèi)用。為抑制MEV行為和優(yōu)化公平性，同時(shí)提升系統(tǒng)效率，提出了一種基于深度 Q 網(wǎng)絡(luò)（DQN）的交易排序優(yōu)化方法。通過(guò)設(shè)計(jì)合理的狀態(tài)空間、動(dòng)作空間與獎(jiǎng)勵(lì)函數(shù)，智能體能夠自主學(xué)習(xí)最優(yōu)排序策略。結(jié)合Geth私有鏈、Flashbots MEV-Explore與Ethereum Mempool數(shù)據(jù)，系統(tǒng)性驗(yàn)證了該方法的有效性。實(shí)驗(yàn)結(jié)果表明，DQN排序策略可將MEV提取率降至13%以下，平均Gas費(fèi)用較傳統(tǒng)策略降低約33.1%，公平性指數(shù)提升至0.78，顯著優(yōu)于現(xiàn)有方法。同時(shí)搭建的閉環(huán)實(shí)驗(yàn)系統(tǒng)為區(qū)塊鏈交易公平性和效率優(yōu)化提供了可行方案。

發(fā)表于：7/28/2025 5:23:26 PM

基于超參數(shù)優(yōu)化和LightGBM算法的DDoS攻擊檢測(cè)與分類[通信與網(wǎng)絡(luò)][信息安全]

針對(duì)分布式拒絕服務(wù)攻擊(DDoS)數(shù)據(jù)流量樣本容量大、數(shù)據(jù)特征多的特點(diǎn)以及檢測(cè)分類準(zhǔn)確率低的問(wèn)題，提出了一種基于LightGBM（Light Gradient Boosting Machine）算法的DDoS攻擊檢測(cè)與分類方法。在CICDDoS2019數(shù)據(jù)集預(yù)處理和特征篩選的基礎(chǔ)上，構(gòu)建LightGBM檢測(cè)模型和多分類模型。同時(shí)在模型預(yù)訓(xùn)練時(shí)，采用隨機(jī)網(wǎng)格搜索與貝葉斯超參數(shù)優(yōu)化技術(shù)實(shí)現(xiàn)超參數(shù)自動(dòng)調(diào)優(yōu)。實(shí)驗(yàn)結(jié)果表明，該模型在檢測(cè)與分類任務(wù)上能達(dá)到98.34%的準(zhǔn)確率。該研究為DDoS攻擊提供了一種高效且簡(jiǎn)易的檢測(cè)與分類思路。

發(fā)表于：7/28/2025 5:10:09 PM

巡檢無(wú)人機(jī)網(wǎng)絡(luò)安全風(fēng)險(xiǎn)建模與量化評(píng)估研究[通信與網(wǎng)絡(luò)][信息安全]

針對(duì)巡檢無(wú)人機(jī)網(wǎng)絡(luò)安全風(fēng)險(xiǎn)，構(gòu)建評(píng)估模型并進(jìn)行量化評(píng)估，為其安全防護(hù)提供支持。研究方法上，綜合運(yùn)用文獻(xiàn)研究、案例分析、理論建模及實(shí)驗(yàn)驗(yàn)證法，首先識(shí)別風(fēng)險(xiǎn)，然后結(jié)合層次分析法（AHP）與模糊綜合評(píng)價(jià)法構(gòu)建風(fēng)險(xiǎn)評(píng)估模型，同時(shí)構(gòu)建量化評(píng)估指標(biāo)體系，明確評(píng)估方法與標(biāo)準(zhǔn)。實(shí)驗(yàn)選取不同型號(hào)無(wú)人機(jī)在多種場(chǎng)景測(cè)試，收集處理120組數(shù)據(jù)。研究結(jié)果顯示，所構(gòu)建體系在90%以上場(chǎng)景評(píng)估結(jié)果與實(shí)際相符，能準(zhǔn)確評(píng)估風(fēng)險(xiǎn)。研究結(jié)論為巡檢無(wú)人機(jī)安全防護(hù)提供理論與實(shí)踐指導(dǎo)依據(jù)。

發(fā)表于：7/28/2025 4:57:09 PM