国际完美世界下载,完美世界小说下载,君子以泽

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

發(fā)表于：7/29/2025 4:33:51 PM

風(fēng)險等級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對行政算法予以關(guān)注并對其透明度規(guī)制進行制度性回應(yīng)時，與其追求一個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)自動化行政中算法的不同特點，在方法論上放棄統(tǒng)一適用的公開路徑，轉(zhuǎn)而透過對實踐的總結(jié)和歸類，以算法對權(quán)利的實質(zhì)影響程度為標(biāo)準(zhǔn)，抽象出算法介入自動化行政的不同風(fēng)險等級，并對其適配相應(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)避自動化行政中算法實質(zhì)風(fēng)險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

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

海量的個人信息用于社會治理，雖然降低了犯罪恐懼感，但是也帶來“去知覺化”的問題和隱私泄露的風(fēng)險。為了促進數(shù)據(jù)私益和公益的平衡，基于2023年中國犯罪被害調(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，還會通過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制，利用數(shù)據(jù)價值的同時規(guī)避隱私泄露風(fēng)險，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)險不容忽視。通過解構(gòu)數(shù)據(jù)“收集—處理—存儲—輸出”四階段風(fēng)險，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。借鑒歐盟“先監(jiān)管后發(fā)展”和美國“技術(shù)驅(qū)動立法”經(jīng)驗，提出分階規(guī)制框架：收集階段實行分類分級與源頭審查，處理階段強化倫理審查與清單管理，存儲階段構(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)。以此推動數(shù)字政府建設(shè)，實現(xiàn)科技、風(fēng)險治理與安全法治的協(xié)同共進。

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][工業(yè)自動化]

在分析我國高校數(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)場景的治理思路，通過數(shù)據(jù)安全治理能力、數(shù)據(jù)安全過程、業(yè)務(wù)場景三個維度將數(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)、運營為一體的高校數(shù)據(jù)安全治理能力評估體系，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)型的路徑與對策[人工智能][工業(yè)自動化]

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)，正成為推動制造業(yè)數(shù)字化轉(zhuǎn)型的重要引擎。通過系統(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、生產(chǎn)制造、運維服務(wù)、經(jīng)營管理和供應(yīng)鏈管理等制造業(yè)典型應(yīng)用場景的賦能作用。針對工業(yè)大模型在深度應(yīng)用過程中所面臨的高質(zhì)量訓(xùn)練數(shù)據(jù)匱乏、工業(yè)場景分布碎片化、工業(yè)應(yīng)用魯棒性欠缺、關(guān)鍵場景風(fēng)險需警惕和計算與系統(tǒng)能力不足等挑戰(zhàn)，進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)等多個維度提出對策建議，以期為工業(yè)大模型驅(qū)動制造業(yè)高質(zhì)量發(fā)展提供有價值的參考和啟示。

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——由于沒有現(xiàn)實世界資產(chǎn)的支撐，其價值只存在網(wǎng)絡(luò)上，資產(chǎn)會在短時間造成大量損失，因而現(xiàn)實世界資產(chǎn)（Real-World Assets, RWA）數(shù)字化成為當(dāng)前關(guān)注的重點。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，是目前研究的難點。通過深入研究當(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)字化中的并行市場割裂與系統(tǒng)性風(fēng)險問題。

發(fā)表于：7/29/2025 2:44:11 PM

基于深度強化學(xué)習(xí)的以太坊 MEV 交易防護與交易排序優(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值（MEV）問題，使惡意交易者通過操控交易順序獲利，破壞了網(wǎng)絡(luò)公平性并推高Gas費用。為抑制MEV行為和優(yōu)化公平性，同時提升系統(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。通過設(shè)計合理的狀態(tài)空間、動作空間與獎勵函數(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)性驗證了該方法的有效性。實驗結(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。同時搭建的閉環(huán)實驗系統(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攻擊檢測與分類[通信與網(wǎng)絡(luò)][信息安全]

針對分布式拒絕服務(wù)攻擊(DDoS)數(shù)據(jù)流量樣本容量大、數(shù)據(jù)特征多的特點以及檢測分類準(zhǔn)確率低的問題，提出了一種基于LightGBM（Light Gradient Boosting Machine）算法的DDoS攻擊檢測與分類方法。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檢測模型和多分類模型。同時在模型預(yù)訓(xùn)練時，采用隨機網(wǎng)格搜索與貝葉斯超參數(shù)優(yōu)化技術(shù)實現(xiàn)超參數(shù)自動調(diào)優(yōu)。實驗結(jié)果表明，該模型在檢測與分類任務(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易的檢測與分類思路。

發(fā)表于：7/28/2025 5:10:09 PM

巡檢無人機網(wǎng)絡(luò)安全風(fēng)險建模與量化評估研究[通信與網(wǎng)絡(luò)][信息安全]

針對巡檢無人機網(wǎng)絡(luò)安全風(fēng)險，構(gòu)建評估模型并進行量化評估，為其安全防護提供支持。研究方法上，綜合運用文獻研究、案例分析、理論建模及實驗驗證法，首先識別風(fēng)險，然后結(jié)合層次分析法（AHP）與模糊綜合評價法構(gòu)建風(fēng)險評估模型，同時構(gòu)建量化評估指標(biāo)體系，明確評估方法與標(biāo)準(zhǔn)。實驗選取不同型號無人機在多種場景測試，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%以上場景評估結(jié)果與實際相符，能準(zhǔn)確評估風(fēng)險。研究結(jié)論為巡檢無人機安全防護提供理論與實踐指導(dǎo)依據(jù)。

發(fā)表于：7/28/2025 4:57:09 PM