首页 网络安全与数据治理（原《信息技术与网络安全》）

近年來，金融領域明文數據流通所引起的數據泄露問題日漸突出，傳統的跨機構數據融合的機器學習方式面臨著新的問題與挑戰。因此，立足于金融數據安全領域，從用戶隱私和數據安全角度出發，概述聯邦學習理論并深入分析其目前在金融行業的應用現狀，指出現有的聯邦學習還存在通信效率低、數據異構性突出等問題。最后提出健全聯邦學習標準體系、時刻關注監管要求等建議，為推動聯邦學習在金融數據安全領域中的合法應用提供參考性意見。

隨著人工智能和光學成像器件的蓬勃發展，基于先進的硬件基礎和深度學習算法，人臉識別技術得到了廣泛的應用，特別是在金融領域，能高效地完成刷臉登錄、支付、驗證等服務，極大地節省了人力成本和用戶的時間成本，并且憑借著其非接觸性、易采集性、方便性、穩定性和獨特性等優點在眾多生物識別技術中脫穎而出，但是其安全性也成為人臉識別在應用的過程中最大的瓶頸問題，可能危機生物信息安全甚至國家安全。因此著力于提高人臉識別技術的抗攻擊能力和安全驗證技術刻不容緩?；铙w檢測技術在人機交互和視頻監控領域有著廣泛的應用，能較好地解決這一問題。該技術能有效地辨別人臉圖像是否為真實人臉，并結合人臉識別系統，提高安全性和可靠性。通過對目前已有的活體檢測技術進行總結分析，對人臉識別的安全性進行驗證。

針對電力企業關鍵信息基礎設施大量業務數據易遭受網絡攻擊的現象，基于各業務信息系統下已有的網絡安全設備，通過輔助設備采集流量數據，采用Canopy-Kmeans算法進行數據分析研究。首先通過實驗證明了Canopy-Kmeans算法在處理流量數據時，相比傳統K-means算法，具有更好的聚類效果，準確率提高約11%；然后以采集到的電力關鍵業務系統的流量數據為基礎，基于Canopy-Kmeans算法進行挖掘分析實驗，完成相同類型流量數據的聚類，分析出攻擊流量與業務流量的特征項，排除部分誤報信息，合理開展網絡安全防護工作。

在黑盒攻擊領域，目前主流方法是利用對抗樣本遷移性實現對抗攻擊，然而此類方法效果不佳。為此提出一種基于訪問的黑盒攻擊方法，此方法運用有限差分法直接估計樣本在目標模型中的損失函數梯度。為提高攻擊效率，算法在兩方面進行優化：第一，在估計梯度時，固定區域內使用平均像素值代替區域所有像素值進行有限差分，從而每個區域只需計算一次梯度；第二，在迭代生成對抗樣本時，提出復用多代梯度生成對抗擾動的思想，顯著減少攻擊迭代次數。經過大量實驗驗證，在MNIST、CIFAR-10和ImageNet中迭代的非目標攻擊分別獲得了99.8％、99.9％和85.8％的攻擊成功率，領先當今大多數黑盒攻擊算法。

域名系統(Domain Name System，DNS)作為管理網絡空間資源名稱與IP對應關系的網絡基礎設施，在提供廣泛的域名解析服務的同時，也存在性能和安全隱患。針對傳統DNS系統的中心化樹狀層次結構引起的對根域名服務器的嚴重依賴以及可能導致的系統脆弱性，設計了一種去中心化的域名服務本地模型，通過在去中心化互聯模型中整合多源數據，重構域名信息解析優先級記錄和相應存活時間，以保證域名數據的唯一性及高優先級；同時基于本地數據記錄重構模型實現域名解析的快速響應，形成本地DNS數據記錄重構模型和域名解析服務模型，實現快速、準確、可靠的域名解析服務。

為實現國家關鍵基礎工控設備自主化戰略，部分國產品牌先后推出了全國產化自主安全PLC。雖然這些國產品牌PLC的核心芯片、操作系統、編程軟件工具都實現了國產自主化，但其功能、性能與國外品牌PLC相比具有較大差距，尤其是PLC編程軟件工具，PLC的功能全部是通過編程軟件工具來實現的，編程軟件工具作為PLC的核心組件之一尤為重要。在對國內外編程工具現狀分析的基礎上，對國產自主開發的編程工具進行對比和探討，并分析了目前國產自主安全編程工具的瓶頸，提出了一些關鍵技術和研究建議。

基于我國工業互聯網產業的空心化問題較為突出、產業鏈關鍵環節自主安全程度較低的發展現實，結合我國工業互聯網“三步走”戰略目標，即“到2025年，基本形成具有國際競爭力的基礎設施和產業體系；到2035年，建成國際領先的網絡基礎設施和平臺，形成國際先進的技術及產業體系；到本世紀中葉，網絡基礎設施全面支撐國民經濟與社會發展，綜合實力邁入世界前列”，從關鍵技術自主安全和新一代信息技術融合應用兩個角度推動工業互聯網“感、傳、支、用”四個層面發展的技術路線，為我國工業互聯網發展戰略目標落地與實施提供參考。

語音變聲偽裝會導致人耳感知和聲紋識別出現錯誤，從而達到隱匿說話人真實身份的目的。為削弱變聲語音的影響，提出一種融合卷積神經網絡(Convolutional Neural Networks，CNN)和Transformer編碼器的模型，提取變聲語音的局部特征和全局特征用于判別變聲因子，并根據變聲因子的數值實施變聲語音還原。在中英文真實場景錄音數據集上驗證了所提方法的有效性，對變聲因子判別實現了95%以上的準確率。利用所提出的方法，在黑箱條件下對某型商用硬件變聲器輸出的語音進行鑒別與還原，取得了較好的效果。

目前，大多數基于學習的圖像超分辨率研究通常采用預定的降質類型(比如雙三次下采樣)處理高分辨率圖像，來產生成對的訓練集。然而，真實圖像往往存在未知的模糊和噪聲，導致這些算法無法有效應用到真實場景中。為了實現真實圖像的超分辨率重建，提出了一種基于生成對抗網絡的無監督圖像超分辨率算法，所提出的算法分為域轉換子網絡和重建子網絡兩個部分。同時設計了深度特征提取模塊，通過融合不同感受野所提取的圖像特征來提升網絡的性能。實驗結果證明，相比于目前多數的圖像超分辨率算法，本文算法能夠實現真實降質圖像(存在噪聲、模糊等)的圖像超分辨率，在主觀效果和客觀指標上均能獲得更好的性能。

類激活映射(CAM)是卷積神經網絡(CNN)解釋中的一種直觀的方法，通常由CNN的最后一個卷積層生成，可以突出顯示輸入圖片中目標類的不同區域。之前的CAM方法只依賴于最后的卷積層，生成的解釋圖只能顯示模糊的物體位置信息。提出了一種新的方法即分層加權類激活映射方案(SL-CAM)，通過加權合并CNN淺層到深層的信息來生成類激活圖。由淺層特征圖及其對應的梯度生成的激活圖包含詳細、準確但噪聲大的位置信息；而由深層特征圖生成的激活圖包含噪聲少但模糊的位置信息。在LSVRC2012 Val上的實驗表明，SL-CAM多項指標上均優于Grad-CAM、Grad-CAM++和Score-CAM。

基于光電檢測技術開發了電纜表面缺陷實時監測系統。在硬件結構方面，系統采用半環形LED白光源照射電纜，利用線陣CCD相機采集電纜表面圖像。在軟件算法方面，提出一種改進的ROI(Region of Interest)算法精確定位電纜區域，利用一種基于改進雙邊濾波的圖像差分算法建立背景模型，改進一種基于CV-Kmeans區域分類自適應濾波窗口算法來凸顯電纜表面缺陷特征。研究結果表明，基于光電檢測技術研發的電纜表面缺陷實時監測系統的識別能力較高，整體監測準確率不低于97.0%。

為進一步提高混合動力應急救援車輛的能源利用率，針對N3類重型車輛的特點設計了雙模糊邏輯控制策略，分別對前后軸之間的制動力及前軸再生制動與機械制動的制動力進行了合理分配，同時兼顧了車輛的制動穩定性及再生制動能量的回收效率。為了更好地發揮模糊邏輯控制器的性能，采用多目標粒子群優化算法，以車輛制動穩定性指標及再生制動能量回收量為優化目標，對雙模糊邏輯控制器的輸入/輸出隸屬度參數進行了優化。最后，通過Simulink離線仿真實驗驗證了所設計的雙模糊邏輯再生制動策略及多目標粒子群優化算法的正確性、有效性及實用性。

推薦系統是數據挖掘中強有力的技術，異構信息網絡是推薦系統起步晚卻發展迅猛的主流推薦方法。提出了基于異構信息網絡的學生成績預測與預警模型，該方法通過元路徑計算得到學生間相似度矩陣，利用相似度矩陣構造成績變化趨勢矩陣和幅度矩陣，投票得到學生成績預警與預測結果；最后，在公開數據集上驗證所提模型的有效性，結果表明，該模型能夠對學生成績進行預警，并能在一定閾值下預測學生成績具體分值。