首页 网络安全与数据治理（原《信息技术与网络安全》）

數據可攜帶權是歐盟于2018年生效的一項新興權利，允許數據主體不受阻礙地將個人數據傳輸給另一個數據控制者。研究數據可攜帶權對我國個人數據保護體系的建構、國內互聯網企業走向國際市場都將起到積極促進的作用。通過對歐盟《一般數據保護條例》中的立法規定及其實施現狀進行分析，發現該條款實質上已淪為僵尸條款，并未發揮預期的功能。我國在《中華人民共和國個人信息保護法》中確立了此項權利，在后續相關制度規定時應當參考歐盟經驗，對數據可攜帶權的客體范圍進行限縮，加強政府部門分層級監管，實現數據可攜帶權的中國本土化。

隨著文心一言、通義千問、ChatGLM等我國生成式人工智能算法研發與應用的落地，加快構建并完善面向生成式人工智能的算法治理已成為完善算法監管體系的題中之義。在算法治理體系之中，算法審計制度有利于算法異化與算法風險的糾偏問責，促進算法公平與數字正義的實質透明，并實現算法公開與商業秘密的張力彌合，從而成為算法規制的關鍵制度配置。在全流程治理視角下，唯有“用算法審計算法”，實現書面合規審計與技術合規審計的協同并舉，才能在算法內外部對算法的透明度、公平性、可控性、包容性和可問責進行多維視角的有效評估。而在算法審計實踐之中，現行法仍需完善剛柔并濟的差序規制格局，鞏固分類分級的精準治理，以實現算法審計內外兼修的制度銜接，促進算法治理從碎片化監管邁向更為一體化、敏捷化、精準化的治理格局。

探究我國算法治理政策與科研的協同情況，對推動算法治理相關科學研究和完善我國算法治理政策具有重要參考意義。選取我國算法治理領域的12部政策和545篇科研論文為樣本，結合LDA主題模型與Word2vec模型，對政策和文獻進行主題識別和相似度計算，并進行可視化分析，探究我國算法治理政策與科研的協同情況。實驗結果表明，算法治理的科學研究早于政策發布，算法治理政策與科研整體上協同性較低，但在技術治理當中有較高的協同趨勢。

人工智能在刑事司法領域的應用方興未艾，世界各國廣泛開發人工智能產品，以期提高司法效率，提升司法決策的公平性。然而，人工智能尚處于初級階段，存在決策偏見、算法黑箱等技術缺陷，并不能做到完全價值中立；人工智能的應用也對傳統司法原則和理論造成了沖擊，一定程度上威脅到了人權保護。所以，不能盲目夸大人工智能對于司法決策的作用。針對人工智能技術的缺陷，提出要在人工智能產品開發的各個階段減少決策偏見，推進相關認證標準；對于人工智能的應用問題，首先要明確人工智能只能輔助決策而不能替代決策，其次應加強人類的責任和監管，保障決策的公平性。同時，應加強辯方的數據權利，以實現技術司法模式下的控辯平衡。

在信息主體與信息處理者的利益衡平中，信息主體的刪除權存在限制不足的問題。當刪除權的行使與公眾知情權、言論自由等公共利益發生沖突，或與信息處理者的利益損失顯著失衡時，我國刪除權的限制規則存在規范供給不足的問題。我國刪除權的限制規則采雙重限制模式，其中刪除權的形成限制以比例原則為指引，刪除權的行使限制以禁止權利濫用原則為指引。通過借鑒GDPR和BDSG中的刪除權限制規則，運用解釋和類推適用的方法對我國刪除權的限制規則進行完善。

漏洞分析技術已經成為企業應對安全問題的一個研究重點，通過對系統中已有漏洞進行分析，可以幫助企業和相關工作人員熟悉漏洞的特點與產生原因，甚至可以快速、高效地發現未知漏洞，避免資產損失。針對漏洞分析技術中漏洞預處理過程展開研究，提出一種新的基于形式概念分析的漏洞分析預處理方法，實現了對已有漏洞根據其特征快速進行聚類，并以圖形化界面直觀展示給用戶的功能。實驗表明新的漏洞分析預處理方法可以快速、準確地獲得漏洞之間的所有關聯，為用戶進一步分析漏洞提供基礎，符合企業及相關人員使用需求。

現有網絡空間測繪系統具備端口響應信息獲取、網絡資產暴露面梳理、資產關聯分析以及聚合統計等功能，并且積累了幾十億計規模的網絡資產數據，但尚缺乏對于網絡空間測繪資產數據價值的評估，無法定量地確定網絡資產數據價值。提出了網絡空間測繪資產數據價值評估模型，可以評估每條網絡資產數據的價值，并依據價值評分確定數據價值重要度等級。網絡空間測繪資產數據價值評估模型可在某組織機構的網絡資產暴露面程度梳理、網絡資產屬性變化跟蹤監控以及不同平臺網絡資產數據價值對比等方面進行應用，同時，能為安全研究人員和資產管理人員對掌握其所關注的網絡目標資產安全狀況變化趨勢提供便利。

物聯網技術的快速發展和普及為人們的生活帶來了諸多便利，但普遍部署在非受控環境的終端設備也時刻面臨物理攻擊、非法替換等安全隱患。設備接入驗證是保障物聯終端及物聯網整體安全的關鍵，對此提出了一種基于多維特征融合驗證的物聯終端安全防護方法，通過采集設備操作系統類型、開放端口、MAC地址、IP地址用以表征設備身份，與預設規則進行比對后驗證設備的合法性。實驗表明，該方法在有效性和準確性方面表現良好，且具有低部署成本、高檢測性能等優勢，具有一定的實用性和推廣價值。

針對未來時刻交通流量的預測問題，在考慮歷史時刻車流量數據、日期屬性、天氣、降雨量等多方面影響因素的同時，提出一種考慮多方面影響因素的長短期記憶神經網絡(LSTM*)模型。實驗表明在對短期車流量進行預測時，LSTM*模型的準確性優于現有的基線方法；對長期車流量進行預測時，基于粒子群算法改進的長短期記憶神經網絡（PSOLSTM*）模型的準確性優于LSTM*模型。

針對現有域泛化方法性能較差或缺乏理論可解釋性的缺點，提出了一種基于因果關系和特征對齊的圖像分類域泛化模型，并證明了該模型的可識別性。該模型利用域泛化中的因果關系來學習含有不同信息的特征，將域泛化問題轉化為特征相關分布的偏移，再利用特征對齊消除偏移。為提高模型的性能，采用對抗訓練進一步優化學到的特征。在公共數據集上的實驗結果表明，新提出的模型與目前最優的方法性能相當，表明該模型具有理論可解釋性的同時，還有不俗的實際性能表現。

深度學習的快速發展使其在圖像識別、自然語言處理等諸多領域廣泛應用。但是，學者發現深度神經網絡容易受到對抗樣本的欺騙，使其以較高置信度輸出錯誤結果。對抗樣本的出現給對安全性要求嚴格的系統帶來很大威脅。研究了在低層特征（LowLevel Feature）和高層特征（HighLevel Feature）對圖像進行降噪以提升模型防御性能。在低層訓練一個降噪自動編碼器，并采用集成學習的思路將自動編碼器、高斯擾動和圖像掩碼重構等多種方式結合；高層對ResNet18作微小改動加入均值濾波。實驗顯示，所提出的方法在多個數據集的分類任務上有較好的防御性能。

敏感領域的不良信息具有極強的迷惑性和欺騙性，腐蝕人們的思想，影響人們的價值觀和判斷能力，危害社會安全，研究敏感領域不良信息的識別技術具有深遠意義。通用的識別技術忽略了背景知識和隱喻問題，直接應用于敏感領域不良信息識別效果較差。提出一種基于TextCNNBert的融合模型，通過敏感領域主題識別和情感隱喻識別，實現對敏感領域不良信息的文本識別。實驗結果表明，該模型在準確率、F1評分等指標方面取得了良好的結果，相較于現有模型有顯著提高。

物聯網、大數據及新一代信息技術的發展，對傳統制造業帶來前所未有的沖擊，基于數據關鍵生產要素的工業元宇宙建設得到越來越多的關注，為傳統制造業帶來了機遇，也帶來了挑戰。分析討論了工業元宇宙的背景、現狀、關鍵支撐技術，并以某企業智造元宇宙平臺的AR/VR虛擬仿真實訓系統為例，初

提出了一種基于白兔時間同步協議，利用SPARTAN6系列現場可編程門陣列(FieldProgrammable Gate Array,FPGA)實現多節點亞納秒級別時間同步，并通過測量觸發信號到達時間，根據設置的延遲進行恢復，從而實現高于120 ps時間分辨率。該方法能夠精確控制多節點信號發生的絕對時間，具有廣泛的應用前景。特別地，該方法可應用于同步輻射加速器中，提高實驗數據的準確性和穩定性，有望在材料科學、生物學和化學等領域中得到廣泛應用。該研究成果為同步輻射加速器的研究和實驗提供了新的解決方案，有望推動同步輻射技術的發展，為科學研究和工程應用提供更多可能。

針對核電行業網絡安全應急演練問題進行研究，首先分析了相關網絡安全威脅，依此設計可能存在的應急場景，基于核電工控系統實驗室網絡環境研究應急演練模式，并通過開展應急演練對其效果進行評價。通過定期進行應急演練，可以提升核電行業應急隊伍的安全事件監測、響應、處置和防護能力，不斷完善網絡安全應急演練制度建設。