亚洲欧洲av在线_91 久久_国产欧美日韩一区二区三区在线_国产亚洲一区二区在线观看_中文在线a在线_亚洲视频在线免费观看

針對工業互聯網攻擊流量特征復雜以及深層神經網絡易發生退化的問題，提出了一種基于殘差網絡和深度學習的入侵檢測方法，實現了將一維卷積神經網絡與門控循環單元殘差連接的網絡模型。使用CSECICIDS2018數據集和密西西比州大學的天然氣管道數據集進行實驗，結果表明，此方法在各個評價指標上均優于其他經典機器學習算法，具有較好檢測性能和泛化能力，證明了其在工業網絡環境中的可靠性及應用價值。

模糊測試是傳統的漏洞挖掘方法之一，在工業控制領域，針對一些不公開協議規范的私有協議，由于無法獲取協議格式及語義信息，模糊測試在對其脆弱性分析上存在用例冗余度高、測試效率低等問題。通過將協議逆向與模糊測試相結合，提出了應用動態污點分析的協議逆向方法，從函數和指令級分析工業控制協議報文在程序運行中的軌跡信息，依據軌跡日志構造協議語法樹，生成語義信息，指導測試用例生成，并使用Peach模糊測試框架進行測試,證明了該方法能有效減少測試冗余，提高測試效率。

“工業互聯網+區塊鏈”智慧環保平臺趨于成熟，在“工業互聯網+大數據”的工業環境下，工業數據面臨著很多數據安全問題，借助區塊鏈技術的“不可偽造”“全程留痕”“可以追溯”“公開透明”“集體維護”等特征為工業數據保駕護航。重點介紹危固廢智慧監管平臺利用區塊鏈、物聯網、GIS、人工智能等先進技術，實現產業鏈上各單位共享數據、協同管理，打破“信息孤島”，提供便捷高效的可監控、可預警、可追溯、可共享服務，實現“存證不可篡改、路線全程追蹤、明確企業范圍、異常數據監測”，推動數字產業化。

數據要素的價值潛力在數字經濟時代中愈發明顯，逐漸成為世界各國創造經濟價值的新動能。數據要素安全有序流動可以提升我國數字經濟國際競爭力、增進我國數據消費群體共同福祉、為相關領域科學決策奠定良好基礎。粵港澳大灣區作為我國對外開放程度和數字經濟發展水平最高的區域之一，具有“一國兩制三法域”的特殊性，是數據跨境流動治理的天然試驗場。在推進粵港澳大灣區數據要素安全有序跨境流動過程中，面對數據要素權屬界定尚不明確、流通渠道有待暢通、安全監管仍需加強等困境時，只有加快構建數據要素產權保護制度、建立健全數據要素流通平臺、加強數據要素安全保障，才可以有效實現數據要素的資源優勢，提升我國在信息化時代中的國際地位。

在中國雙碳戰略背景下，節能與減排是雙碳目標達成的關鍵路徑之一，而工業則是節能減排工作的重點對象之一。電能作為工業企業重要的生產能源，它的運行狀態關系到電網系統的安全穩定也關系到企業能源的利用效率高低。然而，先前的電能監測設備多是對電壓、電流、有功功率及無功功率這些電能參數進行單純表計數據獲取，缺乏電能質量分析及電能告警和能源數字化場景化分析等功能，這樣就難以全面地反映工業設備用電的安全和質量，不利于能源的及時優化。提出了一種基于工業物聯網基礎平臺的工業能源管控方法，構建企業能源數據管理，從而實現工業生產設備以及生產輔助設備運行狀態信息、能源數據和環境數據等多源數據的融合，并建立能源數據和能效優化模型管理目錄，在此基礎上構建工業能源數字化管控系統，從而實現對于產線設備、輔助設備設施的能效優化以及閉環控制，助力工業節能降碳的落地。

歐盟于2020年出臺了《數據治理法》以明確數據治理新措施“數據再利用”，歐盟數字主權取得進一步發展。本文通過分析對再利用模式運作中雙重邏輯，指出該法案象征著數據利他主義概念在歐盟數據治理域下的正式確立，并得出對我國數據治理具有啟發性的三點：明確數據治理中數據類型范圍、數據使用需兼顧數據保護以及先行完善數據共享的統籌規劃。

隨著自動駕駛汽車技術的發展，極端情況下的事故算法將傳統的電車難題思想實驗轉變為亟待解決的現實困境。極端情況算法不僅直接關系到所有道路交通使用者的生命安全，還涉及自動駕駛交通事故責任的分配與承擔，需要在智能網聯汽車正式上路與商業化運營前給出明確的部署方案。基于已有的應用倫理學理論、機器學習編碼道德、用戶預設道德選擇三類風險分配方案的優缺點，本文從生產商可能承擔的法律風險出發，提出一種可能的風險分配思路，期望通過設立一定規則排除刑事責任，緩減民事賠償責任，利用法律、倫理和技術的有機結合構建極端情況算法規制框架。

異步審理模式基于其在時間和空間上的“非同步”性與堅持“直接言詞原則”的傳統訴訟模式形成了鮮明對比。關于異步審理模式對訴訟效率的影響問題，使用最小二乘法和傾向得分匹配法實證分析了杭州互聯網法院5 714份裁判文書，得出以下結論：首先，采用異步審理模式的案件相較于非異步審理的案件顯著提高了158%的訴訟效率。基于高效與便捷兩種優勢，異步審理模式對于當事人接近正義具有積極作用。其次，異步審理模式對于不同案件類型的訴訟效率具有異質性。現階段，異步審理司法實踐更多適用于以銀行為主體的借款糾紛。為更好發揮異步審理模式的制度功能，一方面應當明確異步審理模式的適用群體為弱勢自然人群體并加強其認知度；另一方面，在訴訟標的額上限定適用異步審理模式的案件范圍，突出異步審理模式的非普適性，以減少異步審理模式對于民事訴訟程序正義價值的沖擊。

針對突發重大公共衛生事件的網絡輿情熱度預測模型存在較大誤差問題，文章選取百度指數作為輿情熱度，提出了AMRIMA預測和改進的LSTM預測方法。首先,使用ARIMA模型預測新冠肺炎疫情以天為單位的輿情熱度；其次，使用改進LSTM預測新冠肺炎疫情以小時為單位的輿情熱度,在LSTM中加入注意力機制，實現了提高預測精度的目的；最后，得出預測結果。實驗結果表明，ARIMA算法和改進LSTM算法能更準確預測網絡輿情熱度值，有效提高了網絡輿情熱度的預測精度。

代碼嵌入利用神經網絡模型將二進制函數的代碼表示轉化為向量，在漏洞搜索等應用中展現了優勢。現有的方法將函數表示為匯編指令序列、控制流圖的拓撲結構或若干路徑，都沒有克服不同編譯環境導致控制流圖結構變化的干擾。為此,設計了基于基本塊樹（Basic Block Tree, BBT)的代碼表示以及構建了對應的代碼嵌入模型BBTree。首先，二進制函數被表示為一系列BBT，每個BBT被處理為指令序列；其次，BBTree利用LSTM和BiGRU將基于BBT的代碼表示轉化為向量；最后，通過計算向量間的距離去高效衡量對應函數的相似性。在代碼搜索中，BBTree的平均準確率比主流工具提升了24.8%；在漏洞搜索中，BBTree的平均召回率比主流工具提升了26.1%。

深度強化學習在移動機器人自主避障領域已得到廣泛應用，其基本原理是通過模擬環境中的不斷試錯，結合獎勵機制提升機器人的避障性能。然而，針對不同任務場景，網絡訓練效率存在顯著差異。同時，在人群密集的場景中，機器人的行為可能對人類造成干擾。為了應對訓練效率低下和機器人行為不符合社會規范的問題，提出了一種將社會力模型融入深度強化學習的自主避障策略。該策略首先將人類未來的運動軌跡考慮進獎勵函數，以確保機器人理解人類意圖并避免闖入人類的舒適區。其次，在訓練過程中引入先驗的傳統控制器模型，并設計了一種基于概率的切換開關，以隨機切換控制器輸出，提高機器人的探索效率。實驗結果表明，所提出的方法能夠增加機器人與人類之間的安全距離，同時實現平穩導航。

自編碼器和生成對抗網絡作為強大的模型已經被應用到推薦系統領域，能補充用戶項目之間的交互信息。但這種模式的訓練下，大量的輔助信息被浪費，比如用戶特定信息。結合自編碼器、生成對抗網絡和輔助信息，提出了基于用戶特定空間的對抗推薦模型。為建立輔助信息和交互信息的聯系，將自編碼器的隱空間替換為用戶特定空間，交互信息和用戶特定信息的點對點映射又限制了模型的表達，因此，在用戶特定空間加入對抗訓練增加模型的性能。在兩個公開電影數據集的充分實驗證明了提出模型的有效性和優越性。