基于对抗性样本的深度学习算法可靠性评估研究

介绍深度学习算法可靠性面临的安全隐患及对抗性样本对可靠性的影响;分析深度学习算法可靠性评估现状:目前业界缺乏对深度学习算法可靠性的系统性评估方法,一定程度上影响着深度学习的广泛应用和技术发展;依据团体标准《人工智能深度学习算法评估规范》(T/CESA 1026-2018)对深度学习算法可靠性评估进行探讨;采用白盒、黑盒实验方式研究对抗性样本对深度学习算法可靠性的影响,并将逐步在深度学习算法的测试评估中推广。

开源与软件标准的关系研究

开源已成为促进技术研发、节约成本,助力效益最大化的重要模式,是推动技术创新和产业发展的有效路径,创造了显著的经济和社会效益。为推动我国软件标准体系建设,在系统梳理开源生态中开放标准、事实标准、官方标准之间的转换关系,及深入分析开源与软件标准间的作用关系基础上,给出新形势下我国软件标准的发展建议。

基于区块链的数据要素市场化研究

数据作为数字经济时代的产物,其价值早已被市场认可。而数据要素在产业化进程中也存在诸多问题与挑战。本文认为,应以区块链等新一代信息技术打造可信数据服务基础设施,充分借鉴数据治理的思想、与实践方法,构建创新性数据要素市场化体系,推动我国数据要素市场化发展。