A Power Graded Data Gathering Mechanism for Wireless Sensor Networks

The data gathering manner of wireless sensor networks, in which data is forwarded towards the sink node, would cause the nodes near the sink node to transmit more data than those far from it. Most data gathering mechanisms nowdo not do well in balancing the energy consumption among nodes with different distances to the sink, thus they can hardly avoid the problem that nodes near the sink consume energy more quickly, which may cause the network rupture from the sink node. This paper presents a data gathering mechanism called PODA, which grades the output power of nodes according to their distances from the sink node. PODA balances energy consumption by setting the nodes near the sink with lower output power and the nodes far from the sink with higher output power. Simulation results show that the PODA mechanism can achieve even energy consumption in the entire network, improve energy efficiency and prolong the network lifetime.

数据分类分级确权对数据要素价值实现的影响

数据确权是释放数据要素价值的基础,同时也是数据要素市场正常运行和不断发展的关键支撑。研究梳理了数据确权相关概念以及如何建立产权体系以实现数据确权的路径。在此基础上,本研究明晰了数据分类分级确权的具体方式,并基于价值链分析其对数据价值实现中各个环节的影响。研究结果表明,在数据采集环节数据分类分级确权制度能够激励数据供给,提高数据质量,同时激发市场活力;在数据组织环节,它细分了技术工作,保护隐私数据,并挖掘潜在价值;在数据流通环节,它能调节负外部性、降低交易成本、优化资源配置;最后,在数据利用环节,它在数据合规监管和数据价值再开发方面发挥了关键作用。

基于双重预防体系的矿山安全风险智能分析系统

在国家相关政策指导下,矿山企业分别从风险分级管控和现场安全检查两个维度构建安全监管体系,但风险分级管控与隐患排查治理相对独立,彼此之间缺乏有效联系。为了解决矿山安全双重预防体系管理过程中存在的风险辨识针对性不强、风险分级方法单一等问题,在梳理现有双重预防体系业务流程的基础上,结合大数据分析技术和事故树分析法构建了双重预防体系全过程闭环管理体系;通过对地下金属矿山事故数据的采集与统计分析,运用事故树方法分析各类事故发生的潜在风险,并以事故严重程度作为评价依据,用于指导风险等级评价;采用大数据分析方法中的文本共现分析和模糊聚类分析模型对隐患数据进行处理与分析,形成了契合矿山实际情况的风险分级方法;根据全业务流程闭环管理体系的内容进行系统分析和设计,在此基础上完成系统开发;系统采用电脑终端、移动终端、数据大屏相结合的跨屏幕方式开发,实现风险分级管控和隐患排查治理全场景的应用。研究结果表明:系统实现了风险分级管控、隐患排查治理和风险智能分级的闭合式管理模式及多场景应用,达到了安全风险动态化、标准化、智能化分级的目的。

基于在线品位数据的铅锌选矿生产优化方法

在有色金属浮选生产过程中,自动化、智能化技术手段的应用已成为不可或缺的关键环节,准确、及时地获取浮选流程中不同节点的目标矿物品位是实现泡沫浮选过程实时高效控制的前提。某铅锌矿石复杂多金属的综合回收是一种典型的多目标优化问题,针对问题提出一种基于在线品位数据的铅锌选矿生产优化方法。首先,在深入研究矿石矿物组成的基础上,结合多年的生产数据,分析金属元素品位与金属回收率之间的关系,重点分析金、银回收率与铅锌等可被在线检测元素之间的分布规律,明确多金属回收优化问题描述以及在线品位分析仪实时检测的重要性,确定了实现多金属综合回收最优的控制方向。然后,通过利用X荧光在线品位分析系统实时获取关键工艺点主要元素铅和锌的品位数据,实时判断工况变化和变化趋势,同时,计算当前品位与目标品位累计偏差,选择不同的浮选优化控制策略。最后,设计一套浮选优化控制策略,基于在线分析数据及目标控制值,并结合泡沫特征观测,实现浮选过程工况识别和优化决策,直接用于指导生产操作。工业生产实践表明,优化方法投入使用后铅、锌精矿回收率都有所提高,铅精矿、锌精矿中金和银的回收率提升最为显著,大幅度提高了选厂浮选生产技术指标和经济指标。研究结果可为同类多金属铅锌选矿生产提供了一种新的技术优化思路和方法,也为投用浮选智能优化自动控制提供了基础数据。

公共数据授权运营分级标准构建

公共数据分级授权有别于数据分级开放,其分级标准不应照搬公共数据分级开放标准而设计。构建分级标准是开展分级授权运营的前提,对于弥补现行公共数据授权运营行为不足具有重要的意义。构建公共数据分级授权标准应以符合公共数据作为公共财产之公共性和财产性特征为导向。通过应用场景分析,拆解公共数据不同层级的使用权,可以为构建分级授权标准提供权利限度框架。公共数据分级授权标准是对数据使用权的合理控制。结合数据安全和数据价值,在权利限度框架下划分不同大小的数据使用权控制级别,形成分级授权标准:完全授权、可转让授权、开发授权和直接使用授权。通过“区分准入资格”“明确协议权利范围”“差异化监管”以及“分级动态反馈”的具体适用规则,使分级授权标准嵌入公共数据授权运营的全过程。

企业数据分类分级自动化路径研究

数据分类分级自动化是提升企业数据分类分级效率、促进数据安全管理的重要手段。目前,针对数据分类分级自动化路径的研究还相对较少。结合数据分类分级工作流程,总结企业数据分类分级面临的主要问题挑战,对数据探测、数据预处理、敏感数据识别、分类分级打标等典型自动化技术进行分析,提出了企业数据分类分级自动化的框架和路径,为企业更加高效有序地开展数据分类分级自动化工作提供有效借鉴。

基于产线数据驱动建模的锂离子电池分容技术

针对简化电池分容工序的需求,提出了一种基于产线数据驱动机器学习建模的锂离子电池分容容量精准预测技术。采用2万余条源自同一锂离子电池制造产线的数据,应用四种非线性机器学习算法,分别探索了锂离子电池分容前产线监测数据与其分容容量之间的相关性。所有回归模型中,CatBoost算法模型表现出最优的容量预测精度,其测试集预测结果的均方根误差仅占标准容量的0.32%。此外,经过模型特征参量贡献度统计分析发现,OCV2和卷芯质量是分容容量预测的关键影响参数。

网络民营企业数据合规的风险防范与体系建设——以Z公司非法获取计算机信息系统数据案为视角

数据合规作为信息网络社会中企业合规的具体类型之一,它通过促进信息网络公司依法依规处理信息数据,实现企业利益与国家安全、个人信息保护的有效平衡,有利于实现个人信息保护和数据安全领域的“国家监管”向“合规治理”模式转变。信息网络公司作为数字经济时代和网络社会的“看门人”,数据合规是其履行信息网络安全管理义务的必要途径。从数据的完整生命周期来看,数据合规风险主要包括数据收集中的合规风险、数据提供中的合规风险、数据跨境中的合规风险等不同类型。企业需要根据《数据安全法》《个人信息保护法》等法律法规来制定相应的合规政策,在数据分类分级基础上确立不同类型数据的处理流程和内部规则,建立贯穿数据收集、存储、处理、提供、销毁等完整生命周期的数据合规体系,在公司治理结构中设置以数据安全负责人/个人信息保护负责人为核心的数据合规组织机构。

合规视角下数据要素的分类分级管理机制研究

科学、合理的数据分级分类机制是进一步开展数据安全保护工作及数据市场要素流通的必要前提。然而,当前我国数据分类分级规范存在横向统一性规定缺失、具体标准失范、执行力度不足等问题。在数据的流转使用过程中,只有从数据的持有者、数据传播过程、市场规则机制、公共管理秩序四个维度,按照既定的数据类型和级别设定,并结合实际业务需求进行更为高效、完善而有区别的针对性保护,才能促进数据保护和要素市场安全。数据要素分类分级制度的规范化展开,应当在横向上进行数据要素分类分级管理的规范立法,授权专门的数据合规单位负责全国性整体统筹,由各地区、行业、单位根据各自领域和业务范围内的实践需求具体实施。同时,在责任分配机制上,按照行业自治、企业合规、行政监管、司法处罚四个向度确定责任主体;在模式上注重行业发展的阶段适应性,强化追责机制,实现法律责任、行业责任相统一,具体方法要求企业合规和业务考核相衔接。

高校数据分类分级策略的探讨与实践

随着教育信息化的深度推进,高校数据业务越来越深入师生工作生活,数据安全与个人信息安全问题随之日益突出。通过分析高校数据特点,结合高校数据实际,提出一套切实可行的分类分级策略,并提出针对不同分级数据采取的数据保护方案,旨在保障高校数据的安全性和隐私性。

我国政务数据分类分级实施关键问题与实践研究

数据分类分级是保障数据安全流通、推动数据价值释放的基础前提。聚焦政务数据分类分级这一政府数字化改革中的关键任务,采用基于理论的案例研究方法,基于各省级地方及部委公开发布的方案,对我国政务数据分类分级实施情况进行系统梳理与量化分析。总结了我国政务数据分类分级实施的四大关键过程与五大特点;从政务数据分类分级的特殊复杂性出发,提出我国政务数据分类分级实施存在整体目标定位不清、分类分级对象各异、分类分级关系割裂、安全分级标准不一4个问题,并提供应对方案;基于国家某部委政务数据分类分级实践,验证应对方案的科学性、有效性,为构建全国统一的政务数据分类分级体系提供参考。

基于简化的甲状腺影像报告和数据系统预测甲状腺癌被膜侵犯

目的通过简化甲状腺影像报告和数据系统(TI-RADS)的赋值过程并提出新的分级系统,探讨简化的TI-RADS(sTIRADS)预测甲状腺癌被膜侵犯的可行性。资料与方法回顾性分析2018年1月—2021年1月首都医科大学附属北京天坛医院749个甲状腺结节的超声声像图,根据病理结果分为良性组230个、恶性组519个。收集两组超声征象,并计算OR值(OR>1赋值1分,OR<1赋值0分),使用受试者工作特征曲线评价sTI-RADS鉴别良、恶性结节的效能;根据手术结果筛选出明确记录与被膜有关系的265例恶性结节并分为有被膜侵犯组67例和无被膜侵犯组198例,对两组患者超声及临床资料进行单因素及Logistic回归分析。结果749例甲状腺结节赋值为0、1、2、3、4、5分对应的恶性率分别为1.52%、7.69%、38.24%、76.00%、90.75%、93.75%;以≥3分作为诊断甲状腺恶性结节的临界值时,敏感度和特异度分别为94.03%和67.39%;sTI-RADS分级为:3级,0分,恶性率<2%;4a级,1分,恶性率2%~10%;4b级,2分,恶性率10%~50%;4c级,3分,恶性率50%~90%;5级,4分或5分,恶性率>90%。有被膜侵犯组和无被膜侵犯组常规超声见被膜受累与sTI-RADS分级差异有统计学意义(χ^(2)/t=12.88、-1.26,P≤0.2);常规超声见被膜受累是甲状腺癌被膜侵犯的独立预测因素(P<0.01),sTI-RADS不是甲状腺癌被膜侵犯的独立预测因素(P=0.80)。结论sTI-RADS在甲状腺良、恶性结节鉴别诊断中具有较高效能,甲状腺癌被膜侵犯组中sTI-RADS分级更高,而常规超声见被膜受累是甲状腺癌被膜侵犯的独立预测因素。

总体国家安全观视阈下我国外商投资数据安全审查制度症结与中国因应

我国数据安全审查制度性完善离不开总体国家安全观的指导。首先,理清数据安全及数据安全审查基本概念,探寻数据安全审查与国家安全的必然联系。其次,根据我国数据安全审查现状,理清我国数据安全审查制度尚不完善、数据出境安全审查标准模糊、数据出境监管水平存在局限性及数据分类分级保护制度不完善的现实症结,并对其根源进行剖析。再次,分析欧美数据安全审查的具体模式,并指出其制度性经验的借鉴之处。最后,基于总体国家安全观对我国外商投资数据安全审查完善的理论指引,以机构变革、制度重构为实践路径,提出构建数据安全审查一体化平台、数据出境安全可信认证体系、部署数据出境监管协同网络及研发数据安全分级量化评估工具等针对性建议,对我国数据安全审查制度症结进行系统性纾解。

体育数据的分类分级保护:概念、问题与路径

体育数据的分类分级保护能够在体育数据极具包容性和繁杂性的概念特点下提升体育数字经济效率、促进体育训练的精准化驱动、推动体育数据最大化流通、精准化保障不同类型的体育数据。基于不同生成主体的划分标准,体育数据主要可以分为运动员数据、公民运动数据、体育企业数据和体育公共数据四大类型。体育数据保护现状主要呈现混杂性特点,导致公民一般运动数据和敏感运动数据的交叉性,以及运动员、公民和公共体育的数据财产权概括化、一体化界定等危害后果。体育数据分类分级保护可以围绕公共利益权衡、敏感内容程度、新型数据财产权等分类标准,并基于一般性和特殊性体育场景关联的重大人身、财产安全危害和风险等分级标准,进行精确化路径构建。

基于基因注意力和多组学的低级别胶质瘤分类方法

现有对低级别胶质瘤(low-grade glioma,LGG)分子亚型三分类的研究依赖于LGG医学影像数据,数据样本少且难获取导致模型较难学习到LGG分子亚型之间的差异,降低了模型的分类性能。基于此,提出了LGG分子亚型三分类方法MODDA,利用基因注意力网络提取LGG多组学数据的重要特征,使用嵌入网络处理临床数据得到临床数据特征;将临床数据特征与组学数据重要特征进行融合,采用密集深度神经网络进行LGG分子亚型分类。实验结果表明,MODDA的分类性能优于现有LGG分子亚型分类方法,并且在外部验证数据集上也表现出较好的泛化性能。此外,对卡方检验过程中发现的重要基因进行了富集基因本体论(gene ontology,GO)术语和生物学途径分析,有助于LGG的个性化治疗。

基于集成平台的互联网医院数据加密传输方案设计与实现

随着医疗信息化的蓬勃发展,医院数据的开放和共享需求日益增长,使用频率也越来越高。只有保障数据安全才能更好地促进医疗数据的开发与利用,充分发挥数据价值。在等级保护对数据保密性和完整性要求的基础上,针对医院信息系统集成平台的数据传输和存储过程进行优化改造,设计了一种基于国密算法SM2、SM3和SM4混合型加密方式,采用SM4算法对数据进行加解密,并使用SM2算法对SM4的密钥进行加密存储,同时用SM3算法对数据的完整性进行校验。通过集成平台总线服务实现对互联网医院患者数据加解密的具体场景,以保障医院信息数据的传输和存储安全。

基于随机森林算法的学生成绩预测的实现

教育数据挖掘是数据挖掘中的重要领域之一,其中成绩预测是研究的重点内容,成绩数据是学生学习行为的重要反映。基于数据挖掘技术,通过采集学生的基本信息、图书借阅、消费行为、门禁数据等各类数据,挖掘行为特征与学习成绩之间的关联性,构建基于学生行为数据的成绩预测模型。以实现对学生异常情况的早期预警,优化教学实施过程,有利于学校对不同类群学生进行培养、引导和管理。

大数据背景下数据分级保护策略研究

大数据背景下数据安全保护成为各行各业的刚需,数据分级保护成为最常提及的保护手段与措施。数据分级在金融、通信等领域开展了试点工作,但同时也面临各自不同的问题与挑战。本文对数据分级保护的要求和现状进行了梳理,并从数据分级保护的制度建立、工具技术应用以及人员管理三个角度,提出了数据分级保护的策略性要求。

多模态深度神经网络的高级别浆液性卵巢癌分类方法

提出了高级别浆液性卵巢癌(HGSOC)分子亚型分类模型MMDNN-HGSOC,该模型将miRNA表达、DNA甲基化、拷贝数变异(CNV)与mRNA表达数据进行集成,构建多组学特征空间;基于LASSO(Least Absolute Shrinkage and Selection Operator)回归算法,提出叠加式LASSO(S-LASSO)回归算法,充分获得每个组学数据中与HGSOC分子亚型关联的基因子集;引入多组学数据晚期集成策略,利用多模态深度神经网络学习不同组学数据的高级特征表示。实验结果表明,MMDNN-HGSOC在HGSOC分子亚型分类中表现出较好性能。此外,对特征选择过程中发现的重要基因进行了GO(Gene Ontology)和KEGG(Kyoto Encycloped Genomes)富集分析,为HGSOC分子亚型鉴定和发病机制的研究提供有力支持。

我国数据分类分级研究进展与企业实施路径建议

随着我国构建数据要素市场计划的持续推进,数据资产安全入市且有序流动是前提,各行各业做好数据分类分级无疑是数据资产化、市场化的关键一环。通过定量、定性梳理近二十年国内数据分类分级研究成果、标准等文献,分析自动分类技术应用趋势,厘清数据分类分级的内涵、目的和责任主体,试图从国家战略、等保制度、法理保护、数据全生命周期4个理论视角,为企业全面、系统化开展数据分类分级工作实践提供参考。