人工智能数据安全治理与技术发展概述

当前,随着计算能力的大幅提升和数据规模的暴增,人工智能技术获得快速发展,成为全球各国高度重视和竞相发展的带有"头雁"效应的引领型技术.与此同时,数据作为人工智能技术发展的重要资源,其重要价值进一步凸显,但也由此引发了一系列对于数据安全和隐私保护的担忧,数据安全问题已然成为人工智能全面发展的重要制约瓶颈和亟需突破的关键挑战.当前,全球各国高度重视人工智能数据安全问题,体现在国家战略、法律法规、标准规范、技术发展等多个层面.对当前全球各国的人工智能数据安全治理情况作了全面梳理和比较,并对目前破解此议题的技术领域的突破性进展进行了概述,以期为我国人工智能数据安全治理提供参考.

工业互联网数据安全技术概览和未来技术展望

随着信息安全技术的发展,数据要素已经成为工业领域发展的重要被保护资源。因此数据安全逐步成为工业互联网顺利发展的重要保障之一,工业互联网数据安全关系到工业互联网系统的安全运行。《加强工业互联网安全工作的指导意见》政策文件提出“到2025年,技术手段能力显著提升,安全产业形成规模,基本建立起较为完备可靠的工业互联网安全保障体系”。本文介绍了工业互联网的数据安全技术现状和发展情况,并对工业互联网数据安全技术未来走势提出了展望。

信息安全护航城市数字化转型

近年来,信息安全事件屡次出现,凸显了信息安全建设的必要性。另外,从相关政策法规及标准要求中也可以看出,国家一直高度重视并密切关注智慧城市的安全建设。更新相关安全技术标准规范,是为了顺应新时期智慧城市创新发展、城市数字化转型的需求。一般而言,智慧城市的平台框架由云、管、边、端四层构成,每一层都会面临网络安全风险。

电信领域数据安全合规治理思考

首先,对数据安全合规治理产生的背景进行了分析,提出数据安全合规现状、风险、挑战与合规需求;然后,对电信企业应做好的围绕管理、技术、运营等方面的数据安全合规治理措施,避免在面向合规监管过程中出现的管理、技术、运营合规不满足、具体措施落实不到位等问题进行了分析,从而对电信企业在数据安全合规治理方面所具备的能力进行了研究;最后,对电信企业数据安全合规治理应采取的措施和方法进行了探讨与思考。

政务数据安全合规评估要点及实践

随着数字政府建设的深入推进,政务数据安全已成为数字政府的生命线.国家高度重视政务数据的安全风险防范工作,颁布了一系列法律法规和政策文件,对加强政务数据安全管理提出了明确要求.结合政务数据安全合规要求,提出了政务数据安全合规评估方法和指标体系,为政务数据管理者开展政务数据安全合规评估提供参考.

人工智能发展与数据安全挑战

当前,随着以“数字新基建、数据新要素、在线新经济”为特征的新一波数字经济浪潮全面来临,全球人工智能发展逐步从“探索期”向“成长期”过渡,在技术和产业上均进入重要的转型阶段。在此背景下,人工智能发展和数据安全问题日益深度交织融合,影响用户隐私、公民权益、商业秘密、知识产权、社会公平、国家安全等各个方面,数据安全问题已然成为人工智能全面新发展的重要制约瓶颈和亟需突破的关键挑战。

自然语言处理与图分析相融合的网络舆论安全分析

在网络信息技术快速发展的当下,做好网络舆论分析是确保网络舆论信息健康稳定传播的基本前提。本文通过采集大量新闻报道语料数据,在不依赖任何行业语料的情况下,通过深度学习模型从网络新闻报道中分析出关键词汇与舆论主题并构建关系图谱,最后利用图分析算法对舆论话题之间潜在关系进行挖掘,实现对网络舆论传播路径的深层次分析。该方法将深度学习技术与图分析技术相结合,在对语义进行分析的同时也兼顾了话题间关系的挖掘,优化了新闻真伪的识别能力和传播路径的溯源能力。

面向数字新基建产业群的安全保障体系建设思考

我国的"新基建"发展已经迎来了政策支持的黄金时期,由于新基建发展事关国家经济的新增长,事关国家安全和公共利益,因此成为网络安全的新焦点和安全市场新增长点。自国家把"新基建"发展纳入最新产业发展扶持政策以来,以"新基建"为代表的重要基础设施的安全保障问题越来越成为首先需要考虑的建设保障因素。笔者结合国家信息基础设施的建设要旨,探讨数字新基建产业群的安全保障体系建设,从安全策略保障、技术保障、运行保障到构建完善的数字新基建产业群的安全保障体系,需要提出相关建议。

云环境下数据安全防护体系的研究与应用

本文通过对云计算的特征阐述,分析了数据安全属性以及云环境下数据安全的影响因素,并在此基础上对云环境下数据安全防护体系的应用进行了探讨。

助力打造融入安全基因的工业互联网生态圈

工业互联网是互联网和工业系统深度融合所形成的产业生态,以机器、控制系统、信息系统和人之间的网络互联为基础,通过对工业数据的深度感知、实时交换、快速计算和高级建模,实现智能控制和运营优化的方式变革。工业互联网中最重要的三个元素,是网络、数据和安全。其中网络是承载基础,通过物联网、互联网等技术实现工业系统的互联互通,促进工业数据的充分流动和无缝集成;数据是核心,包括工业控制数据、工业控制命令、生产的日志数据等,通过对工业数据的采集.

基于卷积神经网络的网络攻击检测方法研究

现有的网络攻击检测方法有静态检测和动态检测,但两者都存在一些不足,都过多地依赖于规则,存在误报率高的问题。针对传统的网络攻击检测的不足,文章将卷积神经网络技术引入网络攻击检测领域。文章首先介绍了卷积神经网络的基本原理;接着将提取的日志特征映射到一组灰度图中进行异常检测,将网络攻击特征映射成灰度图。通过Kafka每十分钟读取大数据平台中的各项应用日志,按天将日志存入本地服务器,将相应的特征生成最新特征库并映射到灰度图,通过卷积运算可以降低噪声数据使得原始信号特征增强,从而使所学特征能更好地描述数据中的详细信息,提高分类的能力。

电信运营商电子渠道风控研究

近年来,随着互联网的快速发展,各大电信运营商全面建设了一套全国统一集中的"一级架构"的电子渠道系统。于是,对应的安全问题随之而来,一方面是应对外部安全风险,另一方面是内部安全风险管理问题。随着大数据技术及人工智能的发展,机器学习算法的应用得到了广泛认可。基于随机森林的人工智能算法从原始训练集中利用bootstrap进行采样生成决策树,然后重复该过程,最后集成所有生成的决策树识别安全风险行为,能有效识别对应的内外部安全风险。基于随机森林的安全检测方法具有较高的准确率,对异常值和噪音具有很好的容忍度,不容易发生过拟合,从而能够很好地应用于电信运营商电子渠道的风控检测。

基于设备行为分析的电力监控网络态势感知系统

通过介绍研制基于设备行为分析的电力监控网络态势感知系统,提出通过大数据平台及机器学习引擎的方法,分析电力系统各类通讯协议、流量信息及电力报文,总结实现对变电站业务的安全态势感知,从而达到能够主动感知针对电力系统的安全威胁。

工业数据安全监测体系建设研究

本文对工业领域数据安全风险进行了分析,从监测需求、监测体系技术架构、监测体系建设内容等方面阐述了工业数据安全监测体系的相关技术能力,以期提升工业企业数据安全防护能力和水平,解决“工业+大数据”场景下工业数据安全防护问题。