盗墓笔记,好看的小说完本推荐,小说网

Gartner解讀2024六大網絡安全趨勢

上周Gartner在“2024年網絡安全六大趨勢”報告中指出，新的一年中改變企業(yè)網絡安全市場的六大驅動力和趨勢分別是：生成式人工智能(GenAI) 不安全的員工行為第三方風險持續(xù)的威脅暴露董事會溝通差距身份優(yōu)先的安全方法

發(fā)表于：3/1/2024

IBM發(fā)布全新AISSD：60秒內檢測并清除勒索軟件

發(fā)表于：3/1/2024

NIST發(fā)布網絡安全框架2.0版本

十年來首次重大更新！NIST發(fā)布網絡安全框架2.0版本

發(fā)表于：3/1/2024

對網絡空間安全建模的系統(tǒng)思考

解決網絡空間安全問題需要對網絡空間中的組成部分、因素、結構及其相互作用有一個整體性的理解，但傳統(tǒng)式建模方法更注重技術性問題，缺乏從宏觀的視角看待網絡空間安全。嘗試討論把系統(tǒng)思維方式應用到網絡空間安全的建模上。首先回顧了系統(tǒng)思維方式，列舉了網絡空間中與安全相關的領域、組成部分、影響因素以及它們間的交互情況。其次，針對網絡空間安全建模的困難與挑戰(zhàn)，對能夠解決相關問題的系統(tǒng)理論與方法進行了舉例。最后，提出了一個針對網絡空間安全建模的系統(tǒng)思維框架，涵蓋了方法論、理論、技術和實踐等內容。該研究認為系統(tǒng)思維是開展網絡空間安全建模的重要工具之一，幫助研究人員和從業(yè)人員去探索、刻畫、理解、評估及預測網絡空間安全相關的內容。

發(fā)表于：2/29/2024

彈性自組織多集群管理系統(tǒng)設計與實現(xiàn)

Kubernetes等云原生技術在業(yè)界應用時，承載能力有限，無法滿足更高可用性要求，且易被云供應商鎖定；東數(shù)西算等戰(zhàn)略的實施運行，需以多集群管理技術為基礎，但是傳統(tǒng)的云管平臺難以滿足跨多云應用的服務部署和治理的挑戰(zhàn)。提出軟件定義的自組織基礎設施管理、冪等的分層調度新理念，實現(xiàn)以集群為最小單位的彈性基礎設施管理架構，將多個Kubernetes集群組成中心式、去中心式、樹狀等任意拓撲結構，進行應用的跨云調度及管理。方案基于樹狀集群結構進行了測試驗證，并與其他方案對比，測試結果表明該方案能夠滿足未來分布式云場景下海量集群組織管理需求，且保持接入新集群不超過1 s，應用的調度延遲不超過200 ms。

發(fā)表于：2/29/2024

內網敏感大數(shù)據(jù)跨網域跨密區(qū)數(shù)據(jù)交換需求及方法策略研究

針對內網敏感大數(shù)據(jù)治理和應用，分析闡述了數(shù)據(jù)采集報送、引接匯聚、分發(fā)共享、綜合應用過程中跨網域跨密區(qū)數(shù)據(jù)流轉和信息交互需求，對比研究了各類跨網域跨密區(qū)數(shù)據(jù)交換技術方法，并提出了面向應用需求實現(xiàn)跨網域跨密區(qū)數(shù)據(jù)交換的方法策略，為內網大數(shù)據(jù)建設運用提供技術支持和策略建議。

發(fā)表于：2/29/2024

基于動態(tài)均衡技術的海量異構數(shù)據(jù)高并發(fā)可靠接入方法

隨著大數(shù)據(jù)時代的到來，海量異構數(shù)據(jù)的高并發(fā)可靠接入成為了一個亟待解決的問題。提出了一種基于動態(tài)均衡技術的海量異構數(shù)據(jù)高并發(fā)可靠接入方法。該方法采用去中心化的任務分配機制實現(xiàn)海量數(shù)據(jù)源接入；針對各類異構數(shù)據(jù)源設計了基于HTTPS、SFTP、Kafka等多樣化采集手段及相應的節(jié)點分配和回收機制；采用動態(tài)負載均衡策略對采集資源進行實時調整，以適應不斷變化的數(shù)據(jù)負載，實現(xiàn)高并發(fā)處理。該研究為實現(xiàn)海量異構數(shù)據(jù)的高效、可靠接入提供了一種有效的解決方法。

發(fā)表于：2/29/2024

基于ADE-ABiGRU的物聯(lián)網安全態(tài)勢預測

針對物聯(lián)網安全態(tài)勢預測的復雜性和多變性，提出一種基于ADEABiGRU的物聯(lián)網安全態(tài)勢預測模型。該模型融合了雙向門控循環(huán)單元、多頭注意力機制和殘差結構，并經由自適應差分進化算法調優(yōu)，增強了對復雜時序依賴性的捕捉和對數(shù)據(jù)的多維度分析能力。通過改進自適應差分進化算法的自適應機制，充分考慮時序數(shù)據(jù)特征，以提升全局搜索效率和局部逼近精度。在ToN_IoT數(shù)據(jù)集上的實驗結果表明，與傳統(tǒng)算法相比，該模型在MAPE、R2和MSE上均表現(xiàn)出色，展現(xiàn)出更高的預測準確性和穩(wěn)定性。

發(fā)表于：2/29/2024

目標與態(tài)勢三維可視化系統(tǒng)設計與實現(xiàn)

為提升大規(guī)模數(shù)據(jù)下態(tài)勢展示的性能和效果，對態(tài)勢展示的關鍵技術進行研究，設計并實現(xiàn)了實時態(tài)勢監(jiān)控、歷史態(tài)勢回放、目標三維可視化等功能的系統(tǒng)。該系統(tǒng)利用數(shù)據(jù)清洗、數(shù)據(jù)插值和數(shù)據(jù)融合等技術對多源異構態(tài)勢數(shù)據(jù)進行實時處理；然后將處理后的數(shù)據(jù)儲存于多級數(shù)據(jù)存儲系統(tǒng)中，通過緩存和批量數(shù)據(jù)獲取機制提升數(shù)據(jù)加載效率；最后，基于瀏覽器和GIS服務實現(xiàn)目標與態(tài)勢的三維地理空間可視化。仿真結果表明，該系統(tǒng)態(tài)勢數(shù)據(jù)獲取快速高效，態(tài)勢展示效果立體清晰，能夠滿足大型模擬對抗演習中的目標分析、態(tài)勢監(jiān)控和回放需求。

發(fā)表于：2/29/2024

數(shù)據(jù)利他主義：歐盟數(shù)據(jù)治理新理念及其啟示

歐盟數(shù)據(jù)治理法（DGA）的正式出臺標志著歐盟數(shù)據(jù)治理模式開始轉型。該法的重心在于通過貫徹利他主義這一核心理念來強化公共數(shù)據(jù)的再利用。利他主義作為一種新的數(shù)據(jù)治理理念，對之進行系統(tǒng)分析，有利于為我國數(shù)據(jù)治理所借鑒利用。首先梳理歐盟數(shù)據(jù)治理歷程和邏輯框架，數(shù)據(jù)利他主義是發(fā)展到現(xiàn)數(shù)據(jù)共享階段的必然結果，分析數(shù)據(jù)利他主義治理的概念及其特點、其指導下的數(shù)據(jù)治理模式，如公共機構部門共享模式和數(shù)據(jù)中介共享模式。進而對DGA尤其是該法貫徹的利他理念進行評析，在此基礎上為我國數(shù)據(jù)治理提出借鑒思路。我國宜從發(fā)展數(shù)據(jù)利他主義理念、引入多元數(shù)據(jù)共享主體和完善數(shù)據(jù)共享立法體系的角度對之加以借鑒。

發(fā)表于：2/29/2024

網絡安全等級保護制度下的數(shù)據(jù)安全研究

通過深度剖析網絡安全和數(shù)據(jù)安全的內在聯(lián)系，探討將數(shù)據(jù)安全保護納入網絡安全等級保護工作流程的必要性與可行性，提出具體的工作步驟與實施過程。在落實等級保護的基礎上，有序推進數(shù)據(jù)安全保護，快速、有效、體系化地開展數(shù)據(jù)安全保護工作，實現(xiàn)網絡基礎設施安全和上層業(yè)務數(shù)據(jù)安全一體的真正數(shù)據(jù)安全。

發(fā)表于：2/29/2024

基于隱私計算技術的數(shù)據(jù)安全共享交互框架

隱私計算作為一種數(shù)據(jù)安全交互解決手段，是由兩個或多個參與方聯(lián)合計算的技術和系統(tǒng)，參與方可以在不泄露各自數(shù)據(jù)的前提下通過協(xié)作對數(shù)據(jù)進行聯(lián)合機器學習和分析，隱私計算可實現(xiàn)“數(shù)據(jù)可用不可見”“數(shù)據(jù)不動模型動”，具備強化數(shù)據(jù)安全合規(guī)性、確保隱私數(shù)據(jù)不泄露的能力，可以說是現(xiàn)階段數(shù)據(jù)安全交互與敏感信息保護的“最優(yōu)解”。圍繞數(shù)據(jù)安全共享與協(xié)同應用，提出基于隱私計算技術的共享交互框架設計方案，結合業(yè)務實際分別給出技術架構和邏輯架構設計，分析關鍵技術和利弊，為數(shù)據(jù)的安全交互和開發(fā)利用提供解決思路。

發(fā)表于：2/29/2024

生成式大模型的數(shù)據(jù)安全風險與法律治理

生成式大模型具有廣泛的應用前景。大模型的訓練和運行均需要海量數(shù)據(jù)的支撐，極有可能引發(fā)數(shù)據(jù)安全風險。認知風險是化解風險的前提，需要從靜態(tài)、動態(tài)兩個視角建立起大模型應用數(shù)據(jù)安全風險的認知體系。結合歐盟、美國等大模型的治理經驗，針對我國大模型數(shù)據(jù)安全風險治理存在的不足，建議建立基于數(shù)據(jù)安全風險的分類監(jiān)管路徑、完善基于大模型運行全過程的數(shù)據(jù)安全責任制度、探索基于包容審慎監(jiān)管的創(chuàng)新監(jiān)管機制，為實現(xiàn)大模型應用的可信未來提供充分的法治保障。

發(fā)表于：2/29/2024

融合協(xié)議信息的TOR匿名網絡流量識別方法

TOR（The Onion Router）匿名網絡流量識別是一項重要的加密流量檢測任務，隨著TOR混淆模式的迭代更新，引入OBFS4(ObjectBased File System4)混淆協(xié)議后對TOR的檢測較為困難。詳細研究了TOR行為和混淆協(xié)議特性，將關鍵行為特征與OBFS4混淆協(xié)議特征進行融合，增強了面向混淆協(xié)議的TOR流量的檢出能力。另外構造了包含瀏覽網頁、視頻直播、聊天等多業(yè)務數(shù)據(jù)集進行實驗。結果顯示，該研究方法在基于OBFS4混淆協(xié)議的TOR流量檢測任務上效果顯著，其中l(wèi)ightGBM模型檢測效果最佳，在融合協(xié)議特征的方法下準確率達到9889%。同時該方法面向不同版本的TOR流量開展復測，在不同版本的TOR流量檢測任務中準確率均高于97%。

發(fā)表于：2/29/2024

基于梯度優(yōu)化的大語言模型后門識別探究

隨著大語言模型的流行并且應用在越來越多的領域，大語言模型的安全問題也隨之而來。通常訓練大語言模型對數(shù)據(jù)集以及計算資源有著極為苛刻的要求，所以有使用需求的用戶大部分都直接利用網絡上開源的數(shù)據(jù)集以及模型，這給后門攻擊提供了絕佳的溫室。后門攻擊是指用戶在模型中輸入正常數(shù)據(jù)時模型表現(xiàn)像沒有注入后門時一樣正常，但當輸入帶有后門觸發(fā)器的數(shù)據(jù)時模型輸出異常。防止后門攻擊的有效方法就是進行后門識別。目前基于梯度的優(yōu)化方法是比較常用的，但使用這些方法時內部影響因子的設定對識別效果具有一定影響。文章就詞令牌數(shù)量、最鄰近數(shù)量、噪聲大小進行了實驗測量和作用機制的分析，以便為后續(xù)使用這些方法的研究者提供參考。

發(fā)表于：2/29/2024