英國(guó)搶先發(fā)布AI模型安全檢測(cè)工具

英國(guó)搶先發(fā)布AI模型安全檢測(cè)工具 以識(shí)別和評(píng)估相關(guān)風(fēng)險(xiǎn)

發(fā)表于：5/13/2024

中汽協(xié)回應(yīng)特斯拉通過(guò)數(shù)據(jù)安全測(cè)試

中汽協(xié)常務(wù)副會(huì)長(zhǎng)兼秘書(shū)長(zhǎng)付炳鋒在接受采訪時(shí)表示落實(shí)汽車(chē)數(shù)據(jù)處理安全是智能汽車(chē)發(fā)展的一個(gè)新的起點(diǎn)，第一批次所有送檢的6家中外車(chē)企均自主報(bào)名參與，包括參加此輪檢測(cè)的唯一外資車(chē)企特斯拉?！皡f(xié)會(huì)秉持對(duì)所有送檢車(chē)企車(chē)型一視同仁的原則。第一批檢測(cè)特斯拉就參與進(jìn)來(lái)了，也是抓到了一個(gè)機(jī)遇。特斯拉清楚地看到，未來(lái)自動(dòng)駕駛的消費(fèi)趨勢(shì)會(huì)在中國(guó)大市場(chǎng)上率先興起?！?/a>

安全公司Zscaler披露惡意載入 HijackLoader

采用模塊化設(shè)計(jì)逃避檢測(cè)，安全公司披露惡意載入器 HijackLoader

發(fā)表于：5/11/2024

戴爾通知發(fā)生數(shù)據(jù)泄露：涉及姓名等訂單信息

5 月 10 日消息，戴爾公司昨日通過(guò)電子郵件方式通知用戶(hù)，表示其個(gè)人信息可能已經(jīng)泄露，推薦用戶(hù)盡快更改，以保護(hù)個(gè)人隱私和財(cái)產(chǎn)。

發(fā)表于：5/10/2024

美第五大企業(yè)聯(lián)合健康保險(xiǎn)數(shù)據(jù)泄露

美第五大企業(yè)“聯(lián)合健康保險(xiǎn)”數(shù)據(jù)泄露，向黑客支付 2200 萬(wàn)美元贖金

發(fā)表于：5/10/2024

波音公司去年43GB數(shù)據(jù)泄露 拒絕向黑客支付2億美元贖金

5 月 10 日消息，波音公司本周三披露細(xì)節(jié)，稱(chēng) 2023 年 11 月公司遭到勒索軟件攻擊，黑客索要高達(dá) 2 億美元

發(fā)表于：5/10/2024

安全軟件開(kāi)發(fā)商Avast再因違規(guī)處理用戶(hù)數(shù)據(jù)被罰3.51億捷克克朗

安全軟件開(kāi)發(fā)商 Avast 再因違規(guī)處理用戶(hù)數(shù)據(jù)被罰 3.51 億捷克克朗

發(fā)表于：5/9/2024

美國(guó)司法部懸賞千萬(wàn)美元緝拿LockBit勒索軟件頭目

美國(guó)司法部重拳出擊，懸賞千萬(wàn)美元緝拿 LockBit 勒索軟件頭目

發(fā)表于：5/9/2024

論數(shù)字化“智力成果”保護(hù)向著作權(quán)法回歸的正當(dāng)性——以人工智能生成內(nèi)容的保護(hù)路徑選擇為例

現(xiàn)階段數(shù)字化“智力成果”不斷涌現(xiàn)，但著作權(quán)保護(hù)之正當(dāng)性卻遭遇了前所未有的挑戰(zhàn)。以人工智能生成內(nèi)容為例，無(wú)論是在保護(hù)對(duì)象上、權(quán)利主體上還是受控行為上都因?yàn)榧夹g(shù)的強(qiáng)勢(shì)介入而產(chǎn)生認(rèn)定難題，進(jìn)而產(chǎn)生了適用反不正當(dāng)競(jìng)爭(zhēng)法進(jìn)行保護(hù)的傾向。但事實(shí)上，適用反不正當(dāng)競(jìng)爭(zhēng)法不僅無(wú)法達(dá)到預(yù)期效果，反而會(huì)因抵觸著作權(quán)法而增加社會(huì)成本。經(jīng)過(guò)進(jìn)一步分析，可以發(fā)現(xiàn)人工智能生成內(nèi)容等數(shù)字化“智力成果”之上存在創(chuàng)作模式、技術(shù)身份和使用行為性質(zhì)的認(rèn)識(shí)誤區(qū)。當(dāng)相關(guān)誤區(qū)被糾正后，著作權(quán)法完全有能力對(duì)數(shù)字化“智力成果”提供充分保護(hù)并且實(shí)現(xiàn)作者利益與公眾利益之間的平衡。因此，正確的做法是在外部明確著作權(quán)法、反不正當(dāng)競(jìng)爭(zhēng)法和公共領(lǐng)域的界限，在內(nèi)部利用著作權(quán)法高效的利益平衡機(jī)制尋找適合數(shù)字化“智力成果”的保護(hù)模式。

發(fā)表于：5/7/2024

歐盟數(shù)據(jù)治理模式對(duì)我國(guó)數(shù)據(jù)要素開(kāi)發(fā)利用的啟示

歐盟圍繞數(shù)據(jù)資源開(kāi)發(fā)利用經(jīng)歷了三個(gè)階段的發(fā)展，構(gòu)建形成了對(duì)全球影響極大、極具歐盟特色的數(shù)據(jù)治理路徑，目前，歐盟正加快體系化實(shí)施數(shù)據(jù)戰(zhàn)略，以推動(dòng)壯大本土數(shù)字產(chǎn)業(yè)，形成與美、中抗衡的數(shù)字經(jīng)濟(jì)競(jìng)爭(zhēng)力。歐盟數(shù)據(jù)戰(zhàn)略主要包含健全數(shù)據(jù)管理機(jī)構(gòu)、推動(dòng)數(shù)據(jù)共享流通、建設(shè)數(shù)據(jù)基礎(chǔ)設(shè)施以及建立數(shù)據(jù)治理規(guī)則等方面，在實(shí)踐中取得了顯著成效。立足我國(guó)數(shù)據(jù)要素開(kāi)發(fā)利用中存在的數(shù)據(jù)流通交易不暢、數(shù)據(jù)價(jià)值挖掘不足以及安全保障仍待補(bǔ)強(qiáng)等問(wèn)題，研究總結(jié)歐盟數(shù)據(jù)治理模式對(duì)我國(guó)的啟示，旨在為數(shù)據(jù)要素探索實(shí)踐提供參考。

發(fā)表于：5/7/2024

基于特征分析的智能網(wǎng)聯(lián)汽車(chē)數(shù)據(jù)分級(jí)方法研究

當(dāng)前，智能網(wǎng)聯(lián)技術(shù)的發(fā)展使得汽車(chē)成為數(shù)據(jù)交互的重要載體，智能網(wǎng)聯(lián)汽車(chē)所產(chǎn)生的數(shù)據(jù)量呈現(xiàn)指數(shù)型增長(zhǎng)趨勢(shì)，國(guó)家對(duì)于數(shù)據(jù)安全的重視程度也在不斷加強(qiáng)。在此背景下，從行業(yè)實(shí)踐角度出發(fā)，對(duì)我國(guó)當(dāng)前數(shù)據(jù)安全監(jiān)管現(xiàn)狀、數(shù)據(jù)分級(jí)方法進(jìn)行梳理，最后提出一種基于特征分析的數(shù)據(jù)分級(jí)方法，助力企業(yè)加強(qiáng)數(shù)據(jù)治理、滿足政府合規(guī)要求。

發(fā)表于：5/7/2024

歐盟精細(xì)化數(shù)據(jù)立法下的數(shù)據(jù)保護(hù)與流通

近年來(lái)歐盟數(shù)據(jù)領(lǐng)域的立法重點(diǎn)產(chǎn)生了一定的價(jià)值轉(zhuǎn)向，歐盟法作為大陸法系的重要組成部分與我國(guó)法律體系一脈相承。研究歐盟數(shù)據(jù)立法進(jìn)程所彰顯的法治精神和價(jià)值導(dǎo)向?qū)τ谖覈?guó)數(shù)據(jù)治理工作具有一定借鑒意義。以歐盟有關(guān)數(shù)據(jù)治理的憲章、公約、條約、戰(zhàn)略、法律與法案為分析文本，對(duì)歐盟系列規(guī)范性文本進(jìn)行共時(shí)性與歷時(shí)性的雙維度研究以厘清其立法思路演變與路徑選擇。在研究過(guò)程中發(fā)現(xiàn)歐盟對(duì)于數(shù)據(jù)這一新型生產(chǎn)要素在被納入法律視野中后而產(chǎn)生的數(shù)據(jù)權(quán)這一概念存在著從傳統(tǒng)人格權(quán)向財(cái)產(chǎn)權(quán)的認(rèn)知轉(zhuǎn)變，進(jìn)而梳理出歐盟從傳統(tǒng)的數(shù)據(jù)保護(hù)轉(zhuǎn)向數(shù)據(jù)流通與賦能的立法嬗變趨勢(shì)，并得出對(duì)我國(guó)數(shù)據(jù)治理的三點(diǎn)啟示：數(shù)據(jù)戰(zhàn)略建構(gòu)應(yīng)追求結(jié)構(gòu)體系化、數(shù)據(jù)權(quán)利創(chuàng)設(shè)應(yīng)考慮利益多元化和數(shù)據(jù)流通模式設(shè)計(jì)應(yīng)遵循場(chǎng)景類(lèi)型化。

發(fā)表于：5/7/2024

生成式人工智能對(duì)個(gè)人信息保護(hù)的挑戰(zhàn)與治理路徑

以ChatGPT為代表的生成式人工智能技術(shù)給各行各業(yè)帶來(lái)顛覆性變革，但也引發(fā)個(gè)人信息泄露、算法偏見(jiàn)、虛假信息傳播等個(gè)人信息侵權(quán)危機(jī)。傳統(tǒng)“基于權(quán)利保護(hù)”的路徑過(guò)于強(qiáng)調(diào)個(gè)人信息保護(hù)而阻礙人工智能產(chǎn)業(yè)的發(fā)展，“基于風(fēng)險(xiǎn)防范”的路徑則更加凸顯個(gè)人信息的合理利用價(jià)值，價(jià)值選擇上更優(yōu)。但以權(quán)利保護(hù)和風(fēng)險(xiǎn)保護(hù)共同治理，才能實(shí)現(xiàn)利益平衡并建立個(gè)人信息的長(zhǎng)效保護(hù)機(jī)制。在個(gè)人信息處理規(guī)則上，以“弱同意”規(guī)則取代僵化嚴(yán)苛的知情同意規(guī)則；在目的限制原則上，以“風(fēng)險(xiǎn)限定”取代“目的限定”；在個(gè)人信息最小化原則上，以“風(fēng)險(xiǎn)最小化”取代“目的最小化”。在此基礎(chǔ)上，進(jìn)一步加強(qiáng)生成式人工智能數(shù)據(jù)來(lái)源合規(guī)監(jiān)管，提升算法透明性和可解釋性，強(qiáng)化科技倫理規(guī)范和侵權(quán)責(zé)任追究。

發(fā)表于：5/7/2024

復(fù)雜背景下小尺寸多角度人臉檢測(cè)方法研究

為了提升復(fù)雜背景下小尺寸人臉檢測(cè)精度，提出了一種人臉檢測(cè)方法GhostNet-MTCNN。在多任務(wù)級(jí)聯(lián)卷積神經(jīng)網(wǎng)絡(luò)（MTCNN）主干網(wǎng)絡(luò)上，將占用計(jì)算資源的普通卷積進(jìn)行舍棄，利用GhostNet網(wǎng)絡(luò)中計(jì)算量更低的Ghost bottleneck模組替代卷積的作用，重新構(gòu)建網(wǎng)絡(luò)特征提取功能，從而搭建一個(gè)新的模型。實(shí)驗(yàn)結(jié)果表明，該方法可以有效平衡參數(shù)量和精度。在Easy、Medium、Hard三種驗(yàn)證集上，與MTCNN相比在參數(shù)量?jī)H增加0.62M的前提下精度分別提升了 5.6%、6.6%、7.8%，與MobileNetV3-MTCNN相比在參數(shù)量減少1.27M的同時(shí)精度又分別提升了1.6%、0.8%、0.5%。該研究能夠在復(fù)雜場(chǎng)景下提高模型對(duì)小尺寸、多角度人臉檢測(cè)精度，同時(shí)也能夠有效平衡參數(shù)量和檢測(cè)精度使其成為在邊緣設(shè)備部署中更優(yōu)的選擇。

發(fā)表于：5/7/2024

結(jié)合批規(guī)范化層的深度學(xué)習(xí)模型在水中目標(biāo)識(shí)別中的應(yīng)用

針對(duì)深度學(xué)習(xí)模型在訓(xùn)練水聲樣本數(shù)據(jù)時(shí)會(huì)出現(xiàn)穩(wěn)定性差進(jìn)而導(dǎo)致分類(lèi)識(shí)別效果不佳的問(wèn)題，從網(wǎng)絡(luò)的局部連接、空間位置排列以及模型設(shè)計(jì)的角度出發(fā)，研究在原有一維序列卷積核與一維序列池化的基礎(chǔ)上，引入批規(guī)范化層，構(gòu)建了深度學(xué)習(xí)網(wǎng)絡(luò)模型。通過(guò)歸一化處理，達(dá)到加速網(wǎng)絡(luò)模型的收斂過(guò)程以及提高訓(xùn)練過(guò)程中的穩(wěn)定性的目的。最終為驗(yàn)證該模型的有效性，對(duì)3類(lèi)水聲目標(biāo)樣本數(shù)據(jù)進(jìn)行網(wǎng)絡(luò)訓(xùn)練和模型驗(yàn)證，證明該模型對(duì)水聲目標(biāo)數(shù)據(jù)分類(lèi)識(shí)別有一定程度的性能提升。

發(fā)表于：5/7/2024