搜索结果 - 安全内参 | 决策者的网络安全知识库

互联网新规速递：个人信息 (国内篇)

法规 360法律研究院 2019-04-23

本期聚焦在国内个人信息与数据法律法规方面，梳理了国内个人信息相关重要文件、典型案例。

教育部副部长钟登华：2019年要加快推动教育信息化2.0

教育科研教育信息化资讯 2019-04-19

教育部副部长钟登华从回头看、统筹看、长远看、聚焦看几个方向解读了2019年教育信息化重点工作。

美国《赛博安全展望2025》报告浅析

专家观察信息安全与通信保密杂志社 2019-04-16

本文从报告的结构、立意、观点等方面进行了简要分析。

拥挤不堪的安防市场, 还有人脸识别新公司的发挥空间吗?

人工智能机器之能 2019-04-12

澎思科技CEO马原称，目前的安防人脸识别系统其实很多需求、场景并不满足，他们希望去修正它。

从现在到未来50年，传感器将如何改变世界？

物联网资本实验室 2019-04-06

由于可以帮助人类将曾经不可知、难判断的信息变成易获取、更精准的数据，传感器已经成为数字化社会最为重要的基础设施。

全球网络安全投资月报 (2019年3月)

投融资赛博安全 2019-04-04

2019年3月，据赛博研究院不完全统计，全球网络安全企业投融资事件50起，累计金额近20.45亿美元。

中介直接从后台获取用户信息，安居客隐私保护如同虚设？

个人隐私江苏新闻广播 2019-04-01

多位中介公司人员确认，他们确实能从安居客网站后台获得用户个人号码信息。

国外海军电子战装备近期发展动态

军队军工电科小氙 2019-04-23

本文简要介绍近期几个国外海军电子战项目和装备进展情况。

吕毅：浅析组织IT和安全战略

专家观察君哥的体历 2019-04-23

本文深入剖析了组织IT和安全战略的关系，提出了安全战略做什么、怎么做、路线图等实践思路，对企业安全建设负责人做好信息安全战略规划和建设整体框架提供了非常好的案例和...

欧盟数据保护改革：云计算面临的挑战

专家观察大数据和人工智能法律研究院 2019-04-23

本文对GDPR下云计算提供商们的新合规要求的分析与评估，可为我国云计算企业的欧盟地区经营业务提供指引，并为我国云计算产业的本国合规实践提供借鉴。

“通俄门”调查启示：网络政治干预不曾停歇

专家观察全球技术地图 2019-04-21

“通俄门”调查报告的公布标志着长达23个月的“通俄门”调查暂告一段落，同时也再次将世界目光吸引到利用网络进行政治干预这一日益明显的态势上。

数据共享安全框架研究

大数据国信安全研究院 2019-04-12

本文总结分析了国内外数据共享安全管控情况，对数据共享模型和相关方角色进行设计，在分析数据共享存在的安全风险和问题的基础上，提出数据共享安全框架，最后给出加强数据...

人民日报整版讨论：抓住信息化发展的历史机遇

数字化转型人民日报 2019-04-12

如何认识信息化在现代化中的作用？我国信息化发展面临哪些机遇和挑战？如何更好抓住信息化的历史机遇？

物联网场景下的蓝牙安全分析

物联网工业互联网安全应急响应中心 2019-04-10

本文首先简述了蓝牙技术和蓝牙产业，接着分析了蓝牙安全机制和现状，通过针对公开的和原创的蓝牙漏洞分析，阐述了蓝牙技术所面临的安全威胁，最后给出了一个具体的蓝牙攻击...

人工智能军事应用的可能性及面临的挑战

军队军工电科小氙 2019-04-09

人工智能技术的突破已逐渐使其能够用于军事应用中，本文阐述了在监视、水雷战和网络安全中使用人工智能的一些可能性。

澳大利亚通过新法律：社交媒体出现暴力内容将受惩罚

政策新浪科技 2019-04-04

澳大利亚本周四通过了一项新法律，社交媒体如果没有在自己的平台上做好暴力内容移除工作，他们将会遭受巨额罚款。

软件自主，任重道远

国家安全网络安全新视野 2019-04-03

基础软件的核心技术很难被复制。即使把源代码拿出来另立门户，也会因为离开庞大的团队文化圈子而迅速凋零--没有这群人，就干不了这档子事。

布鲁金斯学会报告：信息技术行业趋势

数字经济赛博安全 2019-04-03

报告认为在数字时代，创新、企业活力、信息及ICT产品将推动美国的竞争优势，ICT及ICT赋能的产业为经济增长做出了重要贡献。

基于深度学习的小目标检测研究综述

军队军工战术导弹技术 2019-03-15

本文系统性地总结了深度学习算法在目标检测领域的研究进展，并分析了各种算法存在的问题和做出的改进，重点关注了近几年国内外在小目标检测问题上的改进算法。

当AI表现出种族或性别歧视，除了震惊我们还能做什么？

人工智能 Nature自然科研 2018-08-04

James Zou和Londa Shiebinger认为，计算机科学家必须弄清偏差的来源，去除训练数据中的偏差，开发出能够应对数据偏差的人工智能算法。