搜索结果 - 安全内参 | 决策者的网络安全知识库

外交基金会报告：2019年数字政策预测

数字化转型信息安全与通信保密杂志社 2019-05-07

2019年，数字的现实政治趋势将加剧，基于中国和美国的全球“数字 G2”格局正在形成，亦有一系列发展趋势正在逐步成型。

一文带你看完2019首都网络安全日

安全会议安全牛 2019-04-30

今年的首都网络安全日，除了众多安全企业参展外，还囊括了七个分论坛、一个电子取证赛和一个征文活动。

邬贺铨院士：5G将以产业应用为主，安全与发展需同步

专家观察中国新闻周刊 2019-04-17

5G未来将会以产业应用为主。与面向消费应用相比，面向产业的应用对安全要求更高，5G需要对产业应用的安全有敬畏之心。

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。

邬贺铨院士：2019年数字经济的机遇和挑战

数字经济金融电子化 2019-04-10

邬贺铨院士将从互联网的发展看2019年数字经济的前景。

5G之争：军备竞赛、经济博弈亦或政治操纵

国家安全中国信息安全 2019-04-07

综观近些年世界各主要国家在高新技术领域的竞争，科技发展与军事、经济、政治等因素呈现高度融合趋势，近期美国围绕5G展开针对华为的系列举措，究竟是出于何种动机，尚需时...

全球网络安全政策法律动态 (2019年2月)

政策公安三所网络安全法律研究中心 2019-03-02

美国众议院引入《国土威胁评估法案》，网络安全评估为重要内容；欧盟委员会发布建议书，促进电子健康数据的共享；俄罗斯拟通过立法隔离本国互联网…

中国人民大学：高校网站向集约化建设转型

教育科研中国教育网络 2019-05-09

随着全国双一流高校建设方案的火热推进，网站作为各学校公益广告上公开和对外展示的窗口，也需要充分利用移动互联、新媒体、大数据、人工智能等新兴技术实现持续创新。

十八大以来我国主要电子政务政策法规汇编

政务中国信息安全 2019-05-02

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。

论美军对作战环境的认识

军队军工知远战略与防务研究所 2019-04-18

本文简要介绍了从“battlefield”到“battlespace”再向“operational environment”的转变，重点阐述了美军对“operational environment”重新阐释后的含义和主要内容。

边缘计算的架构、挑战与应用

物联网大数据期刊 2019-04-16

本文首先介绍了边缘计算的概念和通用构架，随后详细阐述了两个边缘计算参考构架，总结了边缘计算面临的挑战，并介绍了针对这些挑战的研究进展。

电磁态势分析：电磁态势可视化技术

军队军工中国保密协会科学技术分会 2019-04-11

本文从理论、装备和技术三个方面简要介绍了电磁态势可视化技术，并说明了电磁态势可视化技术的意义。

基于命名数据网络的车联网优势及安全性分析

制造业信息安全与通信保密杂志社 2019-04-07

本文拟对基于NDN的车联网的安全特性进行研究，探索针对NDN网络的攻击方法及漏洞，并设计解决方案。

十个案例，深度解析侵犯公民个人信息犯罪

公检法检姑娘讲故事 2019-03-27

本文旨在结合2017年5月8日，两高发布的《关于侵犯公民个人信息犯罪的最新司法解释》，和司法办案中遇到的具体案例，与对该类案件的办理进行观点展示与实务交流。

黄澄清：见证改革开放四十周年，甘做中国互联网铺路石

专家观察互联网天地杂志 2019-03-01

黄澄清先生现任中国互联网协会副理事长、工信部科技委常委、中国证监会科技监管专家咨询委员会委员、IPv6百人汇执委会主任。

网络安全企业的估值模型初探

金融保险信息安全与通信保密杂志社 2019-02-28

本研究在传统企业估值方法的基础上，根据网络安全企业的特点和发展趋势，基于不同的企业生命周期，提出了不同发展阶段的网络安全企业的估值方法。

美国强调GPS的脆弱性研究又把矛头指向中俄

交通物流斗室智库 2019-02-28

最近美国官方发布的两份报告强调了有空间能力的对手对GPS构成威胁。

深度观察：中国网络安全行业变革下投资机遇

专家观察中信建投计算机 2019-01-23

预计2019~2022年会逐步看到国内网络安全收入排名前20的公司发生变化，同时网络安全巨头走向生态化和平台化竞争。

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。