搜索结果 - 安全内参 | 决策者的网络安全知识库

我国态势感知发展 (一)：国家政策与法规要求

国家安全微言晓意 2019-04-24

本文介绍了我国态势感知相关的政策与法律法规要求。

印度数据本地化规定遭质疑：不利于隐私保护

法规北邮互联网治理与法律研究中心 2019-04-24

在印度，确实有必要制定一部强有力的隐私法来重点保护个人权利，但其数据本地化授权条款并不完全符合隐私目标。

基于知识图谱的国内外互联网创业研究的可视化分析

互联网互联网天地杂志 2019-04-24

为了更加全面地了解互联网创业领域的研究概况、研究热点和前沿，本研究采用知识图谱可视化分析工具，对国内外的文献数据进行分析。

智能家居的六大主要安全风险分析

物联网安全牛 2019-04-24

智能家居面临六大主要安全风险：窃听、重放攻击、消息通知、拒绝服务、恶意代码，以及假冒攻击。

证券期货监管数据脱敏方案研究与实践

金融保险金融电子化 2019-04-24

本文对数据脱敏的难点与痛点进行了分析，之后提出了脱敏方案实施中的三项关键问题的解决方案。

英国提出新在线服务行为守则，以保护儿童上网

政策互联网治理蓝皮书 2019-04-23

英国信息专员办公室发布《适合年龄的设计：在线服务的行为守则》草案文件，就如何确保在线服务妥善保障儿童的个人资料提供了涵盖16项标准的实用指引。

CRS报告：《国防入门读本：电子战》

军队军工从心推送的防务菌 2019-04-23

美国智库“国会研究服务处”近日更新了一份聚焦电子战（Defense Primer: Electronic Warfare）的简报，阐述了他们对于电子战的理解。

互金风控新挑战：九成黑名单产品失效，千万用户被“误伤”

金融保险一本财经 2019-04-23

一家金融科技公司进行统计，发现上千万白用户、灰用户被混在市面上的黑名单中，导致市场上九成的黑名单正在失效。

电子印章的效力和使用风险分析

公检法锦天城律师事务所 2019-04-23

笔者从法律角度分析下电子印章的效力和使用风险，以求使大家更放心地使用电子印章，同时注意降低使用风险，让电子印章更好地完成提高效率的使命。

《共建“一带一路”倡议》报告摘编：网信工作进展及展望

数字经济网信中国 2019-04-23

推进“一带一路”建设工作领导小组办公室发表《共建“一带一路”倡议：进展、贡献与展望》报告，与网信工作相关内容摘编如下。

Fortinet因向美军出售使用中国技术的产品而受到制裁

军队军工网信防务 2019-04-23

安全供应商Fortinet同意支付相当于54.5万美元的赔偿金，因其被指控在2009年至2016年期间，向美国军方出售使用中国技术而伪造成美国制造的设备，触犯了《虚假索赔法》。

大数据集群管理系统设计与实现

大数据信息安全与通信保密杂志社 2019-04-22

本文提出的大数据集群管理系统解决了在现有系统中存在的各种弊端，为集群管理提供了一个有效的解决方案。

加强防范重大政治外交活动前后的境外有组织网络威胁风险

政务网信军民融合 2019-04-22

通过近期综合多个网络威胁信息源大数据分析看，2019 年“一带一路”高峰论坛期间网络安全形势不容乐观，应着力防范重大网络威胁事件发生。

全球军事强国陆军电子作战部队发展综述

军队军工学术plus 2019-04-04

本文结合当前世界主要军事强国在陆军电子战领域的主要发展特点，详细分析其作战装备、理念、战术等方面的发展现状。

复盘等保1.0：政策对网络安全行业影响几何？

专家观察长江计算机研究 2019-01-22

为分析等保2.0可能带来的变化和机会，我们复盘等保1.0对行业的影响，用做当前时点看未来行业发展的参考。

爆料称亚马逊Alexa团队能够轻易查到用户家庭住址

个人隐私腾讯科技 2019-04-25

可以访问Alexa用户地理坐标的团队成员可以轻松地将这些坐标信息输入第三方地图软件，从而找到用户的家庭住址。这些员工签署了保密协议，亚马逊禁止他们公开谈论该项目。

腾讯企鹅号如何打击“做号党”？

互联网浅黑科技 2019-04-23

“做号党”和内容平台的无限战争。

企业产品网络安全合规评估要点分析

专家观察观韬中茂律所 2019-04-17

本文旨在从五个方面分析产品的网络安全合规要点，为产品的网络安全合规评估提供思路。

Palantir中标美国军方8亿美元复杂战场智能系统

军队军工京东数字科技研究院 2019-04-03

美国军方选中Palantir 科技按照军方要求为士兵研发部署一套复杂战场智能系统，该采购合同预估超过8亿美元。

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。