搜索结果 - 安全内参 | 决策者的网络安全知识库

GDPR：皇帝的新衣？论新旧数据保护法的结构性缺陷

专家观察腾讯研究院 2019-04-24

本文清晰展现了数据保护领域的法律逻辑演进脉络，虽然其中有些观点未免稍显极端，但却揭示了包括GDPR在内的欧盟数据保护法在基础法理层面无法自洽的逻辑硬伤以及在实施层面...

智库强调人口普查网络安全应获美政府重视

政务新一代信息科技战略研究中心 2019-04-22

卡内基国际和平基金会研究员撰文指出针对人口普查的黑客攻击可能会造成破坏性的后果，呼吁美国政府将保护2020年人口普查免受网络攻击作为重要任务。

印度预计将超英国，成为银行卡诈骗第二大目标国

金融保险 E安全 2019-04-20

由于印度的人口、中产阶级和经济的增长，加上网络犯罪猖獗，印度可能在2019年超过英国，成为第二大银行卡诈骗目标国。

马来西亚“网络安全加速器”将投入4800万美元建设当地生态

投融资 MottoIN 2019-04-19

网络安全平台“亚洲网络安全交易所”通过一项4800万美元的网络安全加速器计划，旨在培养更多网络安全人才。

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。

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？

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。

美国最新AI报告揭示美国防部人工智能战略进展

军队军工学术plus 2019-04-11

FTC迄今已收到2.6万起Facebook隐私侵权投诉

监管北邮互联网治理与法律研究中心 2019-04-08

自2012年至今，FTC每年收到的针对Facebook的消费者投诉数量显著增加。

中国海关刘涤西：对国家政务服务安全几个基本问题的思考

政务中国信息安全 2019-04-03

本文回顾电子政务和信息安全的发展历程，寻求其发展规律，关注政务安全发展趋势。

数字广东：广东省“一号工程”的第一个500天

政务机器之能 2019-04-03

数字广东新任CEO王新辉接受采访，聊了聊数字广东公司成立500多天来的发展情况，以及2019年的工作重点及未来的发展方向。

放过叙利亚，不可破解的“侠盗病毒”来祸害中国了

政务 Odaily星球日报 2019-03-19

近日出现的一款名为 GandCrab V5.2 加密货币勒索病毒，似乎大有再现 WannaCry “昔日荣光”的迹象，目前已在中国攻击了数千台政府以及企业的电脑。

打造公安大数据建设应用的“中山模式“

公检法小康华南 2019-03-09

中山市公安局围绕公安部“公安大数据”战略和广东省公安厅“智慧新警务”战略，构建以大数据智能应用为核心的智慧公安新模式，推动警务机制改革与现代科技应用深度融合。

网络生物安全：大国博弈的另类疆域

国家安全学习时报 2019-04-24

生物科技研发的数字化是大势所趋，网络生物安全随之兴起也是势所必然。

AI最前线：声音画像，只闻其声也能“看透”你

人工智能机器之能 2019-04-21

基于 AI 算法与声音分析学的融合，「声音画像师」正在帮助医院可以提早发现神疾病及身体疾病，让呼叫中心进行个性化营销，为公司筛选出更为合适的求职者……

各国政府积极推进工业互联网发展

工业互联网工业互联网产业联盟 2019-04-19

近年来，主要国家通过战略引导、资金支持、协同发展等手段，加大对其发展的支持力度，最大程度的 “实现数字技术和数据增长所带来的巨大福利”。

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。

从赛门铁克最新网络安全报告看中国隐私保护

个人隐私安全牛 2019-04-11

85%的中国人比以往更加警惕隐私安全，但仍有很多人愿意冒险追求便利。

美军全球战斗支援系统建设发展探讨

军队军工战略前沿技术 2019-04-05

军队的未来专注于打造一支全球响应的力量并具备确保联合行动的基本能力，美军全球战斗支援系统为一个在过去几十年困扰军队和联合作战力量的复杂问题提供了技术上的创新解决...

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。