搜索结果 - 安全内参 | 决策者的网络安全知识库

瞬变电磁、功耗、计时、声学，边信道攻击的种类以及未来

网络攻击安全牛 2019-04-25

边信道已经存在了很长时间，但是还没有像远程攻击那样受到足够的关注，实施大多数边信道所需的物理距离导致只有间谍和警察才能发起边信道。

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。

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。

欧盟将建立覆盖全欧洲的生物识别数据库

政务 MottoIN 2019-04-23

欧洲议会投票决定，将一系列边境控制、移民和执法系统连接成一个欧盟和非欧盟公民大型生物识别跟踪、可搜索数据库。

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。

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。

人脸识别的泛安防落地及多维数据实战应用

公检法量子位 2019-04-23

公共安防、民用安防已经累积了大量数据，现在最迫切的是回归到业务落地上，让安防数据更好地为我们的纵向业务服务。

APT34泄露工具包全面分析

数据泄露绿盟科技 2019-04-22

此次泄露的工具包中的工具相较以前公布的APT34组织使用的攻击工具有不同，本文将对此次泄露的工具进行详细分析。

电力无线专网的干扰及抑制分析

电力能源信息安全与通信保密杂志社 2019-04-21

本文就1800M 4G TD-LTE电力无线专网应用存在的干扰进行详细分析，并提出网络建设建议整治方法。

法治政府蓝皮书建议：将行政赔偿扩至个人数据保护领域

公检法新京报 2019-04-21

报告称，据不完全统计，已知的国内个人数据泄露已经达到55.3亿条，平均每个人就有4条相关的个人数据被泄露。

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。

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。

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。

赛门铁克公司加入美国防部的网络威胁情报共享项目

国家安全国际安全简报 2019-04-23

赛门铁克宣布加入美国防部旨在向美本土国防承包商提供涉密与非涉密网络威胁情报、信息安全保障最佳实践的网络威胁情报共享项目“国防行业基础网络安全项目”。

轻量级安全开发框架CLASP及应用于DevSecOps的探讨

安全运营安全牛 2019-04-23

CLASP的设计目的是为了方便地将安全相关的活动集成到应用程序开发过程中，从现实软件安全开发工作总结出的安全需求集构成了CLASP最佳实践的基础，可以让组织系统地处理那些...

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。

北京警方开展净网行动：一季度破获2000余起涉网案件

公检法北京青年报 2019-04-23

北京市公安局“净网2019”专项行动期间取得阶段性成果，行动期间下架违法应用2万余个，破获2000余起涉网案件。

基于SM9标识密码智能变电站安全防护技术

电力能源工业安全产业联盟 2019-04-22

本文基于IEC 61850智能变电站自动化系统要具备防伪造、篡改及重放等安全威胁，参照IEC 62351标准提出基于国密算法SM9标识密码在变电站的安全防护技术。

“刷脸”时代：面部识别正在改变这16大领域

人工智能华尔街见闻 2019-04-17

CB Insights报告称，在这16大领域，面部识别技术正带来悄无声息的变革。

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。