随着信息化技术的不断发展，网络空间中存在的威胁也在不断变化。其中，基于恶意URL的攻击手段层出不穷。针对恶意URL识别与检测问题进行了深入探究，设计并实现了具有双层注意力机制的Bi-LSTM网络模型对恶意URL进行识别和检测，并将其命名为A2Bi-LSTM。该模型分别在字符级别及单词级别对恶意URL中包含的可疑内容进行注意力权值的计算，进一步提升了恶意URL的识别精度。实验结果表明，A2Bi-LSTM对恶意URL的识别准确率达到97%，相较于传统检测模型有着更好的检测效果，能够有效应对此类攻击威胁，有助于网络空间安全体系的构建。

近年来，随着eBPF的内核代码安全注入机制的发展，eBPF已经在网络优化、性能监控等方面获得大量应用。介绍了eBPF在网络功能虚拟化领域的应用概述，以及其基于容器架构发展而来的云原生网络功能领域的应用概述，并举出了eBPF用于上述领域的典型应用：网络功能虚拟化领域的负载均衡、快速丢包、限流应用，以及云原生网络功能领域的Kubernetes容器网络加速、服务网格加速应用。

针对核电厂网络安全准入管理问题，从采购、测试、接入和人员四个角度分析了可能存在的薄弱点，结合网络安全等级保护管理方面的基本要求，基于实际案例提出了一种可行的准入管理体系。该体系探讨了核电厂中有关产品准入、外来运维设备接入以及外来人员访问的管理工作，通过规范工作流程，可保证准入供应链管理的安全可靠,对产品上线前的质量进行把关。

通过分析当前流行的仿冒医保网站诈骗典型过程，针对潜在受害者与仿冒网站的网络行为进行流量采集、协议过滤、报文分析，获得了当前仿冒医保网站诈骗过程中HTTP请求报文和HTTP响应报文的典型特征，提出了一种仿冒医保网站诈骗治理方案。本方案可实现事前监测识别诈骗域名、事中获取潜在受害者信息用于预警、事后反网络诈骗技战法储备。以某单位安全部门为试点，以反诈预警时效性和涉诈情报准确性为衡量标准进行应用效果评估，结果表明，依据流量报文特征建立的治理体系框架可有效治理当前的仿冒医保网站诈骗。

针对目前我国侵犯公民个人信息罪多发高发的态势，借用犯罪经济学的需求弹性理论和成本-收益模型，对2021年中国裁判文书网中580份侵犯公民个人信息罪刑事判决书进行实证分析研究得出，目前我国侵犯公民个人信息的犯罪活动对惩罚价格的反应在立法实践和司法实践中存在一定“弹性”差异，犯罪收益可观而犯罪成本甚微是此类犯罪多发高发的主要原因。为有效治理侵犯公民个人信息罪，应从减少犯罪收益、增加犯罪成本角度入手，持续加强对此类犯罪的司法打击力度，进一步明晰“公民个人信息”概念范围，适当扩充侵犯公民个人信息罪犯罪圈，促使侵犯公民个人信息罪治理由“缺乏弹性”向“富有弹性”转变。

政务云是数字政府建设的关键信息基础设施，通过梳理国内政务云工程建设的经验，运用复杂系统剖析方法，分析了“政务云一朵云”的工程内涵、建设动因和底层逻辑，重点研究了五个关键问题：统一发布的服务目录、统一纳管的多云平台、统一门户的自助服务、统一标准的服务考核和统一保障的多云安全，探究了问题产生的原因分析，厘清了下一步的解决思路，提出了“一朵云”建设参考框架和多维度工程建议。

数据治理已经成为高校教育信息化的一项基础性工作，正确认识和理解数据治理的价值及其特征有助于高校管理者与实践者树立正确、科学的数据治理观，构建数据治理的良好秩序。高校数据治理的价值呈现出对“数据及其事务”治理的外在价值和依“数”治理的内在价值相互联系、结合的立体结构，指引着高校数据治理的有效实施。同时，高校数据治理存在教育数据多源多样、多元利益冲突、应用需求灵活多样等难点，以及政策驱动、技术保障、模式优势等有利条件。

在现代语境里，算法是解决问题的自动化程序，在公共管理、司法裁判、金融系统、以及商业领域等都得到广泛应用。算法应用一方面提高了社会整体的运行效率，另一方面也因其复杂的技术性特征导致了社会管理的失序。当前，我国算法规制体系立法较为松散、监管主体不够明析，而审计作为一种独立而成熟的审查制度，在算法设计监督、算法数据保护以及算法决策法律问责中都大有可为，可解决算法监管体系松散、监管责任不明等问题。在审计监管模式下，可由专业人员制定审计计划，根据特定的审计标准进行风险评估和事实审查，给出审计结论，制作审计报告、进行审计公开，对相关人员实施问责以及开展后续审计质量追踪。由第三方审计、平台自我规制与行业自律相结合，算法监管可迎来新的突破。

身份盗窃通常是指窃取和使用个人身份以获得经济利益或从事其他犯罪活动的行为，数字时代各国对身份盗窃犯罪的规制将日趋完善。美国通过《防止身份盗窃及假冒法》等联邦立法和州立法，构建起身份盗窃行为独立成罪模式；德国没有专门的身份盗窃犯罪立法，而是在个人信息刑法保护体系中统一规制；英国更重视通过前置法实施严格监管，以降低身份信息泄露、滥用和欺诈的可能性。我国与德国的规制模式类似，但存在忽视个人身份保护、身份盗窃刑法评价不全面以及个人信息保护范围过窄等问题。面对数字时代深度伪造技术的冲击，对身份盗窃犯罪的规制更加捉襟见肘。当前，我国应通过采取个人身份的刑法统一保护模式，将非法使用个人信息行为入刑、扩展个人身份信息的刑法保护范围以及完善身份证件类犯罪规制，建构现有的刑法身份保护体系，加强刑法规定之间的衔接。

针对燃煤电厂在吹扫等过程中脱硫系统出口 SO2浓度的不能及时检测的问题，提出了一种基于特征选择的改进粒子群优化算法优化门控循环单元神经网络(IPSO-GRU)的脱硫系统出口 SO2浓度预测模型。通过最大相关最小冗余(minimum Redundancy and Maximum Relevance，mRMR)算法对采集的目标数据进行预处理，挑选出合适的变量，随后将选定的变量作为 IPSO-GRU预测模型的输入。针对门控循环单元(Gated Recurrent Unit，GRU)模型关键超参数难以确定的问题，使用改进粒子群(Improved Particle Swarm Optimization，IPSO)算法对模型参数进行训练，以降低 GRU的训练成本。最终实现对脱硫系统出口二氧化硫浓度的预测。实验结果表明，所提模型与传统循环神经网络相比预测精度更高，在工程实际中更具应用价值。

针对视频超分对时间帧间信息以及分层信息的利用不充分，设计了一种具有空间时序注意力机制的密集可变形视频超分辨率重建网络。利用三维卷积来提取经可变形卷积模块对齐后的相邻帧之间的时间序列信息，同时设计具有步幅卷积层的轻量级模块来提取空间注意力信息。在特征重构阶段引入密集连接，充分利用分层特征信息以实现更好的特征重建。选取公共数据集进行实验验证，结果表明，提出的算法在客观评价指标与视觉对比效果上都有提升。

动作识别算法需要从视频中提取空间和时域特征，对计算存储资源要求较高。基于2D CNN的网络更为轻量，但从视频中提取时域特征的能力较弱，动作识别性能通常受到限制。S-TPNet提出时空金字塔模块以获取图像序列的时间粒度特征，有效提升了基于2D CNN的动作识别网络的性能。基于S-TPNet，设计了时空注意力模型以凸显空间和时间上的重要特征。为降低输入数据量，通常抽取局部视频帧作为输入，为降低采样帧与整体视频之间的不稳定差异，设计了自适应等间隔采样策略。实验表明，在未预训练的情况下，本网络在UCF-101和HMDB-51数据集上分别将Top-1精度提高了5.1%和3.3%，并且不会大幅增加所需参数。

单测点校正法计算复杂、不稳定、误差较大，无法满足井下地磁方位角的精度要求。基于间接单测点分析法和Brooks多测点分析法，提出一种新方法，通过DBSCAN（Density-Based Spatial Clustering of Applications with Noise）算法识别并剔除噪声，采用椭圆校正法校正径向干扰，轴向干扰则由单轴多测点分析法校正。实验证明：改进多测点法不仅可以进一步提高椭圆校正的拟合效果，还能降低噪声对参考点计算值的影响，计算得到的方差曲线收敛性更强、更稳定，校正后方位角误差进一步降低。

在中国新冠疫情面临新一轮攻坚战的当下，美国媒体对涉华疫情话题的关注也呈持续态势。以美国主流媒体在推特平台发布的涉华疫情推文及其下评论转发等数据为研究对象，媒体涵盖美国有线电视新闻网、美联社等10家美国主流媒体，时间跨度为2022年8月24日至2022年11月23日，共采集163条涉华疫情推文以及约8 788条评论转发等数据。通过定量分析方法总结美国主流媒体对涉华疫情的推特发文特征，进一步明晰其报道偏向与手法，并就中国涉疫信息的对外传播提出建议。