针对工业互联网攻击流量特征复杂以及深层神经网络易发生退化的问题，提出了一种基于残差网络和深度学习的入侵检测方法，实现了将一维卷积神经网络与门控循环单元残差连接的网络模型。使用CSECICIDS2018数据集和密西西比州大学的天然气管道数据集进行实验，结果表明，此方法在各个评价指标上均优于其他经典机器学习算法，具有较好检测性能和泛化能力，证明了其在工业网络环境中的可靠性及应用价值。

模糊测试是传统的漏洞挖掘方法之一，在工业控制领域，针对一些不公开协议规范的私有协议，由于无法获取协议格式及语义信息，模糊测试在对其脆弱性分析上存在用例冗余度高、测试效率低等问题。通过将协议逆向与模糊测试相结合，提出了应用动态污点分析的协议逆向方法，从函数和指令级分析工业控制协议报文在程序运行中的轨迹信息，依据轨迹日志构造协议语法树，生成语义信息，指导测试用例生成，并使用Peach模糊测试框架进行测试,证明了该方法能有效减少测试冗余，提高测试效率。

“工业互联网+区块链”智慧环保平台趋于成熟，在“工业互联网+大数据”的工业环境下，工业数据面临着很多数据安全问题，借助区块链技术的“不可伪造”“全程留痕”“可以追溯”“公开透明”“集体维护”等特征为工业数据保驾护航。重点介绍危固废智慧监管平台利用区块链、物联网、GIS、人工智能等先进技术，实现产业链上各单位共享数据、协同管理，打破“信息孤岛”，提供便捷高效的可监控、可预警、可追溯、可共享服务，实现“存证不可篡改、路线全程追踪、明确企业范围、异常数据监测”，推动数字产业化。

数据要素的价值潜力在数字经济时代中愈发明显，逐渐成为世界各国创造经济价值的新动能。数据要素安全有序流动可以提升我国数字经济国际竞争力、增进我国数据消费群体共同福祉、为相关领域科学决策奠定良好基础。粤港澳大湾区作为我国对外开放程度和数字经济发展水平最高的区域之一，具有“一国两制三法域”的特殊性，是数据跨境流动治理的天然试验场。在推进粤港澳大湾区数据要素安全有序跨境流动过程中，面对数据要素权属界定尚不明确、流通渠道有待畅通、安全监管仍需加强等困境时，只有加快构建数据要素产权保护制度、建立健全数据要素流通平台、加强数据要素安全保障，才可以有效实现数据要素的资源优势，提升我国在信息化时代中的国际地位。

在中国双碳战略背景下，节能与减排是双碳目标达成的关键路径之一，而工业则是节能减排工作的重点对象之一。电能作为工业企业重要的生产能源，它的运行状态关系到电网系统的安全稳定也关系到企业能源的利用效率高低。然而，先前的电能监测设备多是对电压、电流、有功功率及无功功率这些电能参数进行单纯表计数据获取，缺乏电能质量分析及电能告警和能源数字化场景化分析等功能，这样就难以全面地反映工业设备用电的安全和质量，不利于能源的及时优化。提出了一种基于工业物联网基础平台的工业能源管控方法，构建企业能源数据管理，从而实现工业生产设备以及生产辅助设备运行状态信息、能源数据和环境数据等多源数据的融合，并建立能源数据和能效优化模型管理目录，在此基础上构建工业能源数字化管控系统，从而实现对于产线设备、辅助设备设施的能效优化以及闭环控制，助力工业节能降碳的落地。

欧盟于2020年出台了《数据治理法》以明确数据治理新措施“数据再利用”，欧盟数字主权取得进一步发展。本文通过分析对再利用模式运作中双重逻辑，指出该法案象征着数据利他主义概念在欧盟数据治理域下的正式确立，并得出对我国数据治理具有启发性的三点：明确数据治理中数据类型范围、数据使用需兼顾数据保护以及先行完善数据共享的统筹规划。

随着自动驾驶汽车技术的发展，极端情况下的事故算法将传统的电车难题思想实验转变为亟待解决的现实困境。极端情况算法不仅直接关系到所有道路交通使用者的生命安全，还涉及自动驾驶交通事故责任的分配与承担，需要在智能网联汽车正式上路与商业化运营前给出明确的部署方案。基于已有的应用伦理学理论、机器学习编码道德、用户预设道德选择三类风险分配方案的优缺点，本文从生产商可能承担的法律风险出发，提出一种可能的风险分配思路，期望通过设立一定规则排除刑事责任，缓减民事赔偿责任，利用法律、伦理和技术的有机结合构建极端情况算法规制框架。

异步审理模式基于其在时间和空间上的“非同步”性与坚持“直接言词原则”的传统诉讼模式形成了鲜明对比。关于异步审理模式对诉讼效率的影响问题，使用最小二乘法和倾向得分匹配法实证分析了杭州互联网法院5 714份裁判文书，得出以下结论：首先，采用异步审理模式的案件相较于非异步审理的案件显著提高了158%的诉讼效率。基于高效与便捷两种优势，异步审理模式对于当事人接近正义具有积极作用。其次，异步审理模式对于不同案件类型的诉讼效率具有异质性。现阶段，异步审理司法实践更多适用于以银行为主体的借款纠纷。为更好发挥异步审理模式的制度功能，一方面应当明确异步审理模式的适用群体为弱势自然人群体并加强其认知度；另一方面，在诉讼标的额上限定适用异步审理模式的案件范围，突出异步审理模式的非普适性，以减少异步审理模式对于民事诉讼程序正义价值的冲击。

针对突发重大公共卫生事件的网络舆情热度预测模型存在较大误差问题，文章选取百度指数作为舆情热度，提出了AMRIMA预测和改进的LSTM预测方法。首先,使用ARIMA模型预测新冠肺炎疫情以天为单位的舆情热度；其次，使用改进LSTM预测新冠肺炎疫情以小时为单位的舆情热度,在LSTM中加入注意力机制，实现了提高预测精度的目的；最后，得出预测结果。实验结果表明，ARIMA算法和改进LSTM算法能更准确预测网络舆情热度值，有效提高了网络舆情热度的预测精度。

代码嵌入利用神经网络模型将二进制函数的代码表示转化为向量，在漏洞搜索等应用中展现了优势。现有的方法将函数表示为汇编指令序列、控制流图的拓扑结构或若干路径，都没有克服不同编译环境导致控制流图结构变化的干扰。为此,设计了基于基本块树（Basic Block Tree, BBT)的代码表示以及构建了对应的代码嵌入模型BBTree。首先，二进制函数被表示为一系列BBT，每个BBT被处理为指令序列；其次，BBTree利用LSTM和BiGRU将基于BBT的代码表示转化为向量；最后，通过计算向量间的距离去高效衡量对应函数的相似性。在代码搜索中，BBTree的平均准确率比主流工具提升了24.8%；在漏洞搜索中，BBTree的平均召回率比主流工具提升了26.1%。

深度强化学习在移动机器人自主避障领域已得到广泛应用，其基本原理是通过模拟环境中的不断试错，结合奖励机制提升机器人的避障性能。然而，针对不同任务场景，网络训练效率存在显著差异。同时，在人群密集的场景中，机器人的行为可能对人类造成干扰。为了应对训练效率低下和机器人行为不符合社会规范的问题，提出了一种将社会力模型融入深度强化学习的自主避障策略。该策略首先将人类未来的运动轨迹考虑进奖励函数，以确保机器人理解人类意图并避免闯入人类的舒适区。其次，在训练过程中引入先验的传统控制器模型，并设计了一种基于概率的切换开关，以随机切换控制器输出，提高机器人的探索效率。实验结果表明，所提出的方法能够增加机器人与人类之间的安全距离，同时实现平稳导航。

自编码器和生成对抗网络作为强大的模型已经被应用到推荐系统领域，能补充用户项目之间的交互信息。但这种模式的训练下，大量的辅助信息被浪费，比如用户特定信息。结合自编码器、生成对抗网络和辅助信息，提出了基于用户特定空间的对抗推荐模型。为建立辅助信息和交互信息的联系，将自编码器的隐空间替换为用户特定空间，交互信息和用户特定信息的点对点映射又限制了模型的表达，因此，在用户特定空间加入对抗训练增加模型的性能。在两个公开电影数据集的充分实验证明了提出模型的有效性和优越性。