我国积极探索推进数据要素市场化，加快构建以数据为关键要素的数字经济，围绕数据资源开发利用的法律制度体系建设取得了积极进展，形成了覆盖关键环节的体系框架及关键要求。随着我国数据要素市场化进程进一步走深走实，与国际数据治理规则竞争进一步加剧，现有的数据资源开发利用立法在支撑全国统一数据市场建设，以及引导、规范开发利用活动方面存在不足，应在数据基础设施、数据供给、数据流通、数据应用创新及数据跨境流动等关键环节进行立法完善。

“大数据杀熟”作为数字经济与人工智能算法发展的负外部性产物，一直存在理论与实践上的争议。在理论层面，学界对“大数据杀熟”的认知与定性观点不一，存在差别定价、价格欺诈、价格歧视多种讨论。在实践层面，“大数据杀熟”是一个综合性问题，在侵犯消费者权益的同时还涉及反垄断、信息安全等多个维度，现行法律规范与监管模式对该行为的回应尚有不足。本文通过法律经济学的分析方法，对“大数据杀熟”进行法理基础的解构，明确“大数据杀熟”的价格歧视本质，着重分析消费者权益减损、市场失灵等法律监管困境，在此基础上得出逆向选择进行反歧视、制度创新完善监管体系，正本清源强化算法权力治理等纾解建议，以期实现提高经济效率与维护消费者权益两大目标的衡平。

“法学量化研究”以“计算主义”为认识论基础，作为计算法学的研究范式之一，“法学量化研究”的学理表达不能被法学实证研究所兼并或同化，必须从模糊的学术话语体系中抽离予以单独识别。以2016年~2022年我国主要法学期刊发表的法学量化研究为研究样本，可以大体“绘制”出我国“法学量化研究”的现实谱系。就研究主体而言，我国法学量化研究的主要学术机构呈现“核心—发散”的分布特征，“核心”仍是主流。就研究疆域而言，我国法学量化研究所涉领域逐渐多元，但仍呈现“一家独大”的局面。就研究归旨而言，我国“法学量化研究”承载了“三位一体”的学理功能，包括“事实层”的“法律系统描述（司法现象挖掘）”功能；“规范/制度层”的解释（教义）、检视（法实效）、修正与建构功能；“理论层”的检视（证伪与效验）、修正（再造）与创造功能。这三个功能并非彼此割裂，而是凭借其内部的“自驱和共生”机制，形成了法学量化研究的良性功能互动机制。面向未来的法学量化研究应以“计算法学”为学科归属，一方面强化与社科法学和法教义学的方法论互动，另一方面需要内化其他社会科学的知识以纾解“知识联结之困”。

当前，不管是在学术研究中还是在实践应用中，个人信息复制权都陷入了困顿和颦蹙的局面。为此，必须对其进行语义分析以了解其基本内涵，并从其与相近权利诸如查阅权、可携带权的比较当中进一步明确其外延。个人信息复制权的确立对于维护个人信息权益具有重大价值和关键作用，而对个人信息复制权的权利主体、权利客体、行使程序、行使限制和侵权责任的明晰，则有助于指引信息主体的行为、促进信息处理者的合规、保障司法适用的展开。以52款APP的隐私政策为考察对象，文本中的个人信息复制权存在缺位、迷失、简约、差异和限制五个现象。以特定APP的复制权实验结果为样本，实践中的个人信息复制权则呈现出异化、限制、萎缩、杂乱和迅速五个特点。基于此，个人信息复制权在理论层面、文本层面和实践层面之间的张力、背离和矛盾进一步揭示：明确客体范围、厘定权利边界、完善救济程序已经成为个人信息复制权发展完善的应有之义和必要之举。

传统机器学习技术可以充分挖掘数据价值但是无法保护数据隐私。基于同态加密的隐私保护机器学习是对于该问题的有效解决方案。当前将同态加密应用于隐私保护机器学习任务中的主要挑战在于缺少高层次的编程工具，尤其是缺少对于矩阵运算的抽象。采用CKKS同态加密方案，针对隐私保护场景设计了一种易于使用的同态加密转换器，其可将机器学习算法的明文程序转换为同态加密程序，同时保证矩阵的编码、加密和计算过程对用户透明。在五种医疗数据集上的实验结果表明，该转换器可在保证密态矩阵运算的安全性、正确性和高效性的同时，兼顾易用性。

针对现有的医疗数据共享方案存在运算开销大和权限控制问题，提出了一种基于可撤销的多属性机构授权方案和国密算法SM2的医疗数据访问控制系统。与传统的CPABE撤销算法相比，本文改进的CPABE算法不需要重新加密所有的加密文件以及不需要更新全部合法用户的密钥，只需更新与已撤销属性关联的密文。试验表明本文设计的系统在加解密性能上比传统的方案快出10%左右。此外，本文将多属性授权机构、灵活的可撤销机制、国密算法SM2和全球可信的证书颁发机构（CA）集成到CPABE中，能很好地保证系统的前向、后向、多属性授权机构之间通信的安全性并且能有效地抵抗伪造攻击和合谋攻击。

针对网络通信中异常节点的识别，传统的基于规则和签名的方式，或是只参考局部图形特征的方法，在识别网络中的关键用户时都存在局限性。提出了一种基于图论算法的异常节点检测方法。首先，通过线下采集的真实局域网数据集生成图网络；利用网络的多个图形特征来定位异常节点，分析其可能存在的异常行为；其次在网络公开数据集上进行实验，以验证检测的效果；最后的测试结果证明，本方法可以在网络通信中有效地定位异常节点，高效便捷，实用性佳。

为解决现有入侵检测方法在高阶依赖关系挖掘，处理时序特征和应对新型攻击手段检测等方面性能不足的问题，提出了一种基于元学习的多头注意力时序卷积的入侵检测方法。该方法引入了多头注意力机制，使模型能在不同尺度上捕捉网络数据的时序特征和高阶依赖关系。其次，结合多任务学习改进元学习算法对网络未知攻击进行识别，提升网络未知攻击的检测性能，此外，设计了一种自适应特征提取策略，动态调整特征提取粒度，以适应不同类型的网络攻击。在公开数据集实验对比表明，本文算法与主流算法相比，具有更高的准确率和F值。

当前，为了应对日益复杂和严峻的网络空间安全威胁，网络靶场作为网络空间安全研究的重要科学装置受到高度关注。随着云计算、大数据等新技术的日臻成熟，网络靶场也逐渐从成本高昂的本地集群部署的方式，转向分布式服务提供的模式，综合性、大规模的分布式网络靶场已成为发展趋势。针对分布式网络靶场亟需解决的分布式一致性问题，分析得出网络靶场的一致性问题主要包括分布式资源调度和数据一致性两方面，提出采用启发式算法和Raft一致性算法的解决方案，保证分布式网络靶场应用的可靠性和稳定性。

5G数据网络设备是现代通信的基础设施，其安全可靠性直接影响整个网络的安全可靠程度。命令行接口作为网络设备的基本操作接口，研究其存在的漏洞对提升整个网络安全具有至关重要的意义。基于模糊测试提出一种命令行接口漏洞挖掘方法，并对注入点分析及界定、模糊测试漏洞挖掘数据模型处理、模糊测试算法优化及模糊测试漏洞挖掘流程等关键技术及过程进行深入研究。研究成果直接运用到命令行接口模糊测试漏洞挖掘系统中，实现包含网络设备信息收集、模糊测试漏洞挖掘数据建模、网络设备响应信息分析、模糊测试漏洞挖掘执行、漏洞挖掘后分析及生成漏洞报告等关键功能。最后对未来提升命令行接口模糊测试漏洞挖掘系统的效率和有效性进行了讨论和展望。

针对合成孔径集成成像系统中前景遮挡影响目标物的采集和识别的问题，提出了一种基于半全局立体匹配的去遮挡方法。首先搭建相机阵列采集目标物的前景遮挡图片，接着采用数字重聚焦技术和能量梯度函数设置分类阈值，将遮挡物和目标物进行分类并去除前景遮挡，然后利用元素图像修复技术对遮挡去除区域进行修复，最后对修复后的元素图像进行目标物重建。实验结果表明，本文方法重建出的结果图相比于传统的合成孔径成像方法在峰值信噪比（PSNR）上提高了13.271 4dB，相比块匹配方法在峰值信噪比（PSNR）上提高了5.350 3 dB。

在随机性和安全性要求很高的应用场景中需要使用真随机数，为此提出了一种结合区块链技术的量子随机数分发与验证方案，用于获取及验证真随机数。该方案利用量子随机数生成器得到真随机数存储在云平台，通过验证用户的聚合签名分配对应的量子随机数，并将分配记录上传至区块链，利用分布式存储服务供用户查询下载量子随机数。通过结合区块链技术，使用户可对分发结果溯源验证，有效保障了量子随机数分发的安全性和一致性。本文方案解决了用户获得真随机数的难题，为多方用户需获取相同真随机数的场景提供了解决方法。

针对现有IO测试方法时序测量数量少、精度和可靠性低的问题，提出了一种可扩展的高精度可靠IO时序测试方法，实现了基于层次化的混合网络架构的统一时钟的可扩展大规模分布式IO时序测试系统。试验表明该系统在有效提高了IO时序容量规模的同时，保证了每个时序的测量时间精度，同时这种测量精度不会随层级增加而积累，各层级间误差一致性较高，可在满足大规模异步IO时序测试的同时，兼顾高精度和高可靠性，具有一定的实用价值。

为了在大数据环境下快速、精准地挖掘异常点，保障网络安全，提出了一种面向多维数据的异常点检测模型设计方案。该方案利用长短期记忆网络（LSTM）存储任意时间段的多维数据，并使用图卷积网络提取完整数据结构，同时加入惩罚参数和均方误差来缩小异常点出现范围。此外，还利用编码器和解码器构建变分自编码器函数模型，使其能够解读正常数据子特征，并通过编码重建损失函数来计算数据异常度量，从而实现异常点检测。经过实验验证，该方法表现出较高的检测正确率和运行效率，具有极高的应用价值。