针对现阶段二进制程序的静态分析多依赖于人工经验规则导致的低效率问题，以及大多数二进制程序漏洞扫描检测系统性能和可扩展性较低的问题，设计并且实现了一个简易版的基于污点分析的二进制程序漏洞检测系统。与现有的二进制程序漏洞检测系统相比，本文设计的系统改进了Java指针分析中提出的算法，使得分析过程的数据抽象部分和指针分析部分得到了分离，进一步简化了污点分析，提高了分析的性能和可扩展性。此外，将漏洞模式单独抽离出来，能够更加方便地进行漏洞模式的自定义。

抽象语法树是一种代码的树型表示，它保留了代码中定义良好的语句组件、语句的显式顺序和执行逻辑。包含丰富语义信息的抽象语法树可以在二进制分析时通过反编译生成，并且已经作为代码特征应用于二进制代码相似度检测。抽象语法树中不同类别的节点承载着不同的语义信息，对整棵树的语义具有不同的贡献程度。然而现有的二进制代码相似度检测方法所用神经网络无法对抽象语法树节点进行重要性区分，影响了模型的训练效果。针对该问题，提出了一种融合注意力机制和Child-Sum Tree-LSTM神经网络的跨指令集、跨代码混淆二进制代码相似性检测方法。首先使用二进制分析工具IDA Pro对二进制代码反编译提取架构无关的抽象语法树特征，并利用随机采样构造训练样本对。然后使用抽象语法树训练样本对训练融合注意力机制和Child-Sum Tree-LSTM的神经网络模型。在公开数据集BINKIT上的实验表明，所提方法的AUC和Accuracy指标分别为94.1%、66.2%，优于Child-Sum Tree-LSTM算法。

在嵌入式装备系统中，大数据作为一种战略资产，在优势获取与效率提升方面的价值日益凸显。然而，多源异构、位置分散的大数据缺乏有效利用和深度融合，难以满足业务应用向智能化、协同化转变的需求。为此，以大数据共享利用为导向，基于边缘计算与缓存技术，将数据加工为一种产品和服务能力，以满足嵌入式系统中不同应用对数据服务产品共享的需求；从数据服务共享架构、数据服务管理调度方法、数据服务共享方法等三个方面，探讨分布式数据服务共享技术的可行性，以满足嵌入式装备系统数字化在数据智能、数据协同、决策支持等方面的关键需求。通过大数据的开发利用，推动智能应用的升级更新。

随着互联网的兴起，虚假情报的广泛传播给社会舆论治理和情报分析带来了困难，准确地分辨虚假情报能够帮助相关部门和人员有针对性地进行处理。为了提高虚假情报检测的效率，提出了基于事件表示的虚假情报检测方法。首先，收集情报文本，并对其进行预处理操作；其次将收集到的情报文本转化成词向量；然后，通过LSTM层捕捉情报文本深层次的语义特征；接着使用全连接层，目的在于将高维特征嵌入到低维向量空间，从而获得情报文本的最终表示；最终，将分类结果反馈给相关情报人员进行鉴别处理。经在谣言数据集上的验证表明，该方法可以较好地区分谣言事件与非谣言事件，为更精准地实现情报鉴别提供支持。

为了优化大数据存储架构可扩展性能，提高大数据架构资源利用率，通过引入Kalman算法设计了一种大数据存储架构可扩展性优化算法。首先，综合考虑大数据存储架构与多核环境内存布局之间的兼容性，设计架构内存布局。其次，设计分布式共享内存协议，确保各个进程在访问共享内存时能够正确地协同工作，提高存储架构的容错性。在此基础上，利用Kalman算法，动态调整存储节点的负载，进而优化大数据存储架构，以提高其可扩展性。实验结果表明，应用该算法后，大数据存储架构的资源利用率始终高于对照组，均达到了96%以上，最高达到了98%，架构可扩展性优化效果显著，服务器资源利用更充分，大规模数据处理更高效。

基于气候预测对西部方向环境保障的重要性，针对高原地区气候模式准确度不高的现实困境，采用大数据挖掘技术，充分处理气候系统非线性统计特征。首先利用随机森林，对气候模式融合网格数据进行订正；而后将订正网格进行EOF分解，采用信息流算法挖掘环流因子与时间序列因果关系，构建不同模态下高影响因子集；采用随机森林进行建模，预报不同模态的时间序列；最后还原预报的格点场，完成模式格点数据修订。结果表明，经机器学习算法修订后的气候模式预报准确度、预报技巧显著提高，同时，模型预报的稳定度也有较大提升。本研究基于机器学习算法进行气象大数据挖掘，提升气候模式预测效能，旨在为提升西部方向气候预测水平提供方法思路。

针对复杂水声信号的分类识别问题，提出了一种新的网络模型结构，将卷积神经网络和卷积去噪自编码器结合到一起应用于水声信号Lofar谱的分类识别中。实验结果表明，该模型能够利用更少的参数学习更丰富的鲁棒性特征，目标识别的总体准确率达到81.2%，与传统卷积神经网络识别方法相比具有更高的识别准确率。

个人信息保护认证与个人信息跨境提供中其他出境制度相比，可以实现个人信息安全与自由流动之间的平衡，比安全评估制度具有更自由的流动性，比标准合同具有更稳定的安全性。在全球数据经济逐渐占据主导地位的今天，个人信息保护认证制度有其巨大的实施价值。同时，认证机构作为个人信息保护认证中关键的一环，要求认证机构具有公平性和专业性的资质，在认证中保持客观中立并发挥应有的专业水平。然而，个人信息保护认证制度在我国刚刚起步不久，相关法律规定还不完善，具体落实的几个方面都存在不足，主要包括认证前启动、认证中审查和认证后担责。因此，在认证前启动要秉持自愿认证与强制认证相结合；在认证中扩大可申请认证的主体范围，并建立分级分类认证标准制度；在认证后完善私法和公法双重救济途径。

大数据时代，建立在“理性人假设”、个人信息私有化预设及个人信息控制理论之上的传统告知同意规则，已深陷形式化泥淖，无法适应网络隐私政策场景。有限理性假设及欧美个人信息保护法案普遍应用的情景脉络完整性理论能够有效破除数字时代告知同意规则面临的理论困境。基于此理论，构建强告知弱同意模式以优化告知同意规则，具备合理性。一方面，要严格适用《民法典》合同编第496至498条规定的格式条款订入规则、效力规则和解释规则规范网络平台的告知行为；另一方面，在保证用户充分知情的基础之上，逐步明确同意规则弹性适用的限度，以是否符合用户“合理期待”这一实质标准取代目前国内外立法所普遍采用的敏感信息与一般信息的界分标准。

近日，由全国信安标委组织、中国科学技术大学牵头编制的国标《信息安全技术 重要数据处理安全要求》公开征求意见。该文件是我国在重要数据安全保护方面编制的第二部国家标准，旨在对重要数据的安全处理过程进行规范，将在具体落实我国重要数据保护制度方面产生重要影响。从标准编制的背景、过程、基本原则、主要内容四个方面阐述了该文件的设计思路，并分析了该文件与已有法律文件之间的联系和预期产生的影响。

算法共谋对市场造成的威胁主要表现为：一方面，轴辐算法通过使用相同的第三方平台来决定他们的定价策略，从而形成一个轮辐机制，促进了信息的交换；另一方面，自学习算法可以在没有信息共享或明确的协调行为的情形下，达成隐蔽的自主性共谋以促成规避竞争的效果。而目前反垄断法的分析框架在解决算法共谋的认定问题上掣襟露肘。主要表现为：算法共谋在技术上存在着隐蔽性并难以证明，串通行为的认定存在争议，算法共谋的归责标准缺位。首先，在制度层面，既要注重公平竞争与消费者保护，也要兼顾效率目标，来开展算法技术创新和发展。其次，在技术标准层面，扩展更新现有标准中关于串通的定义和协同行为的认定范围，解决算法黑箱与算法共谋的隐蔽性问题。最后，构建和明确算法共谋的责任归属，经营者对算法共谋结果的疏忽可以被解释为具有反竞争的意图。

从合同自动化的等级序列入手,通过类比自动驾驶对合同自动化的差异化发展问题进行探讨,指出智能法律合约想要转换为智能合约需满足文法要求、平台访问、非赋权原则三个基本规则。结合合同生命周期对智能法律合约的运行过程进行系统化的展开，进而对不同阶段的智能法律合同所聚焦的问题进行论证。通过分析智能合约自动执行与法律合同中当事人享有权利之间存在的内生矛盾引出智能合约的风险原点，并加以讨论和评价。最后，摆脱代码之治这种单一化的风险救济途径，通过构建覆盖事前、事中、事后全流程的智能合约风险闭环机制，为探索智能合约可持续发展提供新的可行性方案。

《反电信网络诈骗法》是我国在数字社会中进行前端防控犯罪治理思路的典型转型，其中构建的信息监测共享机制成为政企多方协同治理的范例。该机制授予企业组织一定程度以个人信息工具化利用为特性的用户信息控制权，使得信息主体与信息处理者之间的关系更为紧张，其结果可能表现为个人信息删除权的被迫落空。在信息监测机制通体流程解构为“信息实名-信息留存-风险信息识别-风险信息核验-风险信息共享-中止服务”的程序链条中，包括安全义务主体、信息处理目的、信息留存时限都与删除权的权利场景不相协调。其疏解路径应当分别从《个人信息保护法》和《反电信网络诈骗法》两法规范体系内进行思考，明确在法理和规范性解释下法定个人信息利用行为对信息删除请求权抗辩的合理性，厘清信息监测共享机制中与义务主体、内容有关的模糊地带，同时对信息留存的时限与方式给予上限性规定，实现两法以个人信息保护为核心的共同意志。