在电动汽车充电站（EVCS）网络安全问题日益严峻的背景下，传统入侵检测方法存在诸多不足，机器学习和深度学习虽有成效但存在“黑箱”问题。提出一种基于可解释轻量级梯度提升机（LightGBM）的EVCS入侵检测框架。利用SHAP进行特征选择，经模拟退火算术优化算法（SAOA）对LightGBM超参数调优，集成SHAP、LOCO、CEM、PFI、LIME和ALE等多种可解释性人工智能（XAI）技术。在CICEVSE2024和Edge-IIoTset数据集上的实验结果显示，模型检测准确率分别达97.53%和88.89%，F1分数分别为98.01%和88.98%，且可解释性强，能为安全运维提供清晰依据。该研究为提升EVCS网络安全提供了高效、可解释的解决方案，具有重要的理论与实践意义。

新时代数智化技术的快速发展，使线上培训成为企业宣传企业精神、学习新技术的重要抓手。在线上教育培训应用广泛的背景下，以保障平台全流程支持培训业务开展为研究主线，依托现有零信任架构的理念，构建以可信终端环境感知、可信网络环境感知、可信代理、动态访问控制、信任评估、数据库细粒度访问控制六位一体的安全平台。通过实时感知环境状态，动态赋予用户最低权限，持续监督用户行为，让平台运行时达到持续验证、动态授权、全局防御的目标。平台在信任评估模块中引入自注意力机制，提高信任评估效率，保障培训平台安全运行，为培训组织单位构建信息安全堡垒。

云计算和互联网的快速发展引发网络数据的爆炸式增长，随之而来的网络威胁也变得日益复杂，大量的数据给网络带来了巨大的安全风险。传统的安全措施往往不足以抵御这些持续动态变化的网络安全威胁，需要综合应用人工智能和机器学习等技术，基于数据驱动形成数据应用智能化，采用态势数据采集、大数据关联分析、安全威胁研判等手段，实现网络安全威胁实时监测并预测潜在的网络攻击行为，支撑防御策略动态调整，提升网络空间安全防御整体效能。此外，基于数据驱动的网络安全态势感知预测系统能够帮助网络安全管理人员丰富网络风险处理相关专业知识，在实际网络安全威胁场景下做出更好的判断和决策。

事件抽取技术旨在从非结构化文本中识别并结构化描述事件信息，是构建知识图谱与实现舆情分析的核心基础。针对新闻长文本中多事件共存、复杂叙事结构的特点以及现有模型输入长度受限等挑战，提出一种层级化新闻长文本事件抽取框架。该框架通过语义边界分割算法优化段落划分，降低事件要素的跨段落割裂；结合机器阅读理解技术实现局部事件要素提取；并设计事件合并算法完成跨分块事件的语义融合。实际应用表明，该框架能够适应新闻文本的结构特性，在多事件场景中可稳定提取关键信息，为舆情监控、知识图谱构建等任务提供可落地的技术解决方案。

以东南某百万人口城市水厂为对象，针对传统水质监测效率低及混凝剂投加量预判困难的问题，提出基于卷积神经网络(CNN)的混凝剂预测模型。通过数据预处理提升数据质量后，采用信息增益比率筛选出关键特征，构建包含一维卷积层、池化层和全连接层的CNN模型，采用ReLU激活函数优化特征表达能力。实验显示模型预测结果的RMSE为68.550，MAE为50.709，拟合优度达0.926，较传统方法显著提升。

针对在小样本和低信噪比条件下通信信号调制识别率低的问题，提出了一种基于深度残差收缩生成对抗网络（Deep Residual Shrinkage Network and Generative Adversarial Network, DRSN-GAN）的深度学习框架。首先，将信号的同相正交数据(I/Q data)作为模型输入，通过生成器生成的数据对数据集进行扩充，有效解决了高质量数据稀缺的问题，增强了模型的泛化能力。利用DRSN组成判别器，将经过扩充的数据送入DRSN进行训练。同时，对输入数据在空间维度上执行全局平均池化，利用通道注意力模块提取I/Q信号的上下文特征，有效减少了噪声干扰。该方法解决了因固定阈值很难适用于所有样本而导致的识别准确率低的问题，并在低信噪比环境下显著提高了识别效果。实验结果表明，所提出的模型在信噪比为0 dB时准确率达92%，对比其他模型，整体分类精度提升了3%，且在小样本和低信噪比条件下表现出更强的鲁棒性。

为降低数据安全风险和提高数据流通效率，数据安全审查制度应运而生。基于欧盟数据保护规则基础，比利时确立了相应的数据安全审查制度，特别是优先监管特定行业、实施严格的应急处理机制、要求数据保护官的本地化、加强对关键基础设施数据的保护等内容，但其依然面临数据保护资源和数据审查执行实践不足、部门协同性有限、数据安全风险评估标准和监督缺失、中小企业合规负担增加等实施困境。有鉴于此，我国在推进数据安全审查制度建设方面，应重视完善数据安全审查规则、提升数据安全审查机构的独立性、创新企业监管方式等建议，促进我国数据安全治理和数字经济高质量发展。

随着医疗活动的数字化、智能化发展，原本作为诊疗活动副产品的医疗数据，日益具备独立的数据财产价值，患者、医疗机构、行业其他机构都具有参与数据财产权分配的资格。将医疗数据划分为提供型、观察型和加工型三类数据，依据“数据二十条”提出的数据产权结构性分置方案，构建了分类确权授权制度。患者对于由其促成产生的提供型数据具有完整数据持有权、使用权和经营权，医疗机构可以通过授权协议的方式继受取得相应的数据产权。患者、医疗机构可以平行享有观察型数据的财产权，并可以分别独立地行使相应的数据权利，其条件是不损害对方的合法利益。医疗机构和其他行业机构可以基于衍生创造取得加工型数据的财产权，同时也有必要在未来的立法中将国家机构的共享决定、授权运营决定作为法定取得数据财产权的方式。

在充分调研各地区公共数据授权运营平台建设和运营当前进展、存在问题基础上，通过实证研究、对比分析、总结归纳等方法，提出了公共数据授权运营平台需满足的功能要求、网络部署要求等，以支撑公共数据授权运营全流程工作，保障“原始数据不出域、数据可用不可见”。同时，进一步阐述了应建立平台管理制度和运营推广机制，以实现平台的持续优化和使用。

由于数据抓取不正当竞争行为缺乏专门法规制，裁判失范、标准不一的问题日益凸显。基于对既有44份案例的整理、归纳，数据抓取不正当规制存在法条适用顺位混乱、逻辑框架体系结构失调、分析要素论证标准参差等问题。鉴于此，为规范行为认定范式，须遵循动态多元的利益权衡机制，厘清优先等级的法条适用顺序，明确数据抓取不正当竞争的逻辑框架，形成以行为不正当性和损害后果为主要要素，竞争关系、数据权益和主观过错为次要要素的层次化分析范式，进而对各分析要素进行科学明确的统筹。

劳动者个人信息保护兼具个人信息保护的一般性与劳动者保护的特殊性，传统知情同意规则面临僵化、虚置的现实困境。知情同意规则作为个人信息保护的风险防范机制发挥着不可替代的作用。在既有法律框架下通过规则解释和制度续造，明确知情的内容与标准，完善劳动者个人“敏感信息-一般信息-去标识化信息”的类型划分并施加不同强弱同意模式、建立以同意撤回权为核心的个人信息动态同意机制，从而构建更具劳动关系适应性的知情同意适用机制，可以纾解劳动关系下知情同意规则的适用困境。

在数据时代，刑事犯罪与网络空间的深入融合凸显了电子数据证据在刑案侦破中的重要地位。跨境涉网刑案的日益增多也让各国日益关注跨境电子取证制度的建设。在复杂的案件环境中，我国目前大力推行的刑事司法协助制度有着适用范围小、启动后效率低的问题。作为补充的单边跨境电子取证制度则仅以缺乏有效监督体系、范围同样有限的网络在线提取为主。二者均难以满足跨境电子取证高效率、取证充分的需求。以欧盟《电子证据条例》（European Production and Preservation Orders Regulation）为参考，可以看到属人主义单边跨境电子取证制度成为国际主流。有鉴于欧盟单边跨境电子取证制度中对传统主权理论的突破，我国应当率先构建以网络服务商为取证节点的属人主义刑事单边跨境电子取证制度，再考虑刑事司法协助的改良方法，这有利于提高效率，充分取证，助力涉网跨境刑事案件的侦破，掌握国际网络空间的主动性与话语权，维护我国数据主权。