随着数据量的急剧增长，如何管理和利用数据面临严峻挑战。而数据血缘作为数据治理的核心组成部分，在数据治理中有重要作用，如提升数据质量、保障数据安全等。研究了构建数据血缘关系的方法，包括系统跟踪法、基于SQL解析的方法、逆置函数法、标注法和机器学习法，分析了不同数据血缘构建方法的优缺点和应用场景，并探讨未来研究方向，为数据血缘关系的应用及后续研究提供参考。

针对工业控制协议中复杂格式与字段依赖难以建模，传统模糊测试在测试用例接收率与样本多样性方面存在不足，提出一种协同表征学习与强化学习的工控协议模糊测试方法。该方法结合深度可分离卷积的高效特征提取能力与多头自注意力机制的全局依赖建模优势，构建多尺度特征提取器，捕捉局部与全局特征。引入强化学习优化策略，增强潜在空间表达能力。提出通用ICP(Industrial Control Protocols)模糊测试框架RLCAFuzzer，并在典型能源企业工业场景的攻防演练靶场上对3种常见工控协议(Modbus/TCP，Ethernet/IP，S7 comm)进行实验验证。结果表明该框架的TCAR指标显著提高，并展现出更强异常触发能力，验证了其在工控协议漏洞挖掘中的有效性与先进性。

系统日志蕴含关键运行信息与问题线索，但随系统规模扩大，日志数据愈发庞大复杂，自动化异常检测成为研究重点。当前研究面临日志数据不平衡、有标签数据稀少导致检测精度不足的挑战。为应对挑战，提出了多窗口LSTM自编码器日志异常检测方法，主要围绕日志数据处理、自编码模型和日志事件分类三个方面展开。该方法结合LSTM与自编码器优势，并利用多窗口策略捕捉不同时间尺度上下文信息，针对时间敏感的日志提供了更有效的异常检测方案。实验结果表明，该方法在HDFS和BGL两个公共数据集上均取得了较高的F1值，相比其他方法具有更好的异常检测效果。

传统物联网“感知–网络–应用”三层架构在边缘侧存在防护盲区，而“六域模型”因实施成本高、域间协同机制缺失导致工程落地困难。基于物理域、网络域、服务域的威胁分析，重构“终端域–边缘域–核心网域–云应用域”四域架构，并引入数据面与控制面解耦的双层控制机制，提出“四域双层”安全框架。该框架系统揭示硬件渗透、协议缺陷、量子计算冲击及API语义冲突等多维威胁，构建了终端轻量化防护、量子增强传输、服务端主动防御及全生命周期安全管控模型。银行零信任场景与工业物联网场景的实测表明，该架构下攻击检出率≥98%，平均响应时间≤500 ms。研究结果可为规模化物联网安全工程提供可复用的体系化方法。

针对工业过程控制中传统电源模块转换效率低、输出电压波动大、保护机制不完善等问题，提出一种集成高效转换、精准控制、多重保护及智能通信功能的电源转换模块。该模块由滤波电路、有源功率因数校正电路等12个核心单元组成，通过PWM闭环控制与MCU协同调节实现稳定输出，具备输入过压和欠压、输出过压和过流、过温等多重保护功能。测试结果表明，该模块转换效率达89%以上，较传统电源模块效率提升5%~10%，输出电压精度在±3%以内，电压与负载调整率均≤1%，优于同类产品。该模块各项性能指标满足工业自动化控制系统对高可靠性电源的需求，可广泛应用于PLC控制、智能传感器等对电源稳定性要求严苛的场景，具有较高的实用价值与推广前景。

针对小型低空飞行器在复杂环境中检测难的问题，提出了一种基于改进YOLOv8n模型的视觉检测方法。通过引入轻量级的AKConv卷积模块、SEAM通道空间混合域注意力模块和排斥损失函数，构建了YOLOv8-SE模型，并利用自制数据集进行训练与测试。AKConv模块通过动态调整卷积核的采样位置提升了特征提取的灵活性，SEAM模块增强了关键特征的捕捉能力，排斥损失函数则改善了遮挡环境下的检测精度。实验结果表明，相较于传统模型，YOLOv8-SE在多个评价指标上均表现优异。该研究为低空飞行器检测领域提供了一种高效、可靠的解决方案，为资源受限设备上的深度学习模型优化提供了新思路。

数据中台数据质量审验和问题诊断经常需要追溯指定数据的历史变化。着眼于追溯数据中台源信息系统元数据和数据记录变化，进行了数据表元数据起源标注和数据表数据记录起源标注设计，基于数据中台结构化数据在线抽取功能同步生成相应的数据起源标注，并针对数据表元数据版本变化历史追溯、数据表数据记录版本变化历史追溯和指定时间段树形表数据历史追溯等典型溯源需求给出了具体解决方案。本方案在某部数据中台系统中进行了具体实现，为数据中台数据生命周期溯源提供了重要支撑。

微观数据价值挖掘对赋能经济社会发展具有重要意义，以统计局为代表的国家有关部门也在积极推动微观数据的开发应用。而随着数据隐私安全重要性的不断凸显，隐私计算技术成为了有效平衡微观数据开发应用和安全保护的重要途径。围绕政策支撑、技术赋能、多主体合作、法律保障等方面详细梳理了国外关于隐私计算技术赋能微观数据应用的重要举措，为我国政府进一步开展微观数据开发应用工作提供有益参考。

低空经济作为战略性新兴产业之一，对于打造国家经济高质量增长新引擎意义重大。现阶段，数据要素或成为破解低空经济发展瓶颈的关键钥匙。阐述了低空经济的内涵与特征，总结归纳了低空经济现状趋势，包括政策逐步完善、市场前景广阔、深度协同数字经济发展等；剖析了数据要素赋能低空经济发展的理论逻辑，从数据对低空经济的产业升级驱动作用及对低空经济生产函数的重构作用两方面进行阐述；最后，从制度建设、技术路径、产业培育三个维度结构性设计了“数据要素×低空经济”发展机制，以期为地方政府推进低空经济高质量发展提供有效借鉴。

面对数据市场的竞争失序，竞争法律欲实现辨证施治，需以数据竞争行为的类型化归纳为前提。传统“不正当竞争与垄断”的二分法既难以适应数据竞争行为的复杂性，也不足以回应数据治理的现实需要。基于数据生产流程，可将数据竞争行为划分为获取阶段的竞争行为与使用阶段的竞争行为两类。前者包括获取经营者数据、用户数据及拒绝数据获取；后者涵盖数据排他性使用、数据驱动型自我优待和大数据杀熟。据此，应确立包容审慎的规制理念，并在获取阶段强调数据流通，以包容促发展；在使用阶段注重权益保护，以审慎防风险。

人工智能技术的发展对侵权立法形成挑战，基于人工智能风险分级的侵权归责逻辑与传统归责逻辑的冲突凸显。理论上，基于人工智能风险分级的侵权归责逻辑源于欧盟的人工智能风险分级治理方案，但其冲击了既有民事侵权归责结构，使各方主体的责任承担处于不确定状态。将技术风险凌驾于权利保护客体差异之上，本质上是一种混淆行政法与侵权法适用边界的错误做法。人工智能技术风险具有损害严重、逃逸诉讼可能性高、信息成本大等特征，难以在权利保护规则下得到有效规制。此时，回归基于权利客体差异的归责逻辑确有必要。具体而言，应先明确行政法与侵权法的分工，以“公共利益”为二者界分标准，必要时可通过原则性规定有限地接纳新型风险的规制任务，以最小制度成本实现技术风险的高效治理。