数据要素化价值化面临“供不出、流不动、用不好”的普遍难题，其核心原因在于数据生产业态尚未成熟，高质量数据集仍以作坊式生产为主，无法满足人工智能大模型对数据的规模化需求。针对这一问题，提出“数据工厂”这一概念，将其界定为面向人工智能大模型应用，开展高质量数据集设施化、规模化、标准化生产的数据基础设施。通过梳理工业社会、信息社会和数智社会基础设施业态的演进规律，论证了数据工厂作为国家数据基础设施基本构成单元的理论逻辑。在此基础上，依据物理分布、组织方式和技术水平等特征，将数据工厂划分为集中式、半集中式和分布式三种类型，并归纳出多样化、设施化、规模化、标准化和人工智能化五大特点。研究认为，发展数据工厂能够有效突破人工智能数据供给瓶颈，推动数据产业链上下游协同，是打通数据赋能人工智能“最后一公里”的关键路径。

高质量数据集是人工智能大模型训练的核心“燃料”。当前，高质量数据集构建主要由人工智能企业自行完成，呈现零散化、作坊式、非标化的特点，难以满足人工智能大模型快速发展的需求。借鉴水厂、电厂等资源型基础设施的发展规律，结合国内外高质量数据集设施化生产的典型实践，提出“数据工厂”概念，将其定义为面向人工智能大模型应用、设施化规模化构建高质量数据集的生产设施。系统阐述了数据工厂由“储备车间”“生产车间”“中试车间”构成的三级架构体系，分析了数据标注企业升级、数据存储基地转型、人工智能企业延伸和技术企业创新设立四种建设模式，提出了保障模式、定制模式、电商模式和结对子模式四种运营机制，为推动高质量数据集设施化、规模化供给提供理论支撑和实践参考。

数据作为关键生产要素，具有自由流动、动态组合、跨域融合和使用增值等特征，但在跨域流通、数据孤岛连通与标准化处理等方面仍面临挑战。从软件系统视角提出数据组件抽象模型和封装方法，将数据要素抽象为独立、轻量、可复用的最小单元即数据组件，具备可寻址、可交换、可操作与可管控特性；设计实现数据组件注册和发布机制，以规范化协议支撑数据组件发现与互操作，提供统一描述、封装发布、发现获取、动态组合与可信交互等能力，支撑数据要素跨域可信高效流通。以健康养老数据共享场景为例，设计实现数据组件共享原型系统进行验证，实验表明，相较传统微服务模式，跨域传输成功率提升13%，访问成功率提升11%，检索命中率提升15 %，调度成功率提升20 %。

随着数据要素市场建设的推进，从国家到地方，数据基础设施建设愈发受到关注，从制度标准的制定出台，到数据流通利用设施的试点开展，再到企业积极参与数据空间、数据元件等设施建设，全国数据基础设施体系正加紧构建。但在数据基础设施基础概念不明晰的情况下，加之制度标准不完善、关键技术能力不足、设施运营效果有待提高等问题，严重阻碍了数据基础设施的进一步建设发展。未来需要从相关领域加大推进力度，加快完善制度标准，推动数据流通利用技术突破和收敛融合，逐步构建起数据基础设施建设相关产业体系，以完善的基础设施支撑全社会数据大规模交易流通。

针对机器学习算力需求高与无人机（Unmanned Aerial Vehicles, UAVs）计算资源有限的矛盾，以及传统基于固定分箱的信息增益特征选择方法存在高判别力特征被低估的缺陷，提出一种基于两级特征选择方法的无人机入侵检测方案。该方案采用“卡方检验初筛—启发式信息增益搜索精选”方法，为每个特征自适应确定最优分箱，从而准确量化其判别能力。同时将特征数量作为超参数，与XGBoost分类器协同优化。基于UAV-NIDD数据集的实验表明，该方法在保持高检测性能的同时，将模型检测时间减少了约97.5%。实验验证，该方案有效平衡了检测精度与计算开销，可为资源受限的无人机平台提供高效实时的入侵检测能力。

针对恶意软件行为轨迹隐蔽且长序列依赖难以建模的严重威胁，提出一种融合多尺度卷积神经网络与Transformer架构的恶意软件检测方法，此方法首先借助Speakeasy仿真日志去噪及复合事件标记化技术，将冗余日志转化为标准化语义序列，接着运用多层次卷积神经网络结构来提取局部攻击行为特征，在此基础上，将提取的局部攻击行为特征输入Transformer编码器，利用多头自注意力机制建模全局时序依赖关系。实验结果表明，该混合模型在Speakeasy数据集上的准确率和F1Score分别达到9229%和9248%。该方法显著降低了序列检测中的误报率，为复杂网络环境下的恶意软件检测提供了新的技术途径。

针对网络空间攻防对抗呈现出多步骤、隐蔽化、异构化复杂特征，传统依赖规则匹配和统计分析的方法已难以满足精准溯源与实时态势感知需求的问题，提出一种融合多源异构数据的图神经网络联合框架，实现网络攻击的自动化溯源与动态态势感知。首先，通过构建网络实体-攻击行为异构信息网络，整合流量日志、漏洞库、告警信息等多源数据；其次，设计基于注意力机制的时空图卷积网络(ST-GAT)，捕捉攻击行为的时序依赖与节点关联特征；最后，通过攻击路径推理与风险等级量化，形成从攻击溯源到态势评估的闭环。实验基于CTU.13和CSE.CIC.IDS2018数据集验证，结果表明该框架在攻击溯源准确率(92.7%)、态势评估响应时间(≤0.3 s)等指标上显著优于传统方法、近年主流时序GNN 变体及网络安全领域专用模型，为网络安全应急响应提供技术支撑。 关键词：；；；；

针对医学影像场景的解释需求，提出一种基于多目标粒子群优化的解释增强方法，通过优化解释生成过程来提升解释质量与临床可读性。该方法在 LIME（局部与模型无关的解释）框架中引入多目标搜索机制，实现了高解释保真性与高区域稀疏性的自适应权衡，并获得了帕累托最优的解释结果。为验证方法有效性，以膝关节X光影像为实验对象，基于公开膝骨关节炎数据集在典型卷积神经网络上进行了实验评估。实验结果显示，保真性最高可提升18%，稀疏性最大可降低22%，展现出更高的聚焦性、稳定性，为基于人工智能的医疗影像可信诊断提供了可行技术路径。

随着信息技术的迅猛发展，数据中心积累了海量的数据，如何高效地从这些数据中获取有价值的信息，成为制约数据中心发挥军事效能的关键问题。智能问答系统作为一种能够理解用户自然语言问题并提供准确答案的工具，在数据中心领域具有广阔的应用前景。提出了基于数据中心知识库的智能问答系统构建技术。首先，聚焦军事领域不同应用场景下用户多样性数据需求，建立数据检索需求模型。其次，针对不同维度数据检索需求模型，提出多样性知识检索关联算法，定义检索需求与候选数据集之间的关联度、推荐度等参数，依据上述参数计算候选数据集与检索需求的匹配度，从而找到最为相关的候选数据集。接着，将生成的候选数据集与用户的检索需求一同传递至大语言模型中，通过检索增强生成算法，生成高质量的答案。最后，通过实验验证，该技术在回答数据中心相关问题时展现出了较好的效果，有助于提升数据中心多源知识库的综合利用水平和服务质量。

治理理念的回应性、治理对象的特殊性以及治理主体的复杂性是当前我国网络治理的实践样态。共同体理念将多元治理主体间的共同利益作为合作治理的基础，对网络综合治理体系的塑造具有指导价值。网络综合治理体系强调治理视角的双重性、治理主体的多样性以及治理方式的系统性。在共同体理念的指导下，应当以问题导向为出发点、以价值观念为引导，通过对利益诉求的整合形成网络治理的利益共同体；明确监管主体、监管义务，优化治理结构，形成治理的有机合力；通过技术与法治的支撑为网络综合治理体系的运行提供保障。

随着电力交易市场化改革的深入推进及“双碳”目标的提出，电力交易模式日趋复杂。数据作为电力交易智能化应用构建的核心支撑，其质量与范围直接决定应用的质量与价值。围绕可信数据空间融合电力交易相关多主体数据联合应用的问题展开研究，首先阐述数据在电力交易智能化应用中的核心重要性；其次梳理现有研究中智能化应用所使用的各类数据资源；进而分析为提升智能化应用水平可引入的跨域跨主体数据类型；随后提出基于可信数据空间实现多主体数据安全可信共享与应用的方案以及数据空间在数据流通中发挥的价值和效用。该研究可为电力交易智能化应用的优化升级及多主体协同的高效开展提供参考。