网络异常流量检测的主流方法有基于机器学习的和基于规则匹配的，前者可以检测未知异常流量，后者可以精准指出攻击类型。结合两者优势，采用混合的方式实现网络异常流量检测系统。该系统设置了两道过滤器，第一道过滤器采用流聚类算法进行初步过滤，第二道过滤器采用开源工具Suricata进行精细识别。基于DenStream算法提出了一种可以根据网络中异常流量比例变化而动态确定半径阈值的流聚类算法DenStream-DRT，此外，为改进Suricata存在无法识别未知异常流量的问题,提出了基于Apriori的含有效负载约束规则的生成算法PCRG-Apriori，最后将基于规则的网络入侵检测系统Suricata与DenStream-DRT分类器进行了整合，形成了一个全新的网络异常流量检测系统。实验证明，集成系统在速率和准确性方面都有较好的表现。

大型无人值守风电场作为清洁能源的重要组成部分，其网络安全不仅关系到风电场的稳定运行，还直接影响到整个电力系统的安全。研究基于神经网络的大型无人值守风电场网络安全监控技术，以提高风电场的网络安全防护能力。首先分析了大型无人值守风电场的网络安全威胁，包括外部攻击、内部泄露、设备故障等。针对这些威胁，设计了基于神经网络的网络安全监控模型，该模型能够实时监测风电场的网络流量、设备状态等关键信息，并通过深度学习算法对异常行为进行识别和预警。为了验证模型的有效性，在模拟风电场环境中进行了实验，结果表明，该模型能够准确识别出多种网络安全威胁，并提前发出预警，为风电场的网络安全防护提供了有力支持。

智能家居为人们日常生活带来便利的同时，也带来了隐私安全风险，智能传感器能够不断收集周围环境的信息，并通过无线通信远程传输数据。为了保护用户的隐私安全，提出了一种基于双模态融合的ZigBee设备识别方法。首先，通过空中接口被动捕获智能家居设备ZigBee流量数据；然后，对设备流量进行分片处理，在文本模态下提取加密流量的时序、长度等特征信息，在图像模态下提取流量图像的高维特征；最后，融合加密流量的文本特征和图像特征，构建基于双模态融合的设备类型识别模型。通过对5个厂家15个设备的实验结果表明，即使设备的无线流量被加密保护，该方法在ZigBee设备识别准确率上达到99%左右，能够有效地识别用户身边的智能传感器，保护用户的隐私安全。

在当前甘肃地震信息系统上，深度应用新一代云计算、软硬件、网络安全等技术，从基础硬件环境层对系统进行国产化技术适配探究，自底向上整合运行支撑、管理层等架构设施，提出该系统的国产化方案。结合地震业务开展系统适配测试，结果显示新环境与原X86架构的Red Hat操作系统、PostgreSQL数据库及Tomcat中间件性能相当，具备安全、稳定、高效运行能力。该研究可为行业系统国产化、实现自主安全提供有益参考。

针对大数据共享和发布过程中面临的侵权盗版与隐私泄露问题，提出了一种基于加性噪声的强鲁棒数据库盲水印方法。该方法结合了数据库水印与数据脱敏技术，利用加性拉普拉斯噪声已有失真，通过比值奇偶性与噪声修改机制嵌入水印信息，显著减少二次失真，并通过统计特征调整，保持数据的可用性。该方法在强化隐私保护性能的同时，实现水印信息盲提取，并具备极强的鲁棒性。实验证明，该方法有效降低了数据泄露和被盗用的风险，是一种同时实现敏感数据的隐私保护、泄密溯源与版权标识的集成式方案。

随着人工智能和大数据技术的发展，全球数据产业规模和数据储量呈爆发式增长。在挖掘数据价值的同时，确保数据安全已成为亟需解决的关键问题。数据脱敏技术通过预先设定的规则和算法，对敏感数据进行变换，去除数据中的敏感信息，可防止敏感数据被非法访问、获取，又可以减少对整体数据集挖掘利用的影响，实现了保持数据可用性的同时，保护用户的隐私数据。针对神经网络预测模型中的数据隐私保护问题，利用差分隐私技术中的Laplace机制对Adult数据集进行脱敏，并在神经网络预测模型中进行验证，对比原始数据、差分隐私脱敏数据及其他脱敏技术数据生成模型的预测效果，结果表明，经差分隐私技术处理后的数据，既保证了数据隐私，又实现了数据的有效利用。

区块链技术是具有划时代意义的创新，一旦数据被录入区块链，就几乎无法被篡改或删除，这为重要信息的长期保存提供了可靠保障。然而，传统区块链节点间通信依赖直接连接，在面对链路变化时，会发生同步延迟，从而导致存储数据不一致。针对这一问题，提出了一种基于权威证明的许可链动态存储方法。在许可区块链网络中，节点需要存储大量的交易数据和区块信息，同时还需要保证链上数据的安全性和可靠性。为了更好地适应链路环境变化，该方法通过引入动态存储机制，更好地保证数据的安全性和完整性。实验结果表明，该方法可有效缓解时变链路环境中的数据不可用，并显著提高数据存储的安全性。

随着全球数字经济的快速发展，新兴产业不断涌现，数据治理成为东盟与中日韩共同面临的重要议题。当前，东盟、中国、日本和韩国均形成具有各自特色的数据治理规制体系，并通过《区域全面经济伙伴关系协定》（RCEP），开始探索数据治理领域的国际合作，为推动新兴产业发展提供重要助力。然而，当前东盟与中日韩国家间仍存在数据治理法规制度差异、区域“数字鸿沟”、数据治理标准规范兼容性等问题挑战，给多方开展新兴产业数据治理合作带来了严峻的挑战。为此，东盟与中日韩多方需要在推动建立数据治理框架和协调机制、深化区域数字技术创新与合作、开发数据治理标准与认证体系等方面加强交流合作，以进一步促进区域内新兴产业的可持续发展和数字经济的繁荣。

随着全球数字经济的发展与世界跨国贸易规则的重塑，数据的国家安全属性逐渐显现，其跨国流动可能会对国家安全、公共利益带来安全威胁。近年来，我国不断探索能够保障国家安全的数据出境管理办法。2024年3月22日国家互联网信息办公室发布了《促进和规范数据跨境流动规定》，其中第六条要求建立国家自贸试验区数据出境负面清单制度，这是我国在数据跨境流动安全监管方面的最新探索，其实施将为进一步细化我国数据跨境流动监管方案积累宝贵经验。文章从数据出境负面清单基本内涵、负面清单制定的政策空间、自贸试验区数据出境负面清单设计要点展开研究，并提出了对自贸试验区负面清单制度的两点认识。该研究将为我国各自贸试验区开展本自贸试验区数据出境负面清单的制定工作提供参考。

随着数字化手段对科技的革命与产业的升级，社会中也滋生了各种互联网平台乱象与违法犯罪行为。网络身份认证公共服务作为我国可信网络身份战略的重要推进，如何对网络身份认证公共服务进行全面优化是当前亟待解决的问题。通过梳理我国网络身份认证的提出与发展进程，围绕公民网络身份数据权利视阈、价值风险视阈、制度建设视阈三个维度，分析网络身份认证公共服务所形成公共数据的权利应然，聚焦公共数据的价值实然与网络身份认证公共服务的风险似然，探索网络身份认证公共服务在制度建设过程中的优化策略。

网络滋扰行为是指借助网络之手对特定人实施纠缠、追踪、监视、曝光身份等具有反复持续性的行为。该行为虽滋生于虚拟网络，但危害后果最终会“落地”现实生活。其不仅侵犯公民的精神安宁领地，还会演化为更加严重的暴力犯罪。近年来，网络滋扰普遍多发却未能受到有效遏制。究其原因，我国非刑事法律对该类行为规制力度不足以及相关罪名的解释适用出现困境。为了防阻网络滋扰的蔓延，保护公民人身完整性，有必要在刑法中增设跟踪纠缠罪，运用冒犯原则加以正当化。在罪状构想上，建议先采取“危险犯”的立法模式，再对主客观构成要件选择性记述；在刑罚设置上，建议先定位轻罪再适用同类法定刑，保证量刑的均衡；在追诉机制上，建议将跟踪纠缠罪归属于亲告罪，由被害人告诉才处理。

数据处理者作为数字时代发展的“灵魂人物”，掌握着数据这一核心经济引擎，无论从其内生驱动还是外部期望角度，要求其承担社会责任均具有正当性。企业社会责任的基础性问题包括由谁负责、对谁负责、负责什么和负责到什么程度，而现有立法对后两者问题明显回应不足。故为厘清数据处理者社会责任的基本内容，应当遵循“两步法”，即在责任内容上，明确其内涵限于法律责任与道德责任两方面；在责任范围上，构建担责的“必须而为”“能为尽为”“量力而为”三层级框架。以此为基础，进一步细化各层级责任的具体内容，可以构建系统的数据处理者社会责任内容体系，从而实现数据处理者社会责任实践的有效治理。

针对特种设备数据跨区域、多主体、分布分散、质量低、共享难、效率低、无法及时为特种设备智慧监管赋能问题，研发电梯、长管拖车、大型游乐设施等典型特种设备质控分布式云平台并进行应用。提出了特种设备质控分布式云平台设计的基础技术需求、应用集成需求、架构需求、安全需求和性能需求，以服务+数据为核心，通过能力平台化、管控集中化，建立了高弹性、高可靠的分布式云平台架构，并设计开发云平台原型；以检验大数据平台、特种设备质控分布式云平台、国家电梯事故追溯平台、长管拖车动态风险监管平台、全国大型游乐设施健康管理平台构成“1+N+3”的平台主线建立示范应用场景，实现存证、追溯、协同三方面的应用，为智慧监管提供新的手段和工具，提高特种设备管理的效率和透明度。

对隧道工人时态地理信息系统（TGIS）数据进行研究，可以挖掘出隧道工人在工作中潜在的信息。为解决数据噪声干扰和数据量大的困境，通过中值滤波技术去除轨迹数据中的噪声，使用改进的道格拉斯算法进行数据压缩，采用DBSCAN算法进行曲线聚类，最后利用最小二乘法进行曲线拟合，精确地找出了工作面。实验发现部分工人在一天中的轨迹具有高度相似性，这将有助于了解工人的工作模式，避免工人出现瞒报、误报工作情况。