针对电力物联网无算力设备面临的恶意篡改、非法接入等安全问题，以及现有设备指纹技术在复杂环境下适应性不足，提出一种融合多维信息的设备指纹识别技术，提升设备识别安全性与准确性。方法上，融合硬件标识、通信协议特征及运行状态数据，通过自适应哈希编码、注意力增强编码、窗口算法等构建动态指纹模型，并与主流算法对比验证。研究结果表明，该技术在正常及异常网络环境和电力运行状态下，准确率、召回率和F1值均较高，适配无算力设备，且能适应一定程度的环境变化。该技术为电力物联网无算力设备的精准识别和安全管理提供了有效方案，未来可结合新技术进一步优化，以适应更多新场景。

工业控制系统存在面临高强度持续攻击威胁的确定性，同时也存在面临未知威胁的不确定性，在识别威胁时应兼顾通用性和行业特性。基于通用网络数据集和工控专用数据集，将一维卷积神经网络和注意力机制相融合，验证模型在不同场景下的性能情况。实验表明，融合注意力机制后的一维卷积神经网络模型在通用网络数据和工控时序数据中均具有良好的特征捕捉能力，并提升了识别准确率。

围绕网络安全等级保护2.0制度框架下的渗透测试方法展开研究，结合ATT&CK攻击矩阵构建动态化安全验证体系。通过对等保2.0中安全通信网络、安全区域边界、安全计算环境等核心控制点的技术验证要求进行深入分析，将传统渗透测试流程与ATT&CK战术技术相融合，提出多维度测试场景设计、攻击链闭环验证和防御能力量化评估三位一体的新型验证框架。选取工控系统典型场景进行实证分析，证明该方法能有效发现等保合规盲区，提升系统主动防御能力和实战对抗水平。研究结果为网络运营者落实等保制度提供了可操作的渗透测试方案，推动网络安全防护从合规导向转向能力导向。

工业系统涉及的设备、产品门类繁杂，工业信息系统安全边界逐渐模糊，外部攻击和内部威胁日益严重。聚焦解决工业互联网边缘管理存在的安全隐患，研究适应于不同种类终端、不同接入和交互方式的统一身份认证、持续信任评估、动态访问控制技术，构建了面向工业信息安全的零信任安全防护架构，能够规避非法仿冒接入、安全漏洞利用、数据监听窃取等安全风险，监测接入工业设备的通信行为特征，实现接入可信、协议安全、持续评估的防护目标，从而提高工控网络边界主动防御能力。

针对文物数字化资源版权保护难题，构建基于区块链的版权管理框架，解决传统中心化管理模式下版权所有者模糊、授权流程繁琐、侵权追溯困难等问题。采用联盟链架构，设计版权存证、授权管理、侵权追溯模块实现全流程管理。通过哈希算法实现文物数字化资源的唯一标识与存证，智能合约自动化执行授权流程，数字指纹与链上数据协同完成侵权行为精准定位与证据固化。该框架有效保障了文物数字化资源版权的合法使用与传播，为文化遗产数字化保护提供可信技术方案。

在数字化转型背景下，传统集中式数据库向分布式架构迁移面临异构数据模型语义冲突、业务连续性要求、人工转换低效等核心挑战。提出智能转换框架AUTOMIG，其核心创新在于深度挖掘数据内在关联的智能决策机制与适应大规模异构环境的高效执行引擎。AUTOMIG创新性地利用图神经网络自动发现隐含于数据库模式中的复杂表间关联，并结合多目标优化模型智能决策最优存储方案，提升跨模型转换的自动化程度。同时，框架设计独特的双模式日志捕获与流批协同清洗管道，实现对海量历史数据与高频实时变更数据的低延迟、高可靠同步与清洗。该框架成功实现了在容器化平台上的部署并以大规模教育培训系统数据迁移为典型应用案例实践验证。结果表明其图神经网络驱动的关联发现显著提升了复杂查询性能，而双模式协同执行引擎则大幅缩短了迁移总耗时并优化了资源利用效率，为企业数字化转型提供了可靠的技术支撑和实践路径。

在复杂应用场景中，深度神经网络易受噪音数据干扰，如何客观、有效、可靠地评估深度网络的抗噪音干扰性已成为智能化技术开发的关键问题之一。然而，现有的评估方法只能对网络抗噪音干扰性进行整体评估，且不具备可解释的理论依据。为了解决上述问题，基于闵可夫斯基差线性可分性度量，提出一种深度神经网络逐层抗噪音干扰性评估方法，实现了神经网络抗噪音干扰性的可解释性评估。该方法可以对深度网络各隐层数据映射行为进行定量分析，解析噪音干扰对网络各隐层的影响机理，进而建立面向网络隐层的可解释抗噪音干扰性评估方法。

针对复杂室内环境下接收信号强度测量数据中包含噪声使其呈现波动性导致定位精度低的问题，提出一种基于混合滤波(HF)、波动参数辅助的优化极限梯度提升(XGBoost)室内定位方法。首先采用HF的方法对数据子集进行优化，降低噪声的影响，得到初始数据库；另外，考虑到波动不能完全消除，引入能够反映数据变化程度的波动参数；其次，针对XGBoost算法性能易受初始参数的影响，采用粒子群(PSO)算法对其进行寻优，并将波动参数与优化后的数据作为算法输入训练生成定位模型；最后，将目标点处信息输入到模型中完成位置估计，同时将该点数据保存到数据库中完成更新。实验结果表明，与传统算法相比，所提算法具有良好的定位效果，在1 m、2 m和3 m范围内，定位准确率分别提升9.2%、14.1%和18.45%。

算法自动化决策的融入为行政治理活动开辟了一种新兴的权力运作与治理模式，即“算法行政”范式。该范式标志着大数据时代背景下，政府采纳算法自动化决策手段，以实现高级别的自动化行政治理。算法行政带来精准、高效等优势的同时，也因其自身的特性为正当程序原则带来了风险与挑战。算法行政所依赖的治理工具——算法自动化决策，因其自学性、黑箱性及极速性特征，在形式合法、民主过程等关键环节存在缺陷，易引发公众对算法行政治理模式正当性的质疑。故而，将算法行政置于正当程序的审视框架之中显得尤为重要。为此，亟需构建一套集事前预防、事中监督及事后救济于一体的程序性规制体系，以纾解算法行政活动面临的挑战并实现规制重构。

网络舆情中个人信息传播的现象已较为普遍，对个人和社会秩序产生一定的影响。在数字化进程日益加深的现代社会，实现该现象的有效治理具有重要意义。网络舆情中的个人信息之所以被广泛传播，原因在于社会公众对于个人信息的好奇，通过曝光个人信息可引领舆论导向，以及算法技术的不当使用。网络舆情中的个人信息传播会导致个人信息安全及人格尊严难以得到有效维护，扰乱网络公共秩序并模糊舆论焦点，同时使得技术使用无序状态呈现加速化趋势。网络舆情中个人信息传播的治理，需重塑网络舆情中个人信息保护的价值取向，在事前完善风险防范措施，事中敦促平台为个人信息安全保驾护航，事后实现法律措施兜底，以此达到多方位协同治理。

个人数据是数据要素的重要组成部分，能够支撑丰富的场景应用，具有极高的应用价值。同时个人数据涉及个人隐私，对其开发利用必须首先落实安全和隐私保护要求。世界主要国家围绕个人数据开发利用进行了诸多探索并形成了一系列经验，聚焦美国、欧盟、韩国、日本和新加坡等国家和地区的个人数据开发实践，总结各国的主要制度安排和实践模式，在此基础上对个人数据管理模式、数据经纪模式、数据信托模式进行对比分析，剖析政府和市场主体所发挥的作用，以期为我国开展相关实践提供参考。

商业数据是数字经济下经营者参与市场竞争的的重要资源。目前，针对商业数据不正当竞争行为的裁判依据主要是《反不正当竞争法》第2条和第12条，该援引条款具有高度抽象性，致使出现司法实践中原则性条款的过度使用、不正当竞争行为的认定标准不明等问题。对商业数据不正当竞争行为的规制应当跳出赋权保护模式的桎梏而选择更具竞争法特征的行为规制路径。结合商业数据的特性，在总结当前司法实践不足，并充分借鉴域外经验的基础上，通过在反不正当竞争法中设置商业数据专条，立足弱权利保护。如此既增强了数据权益保护的有效性，又激励了数据的流通与利用。