基于强化学习的自动化网络渗透测试方法近年来受到广泛关注，但现有研究多局限于中小规模网络环境，难以应对实际网络中主机数量庞大、拓扑复杂的挑战。提出一种基于DPPO(Dualagent Proximal Policy Optimization)的双智能体协同渗透测试框架，通过分工协作机制提升大规模网络环境下的攻击决策效率。该框架包含目标决策智能体(TargetDecider)与攻击执行智能体(AttackExecutor)，分别负责目标节点筛选与具体漏洞利用执行，二者通过共享环境状态进行协同，以协作奖励机制引导，从而实现分工合作。实验在基于CyberBattleSim构建的仿真网络环境中进行，并与传统的DQN、PPO、SAC等智能体方法进行了比较，结果表明DPPO框架攻陷关键目标所需的步骤数更少、波动更小，显示出更高的攻击效率与策略稳定性。同时，其敏感主机攻陷比率维持在较高水平，表明该框架能可靠完成核心渗透任务。在累计奖励方面，DPPO亦表现出持续优化与稳健收敛的趋势。实验结果表明，该框架能够有效适应大规模静态仿真网络中的渗透测试任务。该框架对动态防御和真实网络环境的适用性仍需在后续研究中进一步验证。

针对工业互联网融合背景下工控协议安全缺陷突出、防护能力不足的问题，开展工控协议安全分析与加固体系研究。通过剖析典型工控协议架构与通信机制，明确协议安全短板，揭示协议层攻击路径与危害机理。突破传统单点防御局限，提出融合国密算法、人机协同逆向与动态自适应加固的方案，构建覆盖协议解析、漏洞检测、主动防御的全生命周期防护体系。实验验证表明，该方案可显著提升攻击拦截与漏洞防御能力，兼顾实时性与兼容性。研究成果可为工控协议安全检测、漏洞挖掘及加固落地提供技术支撑，助力提升关键信息基础设施抗攻击能力。

针对加注控制系统所遭遇的非法访问、数据篡改及外部恶意攻击等安全威胁，以提升系统安全防护能力为目标，开展了网络安全防护研究。针对控制系统四大核心层级的安全需求，提出多策略协同与分层架构相结合的安全防护方案，可融合多种安全防护技术与策略，构建立体化防护架构，并分析了安全防护强度与系统实时性的平衡问题。研究成果形成了适用于加注控制系统的系统性安全防护方案，可有效提升系统防御内外部安全威胁的能力，为工业加注系统安全稳定运行提供技术保障。

针对工业互联网供应链面临的新型安全威胁与治理困境，系统分析了供应链攻击面的结构性特征、典型攻击类型及其演进趋势，识别出供应链透明度不足、工业环境固有约束、跨组织信任缺失及检测能力局限等核心技术挑战。在此基础上，构建供应链安全风险量化评估模型，并设计涵盖技术防护、供应商管控与监管合规的三层治理框架，以评估模型输出结果驱动供应商分级管控决策。该框架以零信任架构向供应链延伸及安全左移为设计原则，从完整性保障、身份访问控制、威胁检测响应、供应商分级准入、合同标准化、第四方风险穿透管理及法规协同等方面构建纵深防御体系。研究成果可为工业互联网平台运营方、设备制造商及行业监管机构提供系统化的安全治理参考路径。

卫星互联网技术正从传统通信技术演变为支撑全球战略竞争的关键基础设施和核心技术力量，但同时也面临着“卫星—地面—终端—云平台”全链路的安全威胁，亟需站在国家安全的角度构建更加完善的网络安全治理体系。系统梳理了低轨星座主导、6G与AI融合、手机直连卫星等卫星互联网发展趋势，剖析了多维度安全威胁、网络主权冲击、数据跨境传输及国际规则滞后等风险挑战。通过比较美国国家安全驱动、欧盟数字主权规则、中国兼顾发展和安全及俄英印日等国家的差异化实践，总结卫星互联网网络安全治理的经验做法。面向全球卫星互联网建设的共同挑战，提出构建多边协同的国际规则体系、强化全链条安全与供应链韧性、推动全球卫星互联网基础设施普惠化建设等发展建议。

随着数字化转型的快速发展，数据已成为赋能科技创新与经济增长的战略资源。对物理分散的海量数据资源实施高效集成管理是有效开展数据赋能应用的重要前提。针对分布式数据资产管理中存在的数据集中治理不便、共享交换困难、赋能应用低效等问题，提出了基于联邦治理的分布式数据资产集成管理框架，设计了基于元数据知识图谱的集成技术方案，探讨了基于分布式数据资产集成管理框架的典型应用。提出的数据集成管理框架和集成技术方案对于“去中心化”数据管理和受控共享交换具有重要参考意义。

提出一种基于业务场景的大模型安全风险评估模型，构建了涵盖安全能力、大模型模态、大模型在业务场景中的角色及交互的三维安全体系，围绕大模型业务及其资产进行风险评估建模，给出了完整的风险识别、风险分析与量化评价方法，并通过电力场景大模型实践验证了风险评估模型的全面性、准确性及可行性。该模型支持基于业务、技术及行业地区要求等要素的安全体系动态设计与差异化风险评估，为风险精准识别与有效防范提供科学的方法指引和实践指南。

结合政府公共服务、医疗监控、军事等多领域实践案例，系统剖析数据集采集、预处理、标注、训练应用及模型输出各阶段面临的安全风险；通过对比数据安全与数据集安全的核心差异，提炼针对性防控逻辑及具体手段。研究发现，数据集安全是数据安全在AI场景下的深化延伸，当前面临数据偏见、投毒攻击、对抗干扰等特有风险，且不同领域风险呈差异化特征。构建“技术—管理—合规”数据集全链路风险闭环管控体系，可有效提升AI领域数据集安全防护能力，为AI应用安全发展提供理论与实践指导。

高校数据安全治理对保障数据安全、促进数据有序流通与价值释放，进而支撑教育数智化转型具有重要意义。通过分析高校数据安全现状，对比数据安全治理与网络安全、数据治理的差异，结合教育行业特点及相关法规政策要求，提出以合法合规、统筹协调、共享共治和规范集约为基本原则，构建涵盖管理、技术与运维三个维度的数据安全治理框架；进一步从组织、制度、人才等管理体系建设，以及数据分类分级、全生命周期安全及典型应用场景等技术体系保障两个方面，提出具体可行的实施方案。最后，建议树立“数据与人并重”的安全发展理念，持续建设合规管理环境，逐步完善技术保障体系。

在数据权益民事侵权纠纷中，针对数据权属与利益分配的争议较大，最高人民法院最新发布的第264号指导性案例确认的主体之间的数据权益，为进一步贯彻落实《数据二十条》和合理保护数据加工使用权益等内容释放了信号。通过分析数据资源持有权主体与数据来源者的关系、数据资源持有权主体与数据处理者的关系以及数据来源者与数据处理者的关系，发现数据来源者、数据处理者与数据资源持有权主体之间不仅有主体身份的分离，也会发生主体身份的竞合，从而限定数据权益主体范围。同时，结合案例又分别从数据资源持有权、数据加工使用权与数据产品经营权等方面，限定数据权益的内容。以此，为司法裁判关于数据权益主体与内容的确认提供进一步强有力的解释。

人工智能生成物(AIGC)作为现代科技发展下诞生的新型客体，正在对传统著作权制度中“作品”与“作者”定义形成技术解构。目前关于其可版权性与主体资格的讨论多集中于要件分析，而忽视了引发激励失衡的负外部性。引入理性人模型与交易成本理论作为法经济学分析工具，能够实现著作权创作激励目的。在作品属性方面，各国在立法、司法层面采取的版权激励举措不尽相同，基于成本收益分析认定其为作品存在激励逻辑上的合理性和必要性。在主体资格上，人工智能发展尚不成熟，缺乏伦理人格基础。从数据治理实务出发，应基于权利责任主体与拟制创作主体的划分，提出权利配置、保护期限等具体的邻接权制度设计，以及赋予人工智能作者身份署名权等制度建议。同时秉持智能向善导向，把握适宜的政策窗口期，以期为数据治理应对AIGC挑战提供参考。