最新設(shè)計(jì)資源

人工智能時(shí)代反壟斷法的挑戰(zhàn)：算法共謀的競(jìng)爭(zhēng)威脅與制度構(gòu)建[模擬設(shè)計(jì)][其他]

算法共謀對(duì)市場(chǎng)造成的威脅主要表現(xiàn)為：一方面，軸輻算法通過(guò)使用相同的第三方平臺(tái)來(lái)決定他們的定價(jià)策略，從而形成一個(gè)輪輻機(jī)制，促進(jìn)了信息的交換；另一方面，自學(xué)習(xí)算法可以在沒(méi)有信息共享或明確的協(xié)調(diào)行為的情形下，達(dá)成隱蔽的自主性共謀以促成規(guī)避競(jìng)爭(zhēng)的效果。而目前反壟斷法的分析框架在解決算法共謀的認(rèn)定問(wèn)題上掣襟露肘。主要表現(xiàn)為：算法共謀在技術(shù)上存在著隱蔽性并難以證明，串通行為的認(rèn)定存在爭(zhēng)議，算法共謀的歸責(zé)標(biāo)準(zhǔn)缺位。首先，在制度層面，既要注重公平競(jìng)爭(zhēng)與消費(fèi)者保護(hù)，也要兼顧效率目標(biāo)，來(lái)開展算法技術(shù)創(chuàng)新和發(fā)展。其次，在技術(shù)標(biāo)準(zhǔn)層面，擴(kuò)展更新現(xiàn)有標(biāo)準(zhǔn)中關(guān)于串通的定義和協(xié)同行為的認(rèn)定范圍，解決算法黑箱與算法共謀的隱蔽性問(wèn)題。最后，構(gòu)建和明確算法共謀的責(zé)任歸屬，經(jīng)營(yíng)者對(duì)算法共謀結(jié)果的疏忽可以被解釋為具有反競(jìng)爭(zhēng)的意圖。

發(fā)表于：1/25/2024

從認(rèn)證全過(guò)程視角理解與完善個(gè)人信息保護(hù)認(rèn)證制度[其他][數(shù)據(jù)中心]

個(gè)人信息保護(hù)認(rèn)證與個(gè)人信息跨境提供中其他出境制度相比，可以實(shí)現(xiàn)個(gè)人信息安全與自由流動(dòng)之間的平衡，比安全評(píng)估制度具有更自由的流動(dòng)性，比標(biāo)準(zhǔn)合同具有更穩(wěn)定的安全性。在全球數(shù)據(jù)經(jīng)濟(jì)逐漸占據(jù)主導(dǎo)地位的今天，個(gè)人信息保護(hù)認(rèn)證制度有其巨大的實(shí)施價(jià)值。同時(shí)，認(rèn)證機(jī)構(gòu)作為個(gè)人信息保護(hù)認(rèn)證中關(guān)鍵的一環(huán)，要求認(rèn)證機(jī)構(gòu)具有公平性和專業(yè)性的資質(zhì)，在認(rèn)證中保持客觀中立并發(fā)揮應(yīng)有的專業(yè)水平。然而，個(gè)人信息保護(hù)認(rèn)證制度在我國(guó)剛剛起步不久，相關(guān)法律規(guī)定還不完善，具體落實(shí)的幾個(gè)方面都存在不足，主要包括認(rèn)證前啟動(dòng)、認(rèn)證中審查和認(rèn)證后擔(dān)責(zé)。因此，在認(rèn)證前啟動(dòng)要秉持自愿認(rèn)證與強(qiáng)制認(rèn)證相結(jié)合；在認(rèn)證中擴(kuò)大可申請(qǐng)認(rèn)證的主體范圍，并建立分級(jí)分類認(rèn)證標(biāo)準(zhǔn)制度；在認(rèn)證后完善私法和公法雙重救濟(jì)途徑。

發(fā)表于：1/25/2024

基于Kalman算法的大數(shù)據(jù)存儲(chǔ)架構(gòu)可擴(kuò)展性優(yōu)化算法[模擬設(shè)計(jì)][工業(yè)自動(dòng)化]

為了優(yōu)化大數(shù)據(jù)存儲(chǔ)架構(gòu)可擴(kuò)展性能，提高大數(shù)據(jù)架構(gòu)資源利用率，通過(guò)引入Kalman算法設(shè)計(jì)了一種大數(shù)據(jù)存儲(chǔ)架構(gòu)可擴(kuò)展性優(yōu)化算法。首先，綜合考慮大數(shù)據(jù)存儲(chǔ)架構(gòu)與多核環(huán)境內(nèi)存布局之間的兼容性，設(shè)計(jì)架構(gòu)內(nèi)存布局。其次，設(shè)計(jì)分布式共享內(nèi)存協(xié)議，確保各個(gè)進(jìn)程在訪問(wèn)共享內(nèi)存時(shí)能夠正確地協(xié)同工作，提高存儲(chǔ)架構(gòu)的容錯(cuò)性。在此基礎(chǔ)上，利用Kalman算法，動(dòng)態(tài)調(diào)整存儲(chǔ)節(jié)點(diǎn)的負(fù)載，進(jìn)而優(yōu)化大數(shù)據(jù)存儲(chǔ)架構(gòu)，以提高其可擴(kuò)展性。實(shí)驗(yàn)結(jié)果表明，應(yīng)用該算法后，大數(shù)據(jù)存儲(chǔ)架構(gòu)的資源利用率始終高于對(duì)照組，均達(dá)到了96%以上，最高達(dá)到了98%，架構(gòu)可擴(kuò)展性優(yōu)化效果顯著，服務(wù)器資源利用更充分，大規(guī)模數(shù)據(jù)處理更高效。

發(fā)表于：1/25/2024

融合注意力機(jī)制和Child-Sum Tree-LSTM的二進(jìn)制代碼相似性檢測(cè)[模擬設(shè)計(jì)][信息安全]

抽象語(yǔ)法樹是一種代碼的樹型表示，它保留了代碼中定義良好的語(yǔ)句組件、語(yǔ)句的顯式順序和執(zhí)行邏輯。包含豐富語(yǔ)義信息的抽象語(yǔ)法樹可以在二進(jìn)制分析時(shí)通過(guò)反編譯生成，并且已經(jīng)作為代碼特征應(yīng)用于二進(jìn)制代碼相似度檢測(cè)。抽象語(yǔ)法樹中不同類別的節(jié)點(diǎn)承載著不同的語(yǔ)義信息，對(duì)整棵樹的語(yǔ)義具有不同的貢獻(xiàn)程度。然而現(xiàn)有的二進(jìn)制代碼相似度檢測(cè)方法所用神經(jīng)網(wǎng)絡(luò)無(wú)法對(duì)抽象語(yǔ)法樹節(jié)點(diǎn)進(jìn)行重要性區(qū)分，影響了模型的訓(xùn)練效果。針對(duì)該問(wèn)題，提出了一種融合注意力機(jī)制和Child-Sum Tree-LSTM神經(jīng)網(wǎng)絡(luò)的跨指令集、跨代碼混淆二進(jìn)制代碼相似性檢測(cè)方法。首先使用二進(jìn)制分析工具IDA Pro對(duì)二進(jìn)制代碼反編譯提取架構(gòu)無(wú)關(guān)的抽象語(yǔ)法樹特征，并利用隨機(jī)采樣構(gòu)造訓(xùn)練樣本對(duì)。然后使用抽象語(yǔ)法樹訓(xùn)練樣本對(duì)訓(xùn)練融合注意力機(jī)制和Child-Sum Tree-LSTM的神經(jīng)網(wǎng)絡(luò)模型。在公開數(shù)據(jù)集BINKIT上的實(shí)驗(yàn)表明，所提方法的AUC和Accuracy指標(biāo)分別為94.1%、66.2%，優(yōu)于Child-Sum Tree-LSTM算法。

發(fā)表于：1/25/2024