- · 《产业创新研究》收稿方[05/28]
- · 《产业创新研究》投稿方[05/28]
- · 《产业创新研究》征稿要[05/28]
- · 《产业创新研究》刊物宗[05/28]
一、来稿必须是作者独立取得的原创性学术研究成果，来稿的文字复制比（相似度或重复率）必须低于用稿标准，引用部分文字的要在参考文献中注明；署名和作者单位无误，未曾以任何形式用任何文种在国内外公开发表过；未一稿多投。 二、来稿除文中特别加以标注和致谢之外，不侵犯任何版权或损害第三方的任何其他权利。如果20天后未收到本刊的录用通知，可自行处理(双方另有约定的除外)。 三、来稿经审阅通过，编辑部会将修改意见反馈给您，您应在收到通知7天内提交修改稿。作者享有引用和复制该文的权利及著作权法的其它权利。 四、一般来说，4500字（电脑WORD统计，图表另计）以下的文章，不能说清问题，很难保证学术质量，本刊恕不受理。 五、论文格式及要素：标题、作者、工作单位全称(院系处室)、摘要、关键词、正文、注释、参考文献(遵从国家标准：GB\T7714-2005，点击查看参考文献格式示例)、作者简介(100字内)、联系方式(通信地址、邮编、电话、电子信箱)。 六、处理流程：（1） 通过电子邮件将稿件发到我刊唯一投稿信箱（2）我刊初审周期为2－3个工作日，请在投稿3天后查看您的邮箱，收阅我们的审稿回复或用稿通知；若30天内没有收到我们的回复，稿件可自行处理。（3）按用稿通知上的要求办理相关手续后，稿件将进入出版程序。（4） 杂志出刊后，我们会按照您提供的地址免费奉寄样刊。 七、凡向文教资料杂志社投稿者均被视为接受如下声明：（1）稿件必须是作者本人独立完成的，属原创作品（包括翻译），杜绝抄袭行为，严禁学术腐败现象，严格学术不端检测，如发现系抄袭作品并由此引起的一切责任均由作者本人承担，本刊不承担任何民事连带责任。（2）本刊发表的所有文章，除另有说明外，只代表作者本人的观点，不代表本刊观点。由此引发的任何纠纷和争议本刊不受任何牵连。（3）本刊拥有自主编辑权，但仅限于不违背作者原意的技术性调整。如必须进行重大改动的，编辑部有义务告知作者，或由作者授权编辑修改，或提出意见由作者自己修改。（4）作品在《文教资料》发表后，作者同意其电子版同时发布在文教资料杂志社官方网上。（5）作者同意将其拥有的对其论文的汇编权、翻译权、印刷版和电子版的复制权、网络传播权、发行权等权利在世界范围内无限期转让给《文教资料》杂志社。本刊在与国内外文献数据库或检索系统进行交流合作时，不再征询作者意见，并且不再支付稿酬。 九、特别欢迎用电子文档投稿，或邮寄编辑部,勿邮寄私人，以免延误稿件处理时间。
ISC 2021：中国人工智能安全创新峰会召开 聚焦A
作者:网站采编关键词:
摘要：7月29日，作为互联网安全大会（ISC 2021）九大峰会之一，《中国人工智能安全创新》峰会”在北京国家会议中心成功举办。在中国人工智能学会的大力支持和ISC组委会的积极筹备下，本
7月29日，作为互联网安全大会（ISC 2021）九大峰会之一，《中国人工智能安全创新》峰会”在北京国家会议中心成功举办。在中国人工智能学会的大力支持和ISC组委会的积极筹备下，本次大会由中国人工智能学会主办，CAAI人工智能与安全专业委员会、360政企安全集团联合主办.本次峰会邀请了CAAI人工智能与安全专业委员会领导、专家学者、机构代表、行业朋友和商家参与，围绕人工智能安全发展趋势、最新研究成果与应用等前沿话题展开讨论。 网络空间人工智能安全的挑战与应对
人工智能作为新一轮技术革命和产业变革的重要推动力，正在对经济发展带来颠覆性影响和社会发展。然而，人工智能技术是一把“双刃剑”。在推动数字经济和社会创新发展的同时，也可能引发一系列安全挑战。北京大学陈忠教授详细解读了基于人工智能的网络攻击的新兴威胁场景、技术现状、发展趋势和对策。他表示，未来网络安全将呈现零信任、无国界、网络空间等特点。情报面临五种主要威胁：软件漏洞、系统安全、网络安全、传感器欺骗和数据中毒。因此，在人工智能系统被广泛应用之前，需要确保系统以受控、完全定义和完全理解的方式安全运行。陈忠强调，要进一步加强人工智能技术研究，积极探索人工智能与区块链的融合发展，让互联互信，创造更加安全、可信、美好的未来。
白盒化-人工智能方向时代信息安全
随后，中国科学院大学教授、博士生导师、密码学院院长、数据保护研究中心主任景继武，分享了他对智能时代信息化发展的判断。 ，诉说信息安全技术的新方向——白盒。他表示，人工智能技术正在加速网络社区的形成，安全技术将逐步走向开放化、白盒化。他以“密码算法的保密性和公开性”和“技术细节的保密性和公开性”为例进行深化。解释。他强调，白盒安防是未来全球安防市场的重要方向，其发展需要市场支撑和开放架构，推动安防技术产品的专业化、完善化和深度融合。
深度学习模型的安全可解释性和鲁棒性
目前，没有什么比深度学习更能真正代表人工智能的前沿发展，尤其是深度学习。在人类驾驶和医疗决策等领域的应用。浙江大学“百人计划”研究员、博士生导师、浙江大学滨江研究院国内信用创新研究中心副主任纪守玲以“安全的可解释性和健壮性”为主题分享深度学习模型深度学习模型的上述研究成果，从对抗样本的攻防拆解了深度学习模型的鲁棒性，从模型层面、数据层面、载体系统层面分享了深度学习模型的安全性.
人工智能安全对抗
中科院信息工程研究所副所长陈凯向观众展示如何使用声音和图像中的噪声通过实例信息“欺骗”人工智能大脑以对抗自动驾驶目标识别系统。他表示，虽然人工智能技术广泛应用于计算机视觉、自然语言处理、自动驾驶等领域，但人工智能系统易受攻击，限制了其在关键安全领域的应用。因此，提高人工智能系统对攻击的鲁棒性对人工智能的进一步发展起着越来越重要的作用。陈凯表示，只有掌握了各种攻击方式干扰人工智能的原因，才能更有能力制定相应的防御思路。可以在模型前面放置一些检测器来检测对抗样本，以提高网络的安全性能。
人工智能和威胁情报驱动
跨网络行为检测和异常发现< /p>当前，针对网络空间的攻击无处不在，网络安全与治理已成为学术界和工业界共同关注的前沿科技问题。北京邮电大学李晓勇教授以“人工智能与威胁情报驱动的跨网络行为检测与异常发现”为主题，从网络空间安全与威胁情报、威胁情报的发展与应用、人工智能与威胁智能驱动的跨网络异常测试的三个方面进行了共享。他指出异构多源行为大数据高效感知、IP异常流量行为高效识别与利用、空口异常行为精准识别与利用、跨网异常行为融合等关键技术分析和态势感知可用于跨网络异常。检测、智能威胁云智能，可缩小攻击面，监控未知威胁，实时安全防护，实现智能防御。
文章来源：《产业创新研究》 网址: http://www.cycxyj.cn/zonghexinwen/2021/0815/1852.html