凤凰彩票登录-凤凰彩票投注

【动画】汽车数据安全风险如何解？60秒带你看懂保护策略******

　　【2022年国家网络安全宣传周系列科普】

　　近年来，能够随时连接互联网并与外部各方共享数据的网联化汽车，逐渐开上大街小巷。随着新一代信息技术与汽车产业加速融合，新技术在带来便利的同时，对数据安全提出了更高要求。

　　根据国家网信办等五部门于2021年8月发布的《汽车数据安全管理若干规定（试行）》（以下简称《规定》），汽车数据包括汽车设计、生产、销售、使用、运维等过程中的涉及个人信息数据和重要数据。《规定》提到，汽车数据处理者处理汽车数据时，应当合法、正当、具体、明确，与汽车的设计、生产、销售、使用、运维等直接相关；应当落实网络安全等级保护等制度；应当充分保护个人信息安全和合法权益；倡导坚持“车内处理”“默认不收集”“精度范围适用”“脱敏处理”等原则，减少对汽车数据的无序收集和违规滥用；还应当建立投诉举报渠道，及时处理用户投诉举报。

　　“智能网联汽车收集数据，驾驶员有没有知情权”“驾驶员能否关闭相关数据采集功能”……在日常使用中，我们对个人信息安全保护或许都存在这些疑虑。为了更好保护个人信息和敏感个人信息，《规定》明确，针对个人信息，汽车数据处理者有告知与征得同意义务和匿名化要求；处理敏感个人信息，还应当满足限定处理目的、提示收集状态、为个人终止收集提供便利等具体要求。

　　《规定》还强调，汽车数据处理者应当遵守重要数据依法在境内存储的规定，因业务需要向境外提供重要数据的，应当落实数据出境安全评估制度要求，不得超出出境安全评估结论违规提供。

　　光明网、国家工业信息安全发展研究中心 联合出品

　　监制：张宁、李政葳策划、制作：孔繁鑫

提速近10倍！基于深度学习的全基因组选择新方法来了******

　　近日，中国农业科学院作物科学研究所、三亚南繁研究院大数据智能设计育种创新团队联合多家单位提出利用植物海量多组学数据进行全基因组预测的深度学习方法, 可以实现育种大数据的高效整合与利用，将助力深度学习在全基因组选择中的应用，为智能设计育种及平台构建提供有效工具。相关研究成果发表在《分子植物（Molecular Plant）》上。

　　全基因组选择作为新一代育种技术，通过构建预测模型，根据基因组估计育种值进行早期个体的预测和选择，从而缩短育种世代间隔，加快育种进程，节约成本，推动现代育种向精准化和高效化方向发展。

　　统计模型作为全基因组选择的核心，极大地影响了全基因组预测的准确度和效率。传统预测方法基于线性回归模型，难以捕捉基因型和表型间的复杂关系。

　　相较于传统模型，非线性模型（如深度网络神经）具备分析复杂非加性效应的能力，人工智能和深度学习算法为解决大数据分析和高性能并行运算等难题提供了新的契机，深度学习算法的优化将会提高全基因组选择的预测能力。

　　该研究团队以玉米、小麦和番茄3种作物的4种不同维度的群体数据为测试材料，通过创新深度学习算法框架开发了全基因组选择新方法。

　　与其他五种主流预测方法相比，该方法有以下优点： 可以利用多组学数据开展全基因组预测；算法设计中包含批归一化层、回调函数和校正线性激活函数等结构，可以有效降低模型错误率，提高运行速度；预测精度稳健，在小型数据集上的表现与目前主流预测模型相当，在大规模数据集上预测优势更加明显；计算时间与传统方法相近，比已有深度学习方法提速近10倍；超参数调整对用户更加友好。

　　该研究得到了国家重点研发计划、国家自然科学基金、海南崖州湾种子实验室和中国农业科学院科技创新工程等项目的支持。

学术支持

中国农业科学院作物科学研究所

记者

宋雅娟

　　（文图：赵筱尘 巫邓炎）