新闻中心

News Center

当前位置:主页 > 新闻中心 >

融合电子发展沿革与技术动态

2019-06-15 04:03 未知

  本文出自《 指挥信息系统与技术 》2017年2月,转自:网信科技前沿 作者:赵宗贵 李君灵

  摘要:概述了信息融合的发展历程与信息融合模型分类,重点分析了美国国防部实验室联合理事会(JDL)数据融合过程模型的演变过程及其各阶段特点。最后,给出了信息融合领域的当前技 术发展动态。

  信息融合起源于军事需求,是随信息源类型扩 展、信息类别增加(不仅是传感器数据)、应用领域扩大和对应用支持程度加深,从数据融合演变而来。 信息融合军事概念可定义为战场态势感知诸环节 (信息获取、信息传输、时空配准、目标估计、态势/威 胁估计和态势展现)中多源信息的处理过程,其目的 是获取及时、准确、连续、完整和一致的战场态势,以 支持战场预警、作战决策、指挥控制和火力打击等作战活动。

  信息融合属于人类对现实世界的认知领域。从 唯物论的认识论出发,人类对现实世界的认识是一 个由浅入深、由低到高及由片面到全面的过程。人类认识事物通常由多感知信息综合获得,在数据融合概念出现前200多年,已出现了感知领域的一些 综合方法和技术,因此信息融合学科具有漫长的发 展历史。目前,信息融合主要历史事件如下:

  2)1795年,高斯最先开发了采用冗余数据的 状态估计数学方法;

  3)20世纪初至40年代早期,开发了统计模式 识别方法(如聚类分析和神经网络等);

  4)20世纪初至40年代,开发了目标跟踪与识 别中重要的主动传感器———雷达;

  7)20世纪70年代至今,开发了面向军事应用 的全源分析与融合系统;

  8)1968年,首次演示了先期研究项目代理计 算机网络(ARPANET),即互联网先驱;

  10)1981年,国家科学基础计算机科学网络 ( CSNET)诞生;

  11)20世纪80年代中期,美国国防部实验室联 合理事会(JDL)数据融合专业组成立;

  14)1988年,创立了国家传感器数据融合年度 研讨会(NSSDF);

  17)1999年,建立了国际信息融合学会(ISIF), 并逐年举办ISIF年会;

  18)20世纪90年代至今,信息融合非军事应用 显现,包含复杂系统的状态监视、环境监视、危机管 理和医疗应用等;

  19)20世纪90年代,信息融合扩展到物理传感 器的合作感知;

  20)2009年,中国信息融合分会(CSIF)成立, 目前已举办7届CSIF年会。 综上,信息融合学科门类的产生和技术发展来 源于应用,特别是军事应用需求成为驱动该学科发 展的主要动力。

  1)数据融合阶段:20世纪70年代至80年代 末。数据融合是美国1973年提出的,当时在美国国 防部资助下进行声呐信号理解研究,即对多个独立 连续信号进行融合,以检测某海域中敌方潜艇。数 据融合系统主要针对传感器数据,信源以同类多传 感器为主,也包括具有同等信息形式的异类信源数 据;主要功能以1级融合对象估计(或目标估计)为 主,实现多传感器探测目标的融合定位、识别与跟 踪,作战应用以战场预警为主,部分应用于作战任务 分配和作战平台指挥控制。 该阶段典型融合算法主要针对1级融合对象估 计,包括位置融合算法(参数关联和估计技术)、身份 融合算法(物理、基于特征推理和基于认知的模型) 和辅助支持算法(数值方法库、数据校对、数据预处 理和数据库管理等)。

  2)信息融合阶段:从1987年JDL建立信息融 合初级模型至21世纪初。20世纪80年代末和90 年代初,随着多军兵种联合作战和多平台协同作战, 以及远程打击和精确打击武器/弹药的出现,协同和 精确作战对战场感知的实时性和精确性提出了更高 要求。该阶段战场感知系统接入的信息源类型进一 步扩展,特别是中长期、技侦/部侦和人工情报的接 入,在信息的格式、粒度、不确定性和相容性等方面 出现较大差异,其形式已不仅限于数据形式,出现了 信号、数据、图像、文本和声音等多介质和多形式/格 式,进入了信息融合阶段。该阶段的融合功能向上 扩展到战场态势和威胁估计,支持了作战筹划与决 策;向下扩展到多信号融合检测,支持了多平台协同 作战和远程/超视距精确打击控制,使目标定位、识 别与跟踪能力在精度和实时性上进一步增强。该阶 段分别出现了信息融合典型的3级、 4级和5级功 能结构(信号融合、目标估计、态势估计、威胁估计及 融合评估与反馈控制模型),作战应用从战场预警扩 展到作战决策、指挥控制和精确打击领域。由此可 见,信息融合与数据融合的不同点为:( 1)信息源种 类增多,信息融合除采用多传感器探测数据,还融入 了其他信息源,如侦察情报(技侦、航侦和人工情报 等)、其他军/民情报、开源文档及已有资料(数据库 和档案库)信息等;

  ( 2)信息融合方法和技术比数据 融合难度大,从统计学和结构化模型迈向非结构化 模型,包括基于知识系统和人工智能技术等;

  ( 3)信 息融合研究领域从目标定位、识别与跟踪跨入态势/ 影响估计等高级感知领域;

  ( 4)信息融合应用领域 从战略和战术预警扩展到整个作战过程(作战决策、 指挥控制、火力打击和作战评估等)和民用领域(医 学诊断、环境监测、状态维护和机器人等)等应用 范畴。 该阶段的典型融合模型是JDL于2004年提出 的推荐版JDL融合模型———5级顶层模型,JDL信 息融合5级顶层模型如图1所示。

  ( 2)1级融合:实体估计,即对独立物理对象进行检 测、识别、定位与跟踪,或称独立实体状态估计;

  ( 3)2级融合:态势估计,即依据多类信息估计现实 世界的某样式的状态及其变化;

  ( 4)3级融合:影响 估计,即估计预测态势对规划/期望行动的影响;

  3)人在感知环中的信息融合阶段:21世纪初 至今。信息融合领域第1阶段和第2阶段的研究和 发展目标,无论在理论上还是在技术和应用实现上 均力图建立一个能自主运行的产品,嵌入应用系统 或直接作为系统应用至相应业务活动。鉴于信息融 合中诸多问题离不开用户参与,特别是融合系统运 行过程离不开人的操作、选择、判断、行动、管理和控 制,2005年后,信息融合研究和设计者们开始思考 “建立自动运行的融合产品/系统”这一目标,从而使 信息融合领域理论和技术发展进入第3阶段。该阶 段致力于建立一个人在感知环中的信息融合系统, 以在信息融合系统设计、运行和应用过程中通过与 人的认知能力的紧密耦合,发挥用户对信息融合的 主导作用,从而满足用户需求。与此同时,信息融合 应用正迈向世界范围和国家级多领域融合,以进行 重大事件预测和战略规划等高端应用。该阶段的典 型融合模型是用户-融合模型———6级融合模型,如 图2所示。

  该模型确定以下3项5级用户精炼内涵: 1)人 的认知思维。2)人机交互活动。3)对各级融合的 反馈控制:对0~4级融合提供相应信息,包括向0 级融合提供数据价值度量,向1级融合提供目标处 理优先级,向2级融合提供周边关系(contextual)信息,向3级融合提供威胁意图信息,向4级融合提供 效能差距估计等;支持相应级别的优化控制活动。 由此牵引出用户主导的自动信息融合、判定信息融 合、行动信息融合和应用信息融合4类模式,用户主 导融合模式与融合级别对应关系如图3所示。

  图3中,自动信息融合是传统信息融合系统( IFS)工作模式,增加了用户参与IFS设计功能,包括用户参与IFS需求、操作、界面、分发和样式设计; 判定信息融合基于自动融合模式,将人(操作员、控 制员和指挥员)的判断结论信息,包括经验推理判 定、灵感思维推理及直觉判定等信息自动融入IFS相应判定环节,生成基于用户判定的融合结果;行动 信息融合基于判定信息融合模式产生的融合结果, 在时间和空间上指导和控制进一步的信息融合优化 控制行动(如传感器配置与控制、分布融合节点资源 分配调整及融合算法配置和参数调整等),将可能产 生的行动预测信息和已产生的行动效果信息融入 IFS,生成基于优化感知控制行动的融合结果;应用 信息融合基于行动信息融合模式产生的融合结果, 以嵌入或非嵌入方式融入应用系统,用户通过规则 和制定应用行动方案(COA),确定和控制应用IFS 业务(作战)活动;将可能产生的应用事件预测结果 和收集的已产生的事件结果信息融入IFS,产生基 于应用效能的融合估计结果。应用信息融合模式将 IFS直接与应用系统紧密耦合,实现了感知-融合-应 用的闭环优化控制。

  与信息融合相关的人类感知和信息处理过程模 型有很多,有文献给出了对这些过程的相关考察与 评估结果,信息融合模型和人类感知模型概要分类 如表1所示。

  信息融合模型按功能可分为2类: 1)融合类: 偏重于描述多源数据融合计算模型和方法; 2)判定 类:偏重于描述基于多元信息或基于融合信息的判 定模型和方法。这2类融合模型和框架并无严格界 限,融合类主要面向低级数据层次融合(信号处理和 对象状态估计)的自动计算问题;判定类主要面向高 级认知层次融合的识别与判定问题,如目标真伪/属 性识别,态势估计与威胁判断等,通常以人类认知与 自动计算相结合方式,采用人机交互产生判定结果。 对于描述融合和判定过程来说,表1中每个模型均 有优缺点,其中带有融合功能分级的模型往往包含 2个类别过程模型功能,如作为典型的JDL数据融 合过程模型,其中的0级融合(数据或原始信号处 理)和1级融合(对象提取)主要偏重于融合类,而 2级融合(态势估计)和3级融合(威胁分析)则偏重 于判定类。在JDL融合模型中,这2类功能既相互 独立,又相互联系,通常是融合类为判定类提供依 据,当然判定类还需增加其他外部和关系信息。

  上述模型中,最系统和最具代表性的是美国国 防部实验室联合理事会的JDL数据融合过程模型 和Endsley态势感知模型,这2个模型广泛应用于 民用和军事领域。本文将结合信息融合发展历程, 重点介绍JDL数据融合过程模型。

  1987年,JDL数据融合研究组首次建立了数据 融合模型,该模型顶层结构仅包含3级(对象估计、 态势估计和威胁估计)。JDL在给海军情报办的 一份简报中,提出了更通用的数据融合的3层结构 模型: 1)第1层:JDL数据融合过程顶层结构模 型; 2)第2层:顶层模型各融合级别的专用子过程 功能模型; 3)第3层:实现各项子过程功能的方法 与算法模型。

  近20年来,JDL数据融合结构的第1层和第2层 模型不断演变和完善,JDL数据融合层次结构前2层 模型如图4所示,其中第1层模型结构演变为 6级融合( 0~5级融合)。

  由图4可见,数据融合的第1层(顶层)结构中 各融合级别的名称和概念与融合应用,特别是军事 应用紧密联系。顶层结构各融合级别对应的第2层 模型在概念和内涵上将融合应用与采用方法功能联 系起来。图4未给出的第3层模型,即实现各融合级别的具体子过程功能的方法和算法模型。由于融 合学科应用其他学科技术和方法的典型边缘性和在 军民领域的广泛应用性,并随着融合学科的发展,技 术范围和应用领域不断扩展,因此第3层模型无法准确列出。文献表明,数据融合第3层模型实 际上是对第2层专用子过程功能采用的方法和算法 模型的进一步分解,并描述了采用的相关传统学科 和新兴学科门类,涉及概率与统计方法、优化方法、 计算机、通信网络、现代控制论、人工智能、信息论、 生物工程、信号处理和图像处理等。

  1)0级融合(数据或源预处理):处理来自传感 器的数据(如信号、图像、高光谱图像、矢量分量或标 量数据),为后续融合准备数据,包括图像处理、信号 处理、数据整理、坐标变换(将来自探测点或传感器 平台的数据变换到一个中心坐标系)、滤波、观测数 据时空校准以及其他格式与单位变换等。

  2)1级融合(对象提取):组合来自多传感器或 信息源的数据,以获得对象定位、特征和身份的可靠 估计。对象通常指物理对象,如飞机、舰船、车辆或 人,也可指通过数据融合确定的活动、事件或其他受 地理约束的实体位置和身份。对象/实体定位(估计)问题通常与对象/实体识别问题分开讨论,但在现实融合系统中,这些子过程则会集成到一起。

  3)2级融合(态势提取):利用1级融合处理结 果,开发出它们的关系含义说明,包括怎样理解实体 与其所在环境关系、不同实体间关系以及它们怎样 相互关联。例如,在一个环境中的车辆的运动状态 可能取决于道路、路况、地形、天气及其他车辆等诸 多因素。人群中一个人的行动与其四周无他人的情 况可能有完全不同的解释。

  4)3级融合(威胁提取/影响估计):包括将当前态势预测到未来,以确定潜在的影响或与当前态 势相关联的威胁(即对我方不利影响)后果。该处理 寻求对可能的和觉察到的威胁的响应行动,以及察 觉的态势变化导致威胁可能出现的变化等进行 推断。

  5)4级融合(过程精炼/资源管理):寻求改进 融合过程(更精确、更及时和更具体),通过改变传感 器或信息源指向、改变融合算法控制参数或选择更 适合于当前态势和有效数据的算法或方法达到。该 处理功能包括传感器建模、网络通信建模、性能度量 计算和资源利用最优化等。

  6)5级融合(人-机交互/认知精炼):探索数据 融合系统与人类用户怎样互动才能达到最优化。该 处理寻求理解人类用户需求,并通过将融合系统合 理地集中关注用户最重要事情来响应这些需求。

  由图4可见,JDL数据融合顶层模型在融合结 构发展中起主导作用,自1987年第1个JDL数据 融合顶层模型出现后,近30年来,JDL顶层模型在 不断进行补充、修订和完善,在其发展和演变过程 中,以下6个顶层模型具有代表性:

  Steinber g等提出,增加传感器级( 0级:信号处理或 子对象处理),并将过程精炼作为第4级;将JDL模 型应用扩展到军事领域之外;

  3)2004JDL 推荐模型:包含0~4级融 合。Bowman等提出,将4级融合过程精炼改为过 程评估,将4级融合中的优化控制放入资源管理,但 将资源管理和数据库管理置于融合范围外,反映了 融合学界强调自动融合、减少人的作用的观点;

  4)JDL融合过程顶层模型:包含0~5级融 合。2004年,Hall等针对目前力图摆脱人的自动数 据融合与信息化战争的战场感知需求渐行渐远的趋 势,对2004JDL推荐模型进行了较大修正,从而确 定了融合学界公认的包含有人参与的4级融合(过 程精炼)和5级融合(认知精炼)的6级结构模型;

  5)DFIG2004模型:又称数据融合信息组模 型,是JDL数据融合组部分专家从复兴融合学科 观念出发提出的,包含0~6级融合,将人起主要作 用的融合管理(资源和任务管理)纳入融合范畴作为 第6级融合,为进一步确定人在融合中的主导作用奠定了基础;

  6)用户-融合模型:包含0~5级融合,明确 给出了第5级融合用户精炼对0~4级融合的信息 支撑关系,从而使其成为人作为信息融合主导者的JDL顶层模型的典型代表。 JDL数据融合顶层结构演变及特征如图5所示。

  由图5可见,JDL数据融合顶层结构正从传统 的自动融合结构(第1代)向以人为主导的融合结构 (第2代)演进,反映了信息时代人在感知中的作用 正在逐渐增强。JDL数据融合顶层结构的变化反映 了信息融合从第2阶段向第3阶段的演进过程。

  图5给出的2代融合结构特征展现了2种感知 观点: 1)机器(传感器通信和计算设备)是感知主 体,人类的认知行为始于数据,即传感器观测输入, 再向上推进到为人类应用活动服务;技术实现上,以 数据驱动系统运行,从传感器数据中提取特征、关系 和知识,并构建应用模型或直接提供用户进行应用 选择;融合活动模式上,采用机器在后台自主运行, 自动进行融合处理模式,在前台界面上显示融合结 果供用户干预选取。2)人是感知主体,传感器和各 种感知技术是对人类感官的扩展;技术实现上,用户 基于需求设计感知模型,以模型驱动融合系统运行, 寻找与模型匹配的数据,即向数据赋予涵义和知识, 再经逐级融合,产生满足应用需求的态势信息;融合 模式上,用户应与机器紧密耦合;管理上,用户进行 融合系统立项和论证,参与系统设计、运行交互控制 和信息分发活动;充分发挥人的认知能力在融合活 动中的效用,从而产生满足应用需求的信息产品。 进入21世纪以来,信息产品和信息化设施正在改变 着人们生活,并使人的观念产生重大变化,但唯有人 在认识世界过程中的主导作用没有改变且日益凸 显。目前出现了一些新的人与机器相结合的融合体 系结构,在人的主导下,发挥用户认知能力与机器(含网络)的计算与信息传输优势,建立信息时代的 融合结构模型任重道远。

  当前军事领域中,对信息融合技术发展的直接 推动力是信息化武器装备的发展和信息化作战样式 (如网络中心战)的出现产生的新的战场感知需求。 从国内外信息融合领域研究状况看,当前关注的信 息融合技术如下:

  1)信号级融合:随着目标的隐身、机动和突防 能力增强,高超声速目标、低慢小目标和隐身目标的 威胁日益加剧,并面临更加复杂和变幻莫测的战场 环境,对传统传感器探测机制提出了严峻挑战。因 此,催生了多传感器探测信号融合技术,以实现低可 观测性目标(称弱信号或弱小目标)的检测和尽早发 现预警。电子检测弱信号目标的信号融合技术研究包括 分布式多基雷达、多传感器组网探测、认知传感器和 检测前跟踪(TBD)等。

  2)时空配准:时间配准指遂行同一任务的各作 战单元和平台实现时间同步;空间配准指估计和补 偿传感器测量误差,从而提高信息获取精度。时空 配准是实现作战行动同步和多军兵种协同作战与精 确打击的基础。需解决的关键技术包括作战节点时 钟零点漂移估计、无线网络时统、运动平台探测系统 空间配准和测量误差非均匀分布的传感器空间 配准。

  3)目标机动跟踪:目标机动指目标运动状态发 生变化,目标早期机动淹没在测量偏差和环境噪声 中,且传感器对目标机动的测量丢失使对目标机动 反应滞后或无反应已成为无法回避的问题。高动力 性能和隐身平台的出现加剧了解决该问题的难度。 需关注的技术包括基于多假设的目标状态最优统计 辨识方法、基于复合假设的目标机动时间似然比检 测、基于多传感器的目标机动检测及基于状态维度 扩展的机动目标跟踪等技术。

  4)作战识别(CID):作战识别将战场目标识别 扩展到整个作战活动范畴,故技术难度增加。作战 识别技术依赖的不是大量稳定的随机信息,而是很 少(偶尔)出现且呈异常变化特征的信息。因此,传 统基于统计学的方法已无法满足作战识别的需求, 探讨识别信息度量标准和基于不确定性的融合识别 方法成为当务之急。涉及内容包括作战识别概念与融合结构研究、识别信息量度量和识别知识量度量 方法、多源识别信息融合实现方法、判定识别信息融 合技术及作战识别中的认知方法等。

  5)异介质图像融合:当前,随着作战空间向太 空和Cyber空间的扩展,对遥感遥测和战场监视图 像的融合处理成为全域战场感知的迫切需求,特别 是异介质图像融合更成为作战识别亟待解决的难 题,成为当前研究热点。涉及技术包括异介质图像 空间配准、异介质图像特征提取和统一表示、融合图 像质量评估和应用实现等技术。

  6)用户参与和主导的信息融合:该技术旨在实 现信息融合与用户的紧密耦合,以及信息融合与应 用的紧密结合,以提升融合产品的性能和应用效能。 该研究内容来源于信息融合产品的应用实践,突破 了传统的自动融合研究领域,成为信息融合技术的 前沿课题。主要技术包括人在信息融合中的认知能 力研究、基于用户认知的融合方法与实现技术、信息 融合中的用户精炼方法与实现技术及态势管理与行 动方案规划技术等。

  7)分布式信息融合:该技术应网络中心战需求 出现,其融合结构与传输网络和环境噪声相互耦合, 在效能上与作战活动紧密耦合,在技术上面临诸多 难点,主要技术包括分布式融合体系结构分析、分布 式融合系统性能指标与度量方法、分布式信息重用 误差滤除方法及解除相关和未知分布噪声信息融合 方法等技术。

  8)基于大数据的信息融合:态势感知领域的大 数据指与任务相关的广泛情报信息来源和以各种技 术/手段获取的多介质、多形式和多格式情报信息, 面向的是较高级别的多种样式感知需求。当前信息 化条件下网络中心战采用大数据技术支撑战略、战 役和战术层面的战场态势感知,亟待解决的技术包 括低价值密度的大数据知识发现推理、非数据情报 自动处理、非数据情报融合、人工情报与传感器数据 的融合(软数据与硬数据融合)及面向战术级高 端应用的全域空间配准等技术。

  9)信息融合高端应用:高端应用指具有高实时 性、高精度和高协同性需求的应用,如武器平台火控 系统(反导武器控制)、多平台协同作战系统(CEC)、 高自主控制系统(机器人和航天飞行器控制)等。为 了实现信息融合与高端应用的紧耦合,从能观测性 和能控性出发,需深入研究的技术包括运动平台探测误差的能观测性分析、误差非均匀分布传感器测 量误差能观测性分析、多平台协同探测的能观测性 和能控性分析、单一纯方位跟踪平台能观测性与轨 迹优化控制及探测/融合信息向武器平台的无缝交 接控制等技术。

  本文从信息融合学科与应用紧密耦合的观点出 发,回顾了信息融合发展的主要历史事件、发展阶段 及其特点;概述了数据融合模型;描述了JDL数据 融合过程模型的结构框架、顶层模型及其演变过程; 最后总结了信息融合当前技术和未来发展动态。

  国际有限公司于6月5日在场内以每股平均价3.988港元增持258.9万股,涉资约1032.49万港元。增持后,金融电子的持股数目为269,102,250股,最新持股比例由15.95%升至16.10%。

  在他看来,这种类似的系统将会在不同病种上陆续投放,逐步改变每一个诊疗环节,而这种精细化变革将是无声进行的。“未来3-5年,智能医疗系统很可能遍地开花。病人去看病的时候,不会明确感知到AI系统的作用,但确实无论诊疗还是处方,都将建立在综合的大数据基础上,真正实现个性化、精准化的诊断。”张少典说。

  凡本网注明“来源:新华网”的所有作品,版权均属于新华社,未经本网授权不得转载、摘编或利用其它方式使用上述作品。已经本网授权使用作品的,应在授权范围内使用,并注明“来源:新华网”。违反上述声明者,本网将追究其相关法律责任。

  系统安全方面,Windows NT内核的资深研究者、独立安全研究员Nikita Tarakanov在峰会现场,首次深度解读了在微软Windows 10 19H1中利用内核内存破坏漏洞的难度,以及对Windows操作系统安全缓解机制构建的最新发现。

  以人工智能等信息技术为代表的第四次科技革命正在革新教育的各个领域,教育正在进入科技驱动的新时代,教师分工、教学方式、教学内容、教学组织、测试方式、评价方式、学习方式、辅导方式等方方面面正在发生深刻的变化,信息技术是推动当前教育发展创新的重要力量。实践证明,在教育扶贫工作中,我国许多地区通过有效地运用信息技术,取得了良好的效果。四川遂宁教育局通过通过网络开展远程教育和实施网络技能培训,有效提高贫困地区学生教育水平,提升了教师队伍能力,实现了教育扶贫从“输血”到“造血”的转变。中国教育出版网联合河南省扶贫开发办公室共同实施了河南省教育信息化精准扶贫工作,通过对鲁山县、社旗县两个国家级贫困县的教育信息化云平台试点建设,使近20万学生接受了互联网教育。

  · 专业股票配资平台开户金斧子股票配资公司:股票配资看盘技巧如何保持平稳心态

  对森亿智能的创始人、首席科学家张少典来说,这个现成的场景就像是为他量身定制的施展空间。毕业于哥伦比亚大学医学信息学专业,他用“精细化”三个字来描述大数据和AI技术可以为中国医疗场景带来的变革。在他看来,诊疗过程中精细度的大幅提升意味着医生可以更加迅速地判断“个性化”病人的病情,精准预估和监测潜在风险,帮助医院资源配置决策迅速而合理化。

  【小陇跑两会】甘肃省法院执结2016年以来执行实施案件328863件(图)

  【出海周报】越南电子钱包降额,印尼关闭144家非法P2P平台,银联结姻欧洲最大收单机构

  根据 IDC 的统计,我国对IT 安全的投入占IT市场的比例为1.84%,仅为美国水平的40%。我国安全服务市场的IT 投资占比仅为26.1%,低于全球平均水平。在等保2.0政策下,应用要求细化,场景定义明确,安全责任与保护义务有望助推行业安全投入占IT比例持续提升。从信息安全核心产品CR5数据看,2018年,集中度普遍突破50%, 龙头企业在规模经营效应的支撑下,竞争壁垒有望提升。

  算力、算法与数据被认为是人工智能的三大要素。而这三大要素,除了算法之外,算力、数据都与轻装信息化有关,是其中的组成部分。实际上,正是由于轻装信息化的出现,才使得新一代人工智能有别于传统的人工智能。

  甘肃建筑职业技术学院举办“思政讲堂”开幕式暨“坚定文化自信,筑牢民族之魂”讲座

  当前我国信息化建设正处在蓬勃发展的进程中,工信部、发改委印发的《信息产业发展指南》提出,到2020年信息产业收入目标为26.2万亿元。在网络信息系统面对的安全威胁日益复杂、多样化的背景下,未来5-10年,我国信息安全产业仍将保持持续增长。作为安全技术领域的领跑者,安恒信息将不断提高核心技术创新能力,为“助力安全中国、助推数字经济”贡献力量。

  SBI Ripple Asia是日本金融巨头SBI控股的子公司,在计划全面推出店内支付新服务之前,将使用其Money Tap应用程序进行店内支付“演示测试”。

  唐河县召开2019年高中招考试安全工作会议6月3日,2019年唐河县高中招考试安全工作会议在县第一小学会议室召开。县政府副县长华道梅,县纪委副书记、县监委副主任李金山,县委宣传部副部长金少庚,县教体局局长仝兆振等出席会议。县招考委员会各成员单位负责人,各考点学校校长及县教体局、县招生办相关同志参加了会议,会议由县政府办副主任穆长信主持。

  13日上午,工业和信息化部产业政策司、中小企业发展促进中心赴藏举办“企业管理提升专项行动管理公益培训”活动,共有来自西藏自治区七市(地)中小企业主管部门和部分企业人员200余人参加。

  刘鹤、易纲、郭树清谈金融工作要点:加快推进市场准入 进一步扩大金融开放秒速时时彩投注

网站地图