1分快3网投_1分快3必赚方案

《中国工业信息安全产业发展白皮书（2021-2022）》发布：2021年市场增长率达32.94%******

　　光明网讯（记者 李政葳 刘昊）在1月9日举行的2022年中国工业信息安全大会上，《中国工业信息安全产业发展白皮书（2021-2022）》发布。文中显示，2021年我国工业信息安全产业规模达168.43亿元，市场增长率达32.94%。

　　“其中，工业互联网安全产业规模为75.7亿元，较2020年增长39.96%。在政策加持、技术创新、需求升级等多因素综合推动下，我国工业信息安全产业将继续保持高景气度。”国家工信安全中心副主任、工业信息安全产业发展联盟秘书长郝志强说。

　　大会以“数智转型，安全发展”为主题，由国家工业信息安全发展研究中心（以下简称“国家工信安全中心”）、工业信息安全产业发展联盟主办。

　　工业和信息化部网络安全管理局局长隋静表示，面对日益复杂严峻的工业领域网络安全新形势、新挑战，工业和信息化部网络安全管理局全面提升工业领域网络安全保障能力：一是加快出台工业互联网安全分类分级管理政策文件，加快编制新形势下工业控制系统网络安全防护指南，健全工业领域网络安全标准体系；二是深入实施工业互联网企业网络安全分类分级管理，加强工控产品安全漏洞管理，督促企业落实网络安全主体责任；三是持续建设完善工业互联网安全监测服务体系，持续组织开展工业互联网安全实网攻防演练；四是大力推动网络安全产业高质量发展，加强网络安全技术攻关和试点示范，探索开展工业领域网络安全保险服务。

　　国家工信安全中心党委书记、副主任蒋艳表示，要对标对表“以新安全格局保障新发展格局”战略部署，做深做实工业领域网络与数据安全能力现代化建设，持续打造技术先进、链条完整的综合安全保障体系。

　　“工业互联网防护体系的构建需要基于密码技术。在应用层面，我国应以区块链为牵引，构建自主创新、国际一流的工业互联网数据服务平台，为工业互联网高质量发展赋能。”围绕“密码技术与工业互联网安全”主题，中国科学院院士王小云表示，我国亟需抢先制定物联网、车联网、工控、国产操作系统等密码协议标准与技术规范：一方面以区块链、人工智能、大数据等技术赋能数据安全和数据治理；另一方面培养更多高水平的解决密码安全的复合型人才，加速推进工业数字化转型。

　　其间，国家工信安全中心与福建省工业和信息化厅、中控技术、飞腾信息、深信服、上海观安和微步在线等达成战略合作协议，将深化各方在政策研究、标准制定、技术研发、科研创新、产业促进、人才培养等方面的合作；启动信创安全“久安计划”，聚焦信创安全综合能力提升、基础共性安全技术研究、安全生态环境服务等多个方面。

　　此外，国家工信安全中心检查评估所副所长于盟发布《工业防火墙横向比对研究报告》；国家工信安全中心检查评估所副所长孙军发布最新安全产品网联汽车2C安全风险检测工具箱；国家工信安全中心办公室主任、工业信息安全产业发展联盟常务秘书长于志成对工业信息安全产业发展联盟2022年度工作进行总结。

　　据了解，工业信息安全产业发展联盟积极开展相关领域评比、选拔工作：评选出15家年度联盟优秀成员单位，11份工业信息安全优秀应用案例，10篇中国工业信息安全大会征文活动获奖论文，4家首批车联网服务平台安全能力测试评价“星级平台名录”。

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）