是真的吗-安全性优于国外数据

在全球数据治理日益复杂的背景下，数据安全已成为各国关注的焦点，近年来，我国在数据安全领域取得的显著成就，不仅构建了完善的法律体系和技术防护体系，更在实践中展现出“安全性优于国外数据”的鲜明特征，这种优势源于制度设计的系统性、技术防护的先进性以及监管执行的有效性，为全球数据安全治理提供了“中国方案”。

制度体系：构建全链条数据安全治理框架

我国数据安全制度的系统性，首先体现在法律层面的顶层设计，从《网络安全法》《数据安全法》《个人信息保护法》构成“三法治数”核心框架，到《数据出境安全评估办法》《个人信息出境标准合同办法》等配套细则的落地，已形成覆盖数据全生命周期的法律闭环，与部分国家“碎片化”立法不同，我国制度设计兼顾数据安全与数据价值释放，明确“数据分类分级管理”原则，对核心数据实行重点保护，对一般数据实施差异化监管，既避免了“一刀切”的监管僵化，又筑牢了安全底线。

在个人信息保护领域，我国法律要求数据处理者“最小必要”收集信息，严格限制“大数据杀熟”“过度索权”等行为，而部分国家因行业自律主导，导致数据滥用问题频发，欧盟《通用数据保护条例》（GDPR）虽以严格著称，但高昂的合规成本让中小企业望而却步，反而催生了数据地下交易；我国则通过“政府引导+市场自律”模式，既强化监管刚性，又鼓励企业通过技术创新实现合规,形成更具操作性的治理路径。

技术防护：以自主创新筑牢安全屏障

数据安全的核心竞争力在于技术，我国在数据安全技术领域的自主创新，为“安全性优于国外数据”提供了硬核支撑，在加密技术方面，SM系列密码算法作为国家商用密码标准，其安全性经国家密码管理局严格验证，已广泛应用于政务、金融、能源等关键领域，而部分国外加密算法存在“后门”风险，曾被曝出受特定机构控制，威胁数据主权。

在数据跨境流动安全方面，我国建立了“数据出境安全评估+个人信息保护认证+标准合同”三位一体的管理机制，通过技术手段对出境数据进行脱敏、加密和溯源，确保数据在跨境传输中“可控可管”，反观部分国家，以“数据自由流动”为由，对本地企业数据出境限制宽松，导致大量敏感数据被非法获取和滥用，近年来频发的国外科技巨头数据泄露事件便是明证，我国在隐私计算、区块链存证、AI安全审计等前沿技术领域的快速突破，进一步提升了数据安全防护的智能化水平，实现了“数据可用不可见”“用途可控可计量”的安全目标。

监管执行：刚性约束与柔性服务并重

制度与技术的落地，离不开强有力的监管执行，我国数据安全监管坚持“预防为主、防治结合”原则，通过“日常监管+专项执法+技术监测”相结合的方式，构建了全方位监管网络，国家网信办、工信部等部门定期开展数据安全检查，对违法违规企业依法处以高额罚款、责令整改等处罚，形成有效震慑，某社交平台因违规收集使用个人信息被处以5000万元罚款，创下了我国数据安全执法的纪录，彰显了监管的刚性。

与部分国家“重罚轻防”的监管模式不同，我国更注重“监管与服务并重”，监管部门通过发布合规指南、组织培训、提供技术支持等方式，帮助企业提升数据安全管理能力，尤其是对中小企业给予政策倾斜，降低合规成本，这种“刚性约束+柔性服务”的监管智慧，既确保了数据安全法规的严肃性，又激发了企业合规的积极性，形成了“企业主动担责、行业自律规范、政府有效监管”的良性生态。

实践成效：安全与发展的双赢之路

在制度、技术、监管的三重保障下，我国数据安全实践成效显著，据国家网信办统计，2022年我国数据安全事件发生率较2018年下降62%，个人信息投诉处理满意度达95%以上，远高于全球平均水平，在数字经济领域，我国数据要素市场规模突破5000亿元，数据安全为数字经济的健康发展提供了“护航”，在金融领域，基于隐私计算技术的数据共享，让银行在保护用户隐私的同时，精准评估信贷风险，既降低了坏账率，又提升了服务效率；在医疗领域，通过区块链技术实现电子病历安全共享，既保障了患者隐私，又促进了医疗资源优化配置。

相比之下，部分国家因数据安全漏洞导致的损失触目惊心：2021年某国际社交平台泄露用户数据超5亿条，造成全球范围的用户恐慌；2022年某国能源企业因数据安全防护不足遭遇黑客攻击，导致大面积停电事故，这些案例警示我们，数据安全不仅是技术问题，更是关乎国家安全、社会稳定和公民权益的战略问题，我国在数据安全领域的探索，证明了“安全是发展的前提，发展是安全的保障”的深刻内涵。

以数据安全赋能全球治理

当前，数据已成为国家基础性战略资源，数据安全能力已成为衡量国家竞争力的重要指标，我国通过构建系统化的制度体系、自主化的技术体系和精准化的监管体系，实现了数据安全性的全面提升，为全球数据治理提供了新范式，面向未来，随着《数据安全法》《个人信息保护法》的深入实施，我国将持续完善数据安全治理体系，在保障数据安全的前提下，促进数据要素有序流动，为构建和平、安全、开放、合作、有序的网络空间贡献中国智慧和中国力量，在全球数据安全治理的赛道上，中国的实践证明：只有将安全置于优先位置,才能真正释放数据的时代价值。

C++的粒子群算法运行结果

PSO粒子群优化算法

摘自：人工智能论坛

1. 引言 粒子群优化算法(PSO)是一种进化计算技术(evolutionarycomputation)，有Eberhart博士和kennedy博士发明。源于对鸟群捕食的行为研究

PSO同遗传算法类似，是一种基于叠代的优化工具。 系统初始化为一组随机解，通过叠代搜寻最优值。 但是并没有遗传算法用的交叉(crossover)以及变异(mutation)。 而是粒子在解空间追随最优的粒子进行搜索。 详细的步骤以后的章节介绍

同遗传算法比较，PSO的优势在于简单容易实现并且没有许多参数需要调整。目前已广泛应用于函数优化，神经网络训练，模糊系统控制以及其他遗传算法的应用领域

2. 背景: 人工生命

人工生命是来研究具有某些生命基本特征的人工系统.人工生命包括两方面的内容

1. 研究如何利用计算技术研究生物现象 2. 研究如何利用生物技术研究计算问题

我们现在关注的是第二部分的内容.现在已经有很多源于生物现象的计算技巧.例如, 人工神经网络是简化的大脑模型. 遗传算法是模拟基因进化过程的.

现在我们讨论另一种生物系统- 社会系统. 更确切的是,在由简单个体组成的群落与环境以及个体之间的互动行为.也可称做群智能(swarm intelligence).这些模拟系统利用局部信息从而可能产生不可预测的群体行为

例如floys 和 boids,他们都用来模拟鱼群和鸟群的运动规律,主要用于计算机视觉和计算机辅助设计.

在计算智能(computationalintelligence)领域有两种基于群智能的算法.蚁群算法(ant colonyoptimization)和粒子群算法(particle swarmoptimization). 前者是对蚂蚁群落食物采集过程的模拟.已经成功运用在很多离散优化问题上.

粒子群优化算法(PSO) 也是起源对简单社会系统的模拟.最初设想是模拟鸟群觅食的过程.但后来发现PSO是一种很好的优化工具.

3. 算法介绍

如前所述，PSO模拟鸟群的捕食行为。 设想这样一个场景：一群鸟在随机搜索食物。 在这个区域里只有一块食物。 所有的鸟都不知道食物在那里。 但是他们知道当前的位置离食物还有多远。 那么找到食物的最优策略是什么呢。 最简单有效的就是搜寻目前离食物最近的鸟的周围区域。

PSO从这种模型中得到启示并用于解决优化问题。 PSO中，每个优化问题的解都是搜索空间中的一只鸟。 我们称之为“粒子”。 所有的例子都有一个由被优化的函数决定的适应值(fitnessvalue)，每个粒子还有一个速度决定他们飞翔的方向和距离。 然后粒子们就追随当前的最优粒子在解空间中搜索

PSO初始化为一群随机粒子(随机解)。 然后通过叠代找到最优解。 在每一次叠代中，粒子通过跟踪两个极值来更新自己。 第一个就是粒子本身所找到的最优解。 这个解叫做个体极值pBest.另一个极值是整个种群目前找到的最优解。 这个极值是全局极值gBest。 另外也可以不用整个种群而只是用其中一部分最为粒子的邻居，那么在所有邻居中的极值就是局部极值。

在找到这两个最优值时,粒子根据如下的公式来更新自己的速度和新的位置

v[] = v[] + c1 * rand() *(pbest[]- present[]) + c2 * rand() * (gbest[] -present[])(a) present[] = persent[] + v[] (b)

v[] 是粒子的速度, persent[]是当前粒子的位置. pbest[]and gbest[] 如前定义 rand () 是介于（0， 1）之间的随机数.c1, c2是学习因子. 通常 c1 = c2 = 2.

程序的伪代码如下

For each particle ____Initialize particle END

Do ____For each particle ________Calculate fitness value ________If the fitness value is betterthan thebest fitness value (pBest) in history ____________set current value as the newpBest ____End

____Choose the particle withthe bestfitness value of all the particles as thegBest ____For each particle ________Calculate particle velocityaccording equation(a) ________Update particle position accordingequation(b) ____End While maximum iterations or minimum errorcriteriais not attained

在每一维粒子的速度都会被限制在一个最大速度Vmax，如果某一维更新后的速度超过用户设定的Vmax，那么这一维的速度就被限定为Vmax

4. 遗传算法和 PSO 的比较

大多数演化计算技术都是用同样的过程 1. 种群随机初始化 2. 对种群内的每一个个体计算适应值(fitnessvalue).适应值与最优解的距离直接有关 3. 种群根据适应值进行复制 4. 如果终止条件满足的话，就停止，否则转步骤2

从以上步骤，我们可以看到PSO和GA有很多共同之处。 两者都随机初始化种群，而且都使用适应值来评价系统，而且都根据适应值来进行一定的随机搜索。 两个系统都不是保证一定找到最优解

但是，PSO没有遗传操作如交叉(crossover)和变异(mutation).而是根据自己的速度来决定搜索。 粒子还有一个重要的特点，就是有记忆。

与遗传算法比较, PSO 的信息共享机制是很不同的.在遗传算法中，染色体(chromosomes)互相共享信息，所以整个种群的移动是比较均匀的向最优区域移动. 在PSO中,只有gBest (orlBest) 给出信息给其他的粒子， 这是单向的信息流动.整个搜索更新过程是跟随当前最优解的过程.与遗传算法比较, 在大多数的情况下，所有的粒子可能更快的收敛于最优解

5. 人工神经网络 和 PSO

人工神经网络(ANN)是模拟大脑分析过程的简单数学模型，反向转播算法是最流行的神经网络训练算法。 进来也有很多研究开始利用演化计算(evolutionarycomputation)技术来研究人工神经网络的各个方面。

演化计算可以用来研究神经网络的三个方面：网络连接权重，网络结构(网络拓扑结构，传递函数)，网络学习算法。

不过大多数这方面的工作都集中在网络连接权重，和网络拓扑结构上。 在GA中，网络权重和/或拓扑结构一般编码为染色体(Chromosome)，适应函数(fitnessfunction)的选择一般根据研究目的确定。 例如在分类问题中，错误分类的比率可以用来作为适应值

演化计算的优势在于可以处理一些传统方法不能处理的例子例如不可导的节点传递函数或者没有梯度信息存在。 但是缺点在于：在某些问题上性能并不是特别好。 2.网络权重的编码而且遗传算子的选择有时比较麻烦

最近已经有一些利用PSO来代替反向传播算法来训练神经网络的论文。 研究表明PSO是一种很有潜力的神经网络算法。 PSO速度比较快而且可以得到比较好的结果。 而且还没有遗传算法碰到的问题

这里用一个简单的例子说明PSO训练神经网络的过程。 这个例子使用分类问题的基准函数(Benchmarkfunction)IRIS数据集。 (Iris 是一种鸢尾属植物)在数据记录中，每组数据包含Iris花的四种属性：萼片长度，萼片宽度，花瓣长度，和花瓣宽度，三种不同的花各有50组数据.这样总共有150组数据或模式。

我们用3层的神经网络来做分类。 现在有四个输入和三个输出。 所以神经网络的输入层有4个节点，输出层有3个节点我们也可以动态调节隐含层节点的数目，不过这里我们假定隐含层有6个节点。 我们也可以训练神经网络中其他的参数。 不过这里我们只是来确定网络权重。 粒子就表示神经网络的一组权重，应该是4*6+6*3=42个参数。 权重的范围设定为[-100，100](这只是一个例子，在实际情况中可能需要试验调整).在完成编码以后，我们需要确定适应函数。 对于分类问题，我们把所有的数据送入神经网络，网络的权重有粒子的参数决定。 然后记录所有的错误分类的数目作为那个粒子的适应值。 现在我们就利用PSO来训练神经网络来获得尽可能低的错误分类数目。 PSO本身并没有很多的参数需要调整。 所以在实验中只需要调整隐含层的节点数目和权重的范围以取得较好的分类效果。

6. PSO的参数设置

从上面的例子我们可以看到应用PSO解决优化问题的过程中有两个重要的步骤:问题解的编码和适应度函数 PSO的一个优势就是采用实数编码,不需要像遗传算法一样是二进制编码(或者采用针对实数的遗传操作.例如对于问题f(x) = x1^2 + x2^2+x3^2 求解, 粒子可以直接编码为 (x1,x2, x3),而适应度函数就是f(x).接着我们就可以利用前面的过程去寻优.这个寻优过程是一个叠代过程, 中止条件一般为设置为达到最大循环数或者最小错误

PSO中并没有许多需要调节的参数,下面列出了这些参数以及经验设置

粒子数: 一般取 20 – 40.其实对于大部分的问题10个粒子已经足够可以取得好的结果,不过对于比较难的问题或者特定类别的问题, 粒子数可以取到100 或 200

粒子的长度: 这是由优化问题决定, 就是问题解的长度

粒子的范围: 由优化问题决定,每一维可是设定不同的范围

Vmax:最大速度,决定粒子在一个循环中最大的移动距离,通常设定为粒子的范围宽度,例如上面的例子里,粒子(x1, x2, x3) x1 属于 [-10, 10], 那么 Vmax的大小就是 20

学习因子: c1 和 c2 通常等于 2.不过在文献中也有其他的取值.但是一般 c1 等于 c2 并且范围在0和4之间

中止条件: 最大循环数以及最小错误要求. 例如,在上面的神经网络训练例子中,最小错误可以设定为1个错误分类, 最大循环设定为2000,这个中止条件由具体的问题确定.

全局PSO和局部PSO:我们介绍了两种版本的粒子群优化算法: 全局版和局部版.前者速度快不过有时会陷入局部最优. 后者收敛速度慢一点不过很难陷入局部最优.在实际应用中, 可以先用全局PSO找到大致的结果,再有局部PSO进行搜索.

另外的一个参数是惯性权重, 由Shi和Eberhart提出, 有兴趣的可以参考他们1998年的论文(题目:A modified particle swarm optimizer)

营养快线干了变胶还能喝不？

营养快线真的有营养吗？网友将营养快线倒入盘子，阴干后成了一层“胶状的皮”，网友批其甚至可作避孕套用。 这样的饮料你还敢喝吗？【特别说明】任何一种具体的商品，“能不能吃”“该不该吃”取决于很多方面。 它是否合格生产、是否价格过高、以及是否还有其他问题， 以下解读，只是从技术角度对该实验和产品标签中所列出的成分进行分析。 【真相】一、饮料为什么会成胶？只要看到“胶”，人们就会想起塑料。 塑料是由高分子物质聚合而成的，但是高分子物质聚合而成的东西并不都是塑料。 食物中，蛋白质、淀粉、纤维素，都是高分子物质。 在特定的条件下，它们也可以聚合成胶。 我们通常吃的皮冻、豆腐、果冻、腐竹、凉粉、米粉、鸡蛋羹等等，就是不同的食品成分所成的“胶”。 蛋白质是一种可以成胶的高分子物质。 在各种乳饮料中，除了牛奶蛋白，还会加入一些“增稠剂”来改善口感，增加稳定性。 营养快线中使用的是羧甲基纤维素钠、瓜尔胶和黄原胶，它们都是食品上常用的“食用胶”（关于食用胶，可以参见以前的文章 《“食用胶”是什么东西》 ）。 实际上，它们除了作为食品添加剂起到“功能”的作用，本身还是膳食纤维。 对于现代都市里的多数人，膳食纤维摄入量不足，这些食用胶甚至可以被认为是“营养成分”。 它们也没有安全性方面的问题，在国际食品添加剂专家组（JECFA）和中国的食品添加剂国家标准中，都没有使用限量，可以“按照需求使用”。 在含乳饮料中的水蒸发之后，牛奶蛋白和这几种胶的分子互相纠缠在一起，宏观看来，就是成为了微博中所说的“乳胶”。 二、添加剂“叠加效应”只是毫无价值的“善意提醒”微博中使用了“竟含有11种添加剂”这样的春秋笔法，暗示读者添加剂有害，而11种添加剂更是不可接受。 中国批准使用的食品添加剂有两千多种，国际上的更多。 每一种食品添加剂要被批准，其安全性都经过了充分的研究。 这些“研究”包括对人体产生危害的途径和所需要的量。 危害途径相同的会归为一类，计算含量的时候会加在一起算。 比如营养快线中有三聚磷酸钠，国家标准是每公斤乳制品中不超过5克磷酸根，而对人的安全剂量是每天每公斤体重不超过70毫克（大致相当于成年人每天4-5克）。 如果某种商品中同时使用三聚磷酸钠和别的磷酸钠盐，就会加在一起来算是否超标。 如果是不同的“危害途径”，比如说三聚磷酸钠和安赛蜜，就没有“叠加”的问题。 营养快线中使用了11种食品添加剂，这在现代配方食品中很平常。 除了前面提到的3种增稠剂，还有柠檬酸、乳酸、柠檬酸钠也因为没有安全性方面的担心，在食品中也没有用量限制，而由生产者“按需使用”。 阿斯巴甜和安赛蜜，它们的甜度都是蔗糖的200倍左右，要吃到过量，相当于一天吃上几百克蔗糖所提供的甜度，实际上也就不大可能过量。 而乳酸链球菌素是一种乳酸菌分泌的多肽，被认为是一种很安全的防腐剂。 关于它的更多介绍，在 《从益生菌到比辛：“骗子”到“英雄”的转身？》 的第三部分中可以找到。 三聚磷酸钠的限量是由于其中的磷。 磷本身是人体需要的元素，许多天然食物中都含有。 食品添加剂所贡献的磷，会成为人体总摄入量的一部分，但是它本身并不比天然食物中的更有害。 而乳化硅油只是一种助剂，国家标准也没有规定限量，只是要求尽量减少用量。 食品添加剂的安全性，只有针对具体的种类和具体用量来讨论才有意义。 那种“如果添加剂日均摄入总量过大，也有可能会因为叠加效应危害人体健康”的说法，看起来是“善意提醒”，实际上没有任何价值——多大算“过大”？“也有可能”是多大风险？三、“蛋白质只有普通牛奶的三分之一”，是问题吗？营养快线不是牛奶，而是一种“含乳饮料”，在它的包装上，明确列出了牛奶和果汁的含量，类似的饮料在市场上也还有不少。 “蛋白质含量只有普通牛奶的三分之一”本身是事实，不过这是一条很无聊的指控。 按照国家标准的规定，含乳饮料是“含有一些奶的饮料”，蛋白质含量达到0.7%就算合格。 照这个要求，营养快线1%的蛋白含量还算是高的了。 其实，产品的营养成分明确标识在了包装上，只要达到了标称含量，就是合法的，并没有对消费者形成欺骗。 明白了“牛奶”和“含乳饮料”是两种不同的产品，就不难理解：新闻中的“奶业专家”“食品专家”用牛奶的成分标准去衡量含乳饮料，并不合理。 这就像如果用奶酪的标准去衡量牛奶，也可以指控牛奶的营养价值很低，因为“牛奶的蛋白质含量不到奶酪的15%”。 【结论】含乳饮料阴干了变成胶并不能说明这种饮料“有问题”。 跟其他含乳饮料一样，营养快线不是牛奶，只是含有牛奶的饮料。 仅仅从这个实验、配料表以及标签来看，它没有违法的地方，也没有对消费者形成欺骗。 至于这一产品是否“该喝”，或者有没有其它问题，无法通过这些信息来做出判断。 （来自：果壳网）

移动副卡上的话费能转到主卡吗

首先您需要确认主卡与副卡是否为同一账户，如为同一账户的话，属于合户计费。 通常主卡和副卡是需要办理合账的，共享手机账户话费，主卡和副卡都可以为统一手机账户充值缴费。 如不是同一账户充值到副卡上的话费是无法转到主卡上的。 主卡副卡有两种意思：一种是一个号码分成两张卡用，但是副卡只能用来上网这样的数据业务，短信和电话都是不能用。 一种是一个套餐里面，有两个不同的号码，两个号码共享这个套餐。 副号为”多卡一费”型“多卡一费”指的是主、副号码是相对独立的，副号拨打、接听电话、收发短信不受主号控制。 但是副号不可单独订购产品，只能共享主号套餐内的语音、数据流量、短信等，由主号统一缴费。 这个可以理解成信用卡，主、副卡都共用一个账户里的钱。 办理需要实名认证从2015年起，运营商就要求手机卡全部实名认证了，而副卡也不例外，办理成功后也是需要实名登记，并且主副卡绑定成功后才能开始使用的，这一切都是无需到营业厅，直接由手机操作。 如果你不清楚实名认证的操作，移动也安排了专业人员上门操作，这也是细节的一个体现，确实够方便了。 办理流程简单办理副卡的流程是“傻瓜式”的操作，在广东移动的手机营业厅里点点几下，就轻松办理成功。 要求也很基本，只要是移动38元以上的套餐就可以办理，且一张主卡可以办两张副卡，给家里的老人、小孩轻松搞定。 与Sim卡一样安全很多人在关心的都是副卡的安全性，私密性，刚开始我也在怀疑，后来经过了解，其实副卡与普通的Sim卡是一样的，通过实名认证后都有很高的安全性，日常使用不必太大担心这点。 应用场景生活盅用到副卡的场景有很多，如果你身边有老人、有小孩等等，都可以把他们的话费都承包起来，既每个月充话费的麻烦，又可以防走失；自己也可以当作工作专用号码，防止骚扰，或者在电子设备上都可以使用，主要是现在办理还送半年的流量，算起来省了一笔钱了。