隨著大語言模型在非通用領(lǐng)域中的廣泛應(yīng)用，其在知識管理、決策支持和安全信息交流等方面展現(xiàn)出巨大潛力。然而，這些領(lǐng)域具有高度的專業(yè)性和敏感性，在特定場景下確保輸出內(nèi)容的安全性與合規(guī)性是主要挑戰(zhàn)。現(xiàn)有方法主要依賴模型的重新訓(xùn)練或微調(diào)，成本高且靈活性不足。提出了一種無需重新訓(xùn)練模型的精細化輸出控制方法，將輸出控制抽象為分類問題，利用分類算法對生成內(nèi)容進行判斷，決定是否輸出。該機制結(jié)合數(shù)學(xué)建模與特征工程，力求在滿足業(yè)務(wù)需求的同時，最大限度地減少潛在風(fēng)險，提升輸出的安全性與合規(guī)性。

隨著人工智能在醫(yī)療、金融等敏感領(lǐng)域的廣泛應(yīng)用，模型參數(shù)與訓(xùn)練數(shù)據(jù)的隱私保護成為關(guān)鍵問題。提出一種基于同態(tài)加密（HE）的AI模型參數(shù)安全計算與防泄露方法，采用CKKS方案在密文空間中實現(xiàn)參數(shù)加密、前向推理與梯度更新，避免了訓(xùn)練過程中明文暴露的風(fēng)險。結(jié)果表明，HESGD在MNIST上最高準(zhǔn)確率達99.1%；在計算開銷上，實現(xiàn)了效率與安全性的平衡，信息泄露風(fēng)險指數(shù)接近0.0。研究表明，該方法在保持模型精度的同時，實現(xiàn)了高效安全計算與近乎零泄露風(fēng)險，具有較強的應(yīng)用價值。

大語言模型的迅猛發(fā)展已成為人工智能領(lǐng)域的顯著趨勢。然而，目前領(lǐng)先的大語言模型多基于英文，直接將其應(yīng)用于特定文化領(lǐng)域下的任務(wù)時存在局限，如特定領(lǐng)域知識不足和文化價值觀差異導(dǎo)致的誤解。為應(yīng)對這一挑戰(zhàn)，提出了一種針對特定文化背景下大模型的快速改造方法，該方法基于特定文化知識能力和安全價值觀數(shù)據(jù)進行指令微調(diào)。以中文為特定文化背景，選用LLaMA38B英文大模型作為實驗對象，評估結(jié)果顯示，改造后的大模型在保持原有領(lǐng)域知識優(yōu)勢的同時，顯著增強了在特定領(lǐng)域下的知識能力和安全價值觀適應(yīng)能力。

針對垂類模型在評測實踐中存在的評價維度單一、缺乏領(lǐng)域適配性以及方法碎片化等問題，提出了一套綜合成效評測框架。該研究旨在通過標(biāo)準(zhǔn)化方案解決技術(shù)研發(fā)與產(chǎn)業(yè)應(yīng)用之間的“評價斷層”，為垂類模型的開發(fā)、部署和監(jiān)管提供科學(xué)依據(jù)。研究方法包括構(gòu)建以安全合規(guī)、技術(shù)性能和應(yīng)用價值為核心的多維指標(biāo)體系，并配套設(shè)計評測數(shù)據(jù)集構(gòu)建策略與混合評測方法，后者融合了自動化測試、人工評估和大模型作為裁判的評估手段。研究結(jié)果形成了一套結(jié)構(gòu)化的評測體系，涵蓋評價對象分類、指標(biāo)定義和方法實施，能夠?qū)崿F(xiàn)對不同類型垂類模型的全面、可比較評估。結(jié)論表明，該框架有助于提升評測的客觀性和可操作性，推動垂類模型在關(guān)鍵領(lǐng)域的可信賴應(yīng)用，未來需通過實踐驗證和動態(tài)優(yōu)化以適應(yīng)技術(shù)發(fā)展。

隨著AI大語言模型的迅猛發(fā)展，其在為各領(lǐng)域帶來創(chuàng)新機遇的同時，也引發(fā)了諸多數(shù)據(jù)安全風(fēng)險。深入剖析AI大語言模型所面臨的數(shù)據(jù)安全風(fēng)險，包括數(shù)據(jù)泄露、數(shù)據(jù)濫用、數(shù)據(jù)偏見等方面，并針對性地提出一系列治理措施，旨在為構(gòu)建安全可靠的AI大語言模型應(yīng)用環(huán)境提供全面的理論依據(jù)與實踐指導(dǎo)，促進該技術(shù)在合法合規(guī)且安全的軌道上持續(xù)發(fā)展。

計算機視覺任務(wù)中，霧霾的存在會導(dǎo)致圖像出現(xiàn)質(zhì)量下降問題，現(xiàn)有的去霧方法因全局與局部特征協(xié)同建模不足及多尺度霧濃度自適應(yīng)處理欠缺，常出現(xiàn)去霧殘留和色彩失真。基于改進UNet的多尺度層級融合去霧網(wǎng)絡(luò)以多尺度輸入捕獲層級特征，結(jié)合分層次特征融合優(yōu)化信息傳遞。相鄰層嵌入特征增強塊自適應(yīng)聚焦關(guān)鍵區(qū)域，跨層交叉融合實現(xiàn)多尺度互補，促使網(wǎng)絡(luò)內(nèi)部信息充分流動。實驗表明，該方法在合成與真實數(shù)據(jù)集上均優(yōu)于對比方法，尤其在細節(jié)恢復(fù)、色彩保真和真實場景泛化性方面表現(xiàn)突出。

面對現(xiàn)代化戰(zhàn)爭的復(fù)雜態(tài)勢，精準(zhǔn)的意圖識別技術(shù)可實現(xiàn)對指揮人員需求的高效理解與精準(zhǔn)捕捉，提升決策準(zhǔn)確率和敏捷性。現(xiàn)有意圖識別方法通常需要大量人工標(biāo)注的數(shù)據(jù)進行訓(xùn)練，帶來了高昂的成本，并且對于新意圖的識別效果較差。為此，提出了基于大語言模型(Large Language Models，LLMs)上下文學(xué)習(xí)的創(chuàng)新解決辦法，充分利用大模型的通用語言能力和指令遵循能力，僅需使用少量樣本并無需訓(xùn)練，便可完成已知意圖識別與新意圖發(fā)現(xiàn)任務(wù)，為意圖識別提供了一種新型高效的解決方案。

針對民航旅客數(shù)據(jù)量大、涉及個人敏感信息多、在特殊情況下需要用到原值的問題，研究了一種基于保形加密的民航旅客信息脫敏方法。首先，按照應(yīng)用場景和敏感程度的不同，結(jié)合數(shù)據(jù)特點，篩選出合理字段并據(jù)此確定調(diào)整因子的值，然后利用保形加密框架加密敏感信息，從而避免脫敏結(jié)果單一。該方法在保證數(shù)據(jù)不失真的前提下，能有效減少各字段之間的關(guān)聯(lián)性，增加密文破解難度，降低個人信息泄露風(fēng)險；同時，在需要獲取原值時可以高效還原數(shù)據(jù)，以滿足各類業(yè)務(wù)場景需求。以民航電子客票數(shù)據(jù)為例，模擬相應(yīng)數(shù)據(jù)進行實驗，結(jié)果驗證了所提算法的有效性和實用性。

隨著智能技術(shù)的發(fā)展，數(shù)據(jù)庫數(shù)量和規(guī)模激增，傳統(tǒng)數(shù)據(jù)存取技術(shù)在應(yīng)對海量數(shù)據(jù)處理需求時存在耗時長、效率低等問題，Text-to-SQL技術(shù)成為銜接用戶需求和數(shù)據(jù)庫存取的重要橋梁。然而，現(xiàn)有技術(shù)通常在開源非國產(chǎn)數(shù)據(jù)集上訓(xùn)練，在實際應(yīng)用中存在數(shù)據(jù)庫操作語言不一致、領(lǐng)域知識欠缺和可靠性差等問題。為此，結(jié)合數(shù)據(jù)庫領(lǐng)域軟硬件國產(chǎn)化趨勢，設(shè)計面向國產(chǎn)數(shù)據(jù)庫的Text-to-SQL數(shù)據(jù)集，采用基于合成數(shù)據(jù)方法的大語言模型兩階段訓(xùn)練技術(shù)，提出一種基于大語言模型的國產(chǎn)數(shù)據(jù)庫Text-to-SQL方法，通過實驗對方法的有效性進行了充分驗證。

隨著認可業(yè)務(wù)數(shù)字化、智能化進程不斷推進，認可業(yè)務(wù)數(shù)據(jù)的重要性不斷增強，數(shù)據(jù)分類分級安全保護需求日益緊迫。首先研究國外數(shù)據(jù)分類分級現(xiàn)狀和分析我國數(shù)據(jù)分類分級戰(zhàn)略規(guī)劃，接著分析數(shù)據(jù)分類分級方法，然后在分析檢驗檢測機構(gòu)認可業(yè)務(wù)數(shù)據(jù)特點基礎(chǔ)上，提出檢驗檢測機構(gòu)認可業(yè)務(wù)數(shù)據(jù)分類分級流程和規(guī)則，以及數(shù)據(jù)分級安全保護措施，為實現(xiàn)認可業(yè)務(wù)數(shù)據(jù)分類分級安全保護提供支撐。

探討了數(shù)據(jù)安全治理中“效率-公平”平衡機制的動態(tài)演變，聚焦數(shù)據(jù)權(quán)屬視角下多主體協(xié)同治理的安全風(fēng)險與制度梗阻問題及其逆轉(zhuǎn)路徑的探索。通過闡釋數(shù)據(jù)治理中“效率-公平”平衡機制的具體含義，以權(quán)屬視域從市場、政府以及個人三個主要的不同治理主體探究平衡機制面臨安全風(fēng)險所帶來的機制性梗阻，并對逆轉(zhuǎn)路徑進行探索。圍繞市場、政府、個人三大主體構(gòu)建“全鏈貫通-動態(tài)調(diào)適”的治理體系，通過權(quán)屬重構(gòu)、技術(shù)賦能與制度創(chuàng)新打通數(shù)據(jù)流通堵點，在安全可控前提下釋放數(shù)據(jù)要素價值，最終服務(wù)于新質(zhì)生產(chǎn)力的培育與數(shù)字生態(tài)的可持續(xù)發(fā)展。

公共數(shù)據(jù)作為兼具治理要素與生產(chǎn)要素雙重屬性的戰(zhàn)略資源，授權(quán)運營中的收益分配問題逐漸掣肘其開發(fā)利用，收費正當(dāng)性受到質(zhì)疑。作為制度設(shè)計的關(guān)鍵一環(huán)，公共數(shù)據(jù)授權(quán)運營收費源于憲法精神與政策法規(guī)的雙重授權(quán)，契合公物理論與公私協(xié)力的治理邏輯，滿足要素配置效率與受益者負擔(dān)原則，其存在具有補償制度運行成本、激勵相關(guān)制度完善、保障制度安全和可持續(xù)的充分正當(dāng)性。基于目的正義、程序正當(dāng)與結(jié)果正義質(zhì)疑提出的“公共屬性背離說”“政府逐利傾向說”“開放空間侵蝕說”均存在不夠周延之處，不足以對收費正當(dāng)性形成有力反駁。

短視頻沉迷現(xiàn)象的蔓延與智能推薦算法的深度應(yīng)用密切相關(guān)，已成為影響個體發(fā)展與社會治理的重要議題。智能推薦算法通過“數(shù)據(jù)畫像—強化推送—即時反饋”的技術(shù)閉環(huán)持續(xù)捕獲用戶注意力，由此誘發(fā)系統(tǒng)性公共健康風(fēng)險。現(xiàn)行治理框架在算法層面存在顯著滯后性，突出表現(xiàn)為算法責(zé)任認定標(biāo)準(zhǔn)模糊、立法供給不足以及監(jiān)管機制的碎片化。因此，短視頻沉迷中智能推薦算法的治理應(yīng)以技術(shù)特性為基礎(chǔ)、社會影響為導(dǎo)向、法律回應(yīng)為保障的階梯式治理路徑：在法律層面，明確沉迷認定標(biāo)準(zhǔn)，構(gòu)建算法風(fēng)險分級與三元責(zé)任體系；在監(jiān)管層面，建立算法動態(tài)監(jiān)測機制，推行監(jiān)管沙盒與階梯式干預(yù)；在多元共治層面，完善行業(yè)自律，暢通公眾參與渠道，推進國際規(guī)則對接。希冀為破解算法驅(qū)動型沉迷提供實操路徑，也為數(shù)字時代技術(shù)風(fēng)險的法律規(guī)制提供范式參考。

為了探討勸導(dǎo)技術(shù)在可穿戴健康系統(tǒng)中的設(shè)計、實現(xiàn)和評價，研究了與運動激勵相關(guān)的勸導(dǎo)設(shè)計，提煉了6條面向運動的勸導(dǎo)原則：目標(biāo)設(shè)定、自我監(jiān)控、社交影響、正面強化、提醒和建議以及娛樂交互，并據(jù)此設(shè)計和開發(fā)了一種用于可穿戴設(shè)備的運動輔助系統(tǒng)。為了評估勸導(dǎo)設(shè)計的有效性，招募了25名受試者進行為期一周的實地實驗，并對實驗數(shù)據(jù)進行統(tǒng)計分析。結(jié)果表明，勸導(dǎo)原則在提升受試者對穿戴系統(tǒng)的接受度方面有積極影響。其中，目標(biāo)設(shè)定、社交影響和正面強化對運動激勵有顯著貢獻。結(jié)合量身定制的勸導(dǎo)原則，可穿戴系統(tǒng)具有促進用戶運動的潛力。