联邦学习贡献评估在数据要素流通领域的探索与前瞻

在数字化时代,数据要素正在成为推动经济增长的核心。本文介绍了数据要素流通的核心概念及其在经济体系中的关键作用,同时探索了市场化流通过程中遇到的主要挑战。在此背景下,联邦学习作为数据科学的前沿技术,显著增强了数据隐私保护水平,同时支撑了数据要素的价值实现。由此,本文详细阐释了现有联邦学习贡献评估方法和在智慧医疗、智慧工业领域的实践。通过这些尝试,本文认为,随着技术的不断革新和数据量的增长,联邦学习和联邦贡献评估已逐步成为数字经济发展的关键技术,对促进数据要素流通具有不可忽视的中心作用。     

深化区块链 构建数据可信流通体系

<正>基于区块链建立数据可信流通体系,有利于释放数据要素价值、推动我国数据要素市场化发展。数据作为新型生产要素,能为实体经济带来放大、叠加和倍增作用,是做强做优做大数字经济的关键。建立数据可信流通体系,增强数据的可用、可信、可流通、可追溯水平,是激活数据要素潜能、赋能实体经济的重要途径。区块链技术具有去中心化、共识机制、不可篡改、可以追溯、规则透明等特点,可以实现数据要素的个体可识别、用途可追溯和价值可衡量,基于区块链建立数据来源可确认、使用范围可界定、     

区块链技术赋能数据要素价值流通的路径

为探究数据要素实现价值流通的有效方式和路径,文章提出基于区块链技术建立分布式账本和智能合约,实现数据的透明性、可追溯性和可验证性,提供安全可控的方式来共享和管理数据。讨论实现数据要素价值流通的关键因素,包括安全与隐私保护机制、数据质量与可信度验证,以及参与者的激励与奖励机制等。研究结果表明,区块链技术为数据要素的价值流通提供新的思路和方法,可以推动数字经济时代数据要素价值的有效释放。     

基于数据流的智慧数据赋能体系

在传统信息化水平较高的企业中,IT系统众多,但功能分散割裂。这种因系统分散割裂形成的数据断点,对企业在数字经济时代中的生产经营升级产生了巨大阻力,同时导致企业内部数据要素流通不畅,普遍存在取数难、数不准、分析难、用数难等痛点。文中以业务为驱动,通过场景、流程、工具、数据、平台“五要素”的融合贯通,构建了以业务场景数据标签化为基础、以自助脑图为驱动引擎的优化流程,促进了数据要素无缝流入生产作业环境,打通了数据堵点,探索了一种基于数据流的场景应用与数字技术融合的智慧数据赋能体系。     

数字生态下的数据资产管理实践

数据是驱动数字经济创新的重要要素.数据资产管理是释放数据要素价值的基础和前提.本文基于当前数据生产模式发展趋势的分析,指出数据治理面临的挑战,并以中国移动的实践经验,提出相应的解决方案.     

天津市建立数据资产登记评估中心及天津市首个国有企业数据资产入表

<正>为充分释放数据要素价值,推动数据要素市场化服务和数字经济高质量发展,天津市河北区锚定数字经济新赛道,加快数据要素产业发展,联合国家信息中心,共同组建天津数据资产登记评估中心(以下简称“评估中心”),于2023年8月正式揭牌。评估中心在国内首创“政府授权+市场化运营”的经营模式,以数据资产价值实现为导向开展数据资产登记、合规认定、数据治理、数据评价、价值评估、审计核验、数据入表、数据金融以及专业培训等数据要素价值链综合服务业务。     

加快培育数据要素市场主体

<正>数据要素市场主体在数据基础制度体系建设、数据交易生态构建中发挥着关键作用。数据已经成为数字经济时代的基础性资源、重要生产力和关键生产要素。近日,《中共中央国务院关于构建数据基础制度更好发挥数据要素作用的意见》明确提出,培育数据要素流通和交易服务生态,围绕促进数据要素合规高效、安全有序流通和交易需要,培育一批数据商和第三方专业服务机构。这类数据要素市场主体既是数据要素价值的发现者、挖掘者,也是数据要素流通交易的连接者和服务者,在数据基础制度体系建设、数据交易生态构建中发挥着关键作用。     

数据要素与多元市场主体融合机制研究

数字技术的迅猛发展对社会、经济等方面产生了巨大影响,数据成为新的生产要素,不断冲击并重塑传统经济形态,为经济高质量发展提供了新动能,也是发展的主构成.但目前学术界、产业界对数据要素的价值创造过程及其融入多元市场主体的作用机理尚不明确.因此,有必要对数据要素价值创造过程及其融入多元市场主体的作用机理进行分析,加深对数据要素价值创造以及新经济行为的深层次理解,为数字经济的发展及推广提供理论基础和实践指导.     

隐私计算面临的挑战与发展趋势浅析

隐私计算是指在保证数据提供方不泄露原始数据的前提下,对数据进行分析计算的一系列信息技术,能够保障数据在流通与融合过程中的"可用不可见".近两年来,在政策驱动和市场需求共同作用下,隐私计算技术、产业、应用迅速发展.一方面,数据流通需求不断加强,机构间数据流通成为促使数据要素市场化配置、充分释放数据要素价值的重要环节;另一...     

可信数据空间助力数据要素高效流通

数据要素目前已经上升到国家战略高度,而如何通过数字技术创新,在保障原始数据“可用不可见”前提下,安全可信的开展数据流通,是当下推动数据要素流通普及、普惠的重要议题。可信数据空间的建立能够有效地助力数据要素在安全、高效的环境下发挥最大价值,重点针对可信数据空间中的关键技术及重点应用方向进行探讨分析,为进一步深入开展可信数据空间研究提供参考。     

培育数据要素市场的现状、问题与建议

数据是当前数字经济发展的关键生产要素.党中央、国务院高度重视数据要素的发展,多次要求积极培育数据要素市场,激活数据要素价值.数据要素市场的构建将经历数据资源化、数据资产化、数据资本化3个发展阶段.当前的数据要素市场发展面临理论研究框架匮乏、有效数据资源供给不足、安全保障能力需进一步加强等问题,应加强理论探索研究,建立完善数据治理体系,提升数据要素的生产力,更好地激发数据要素市场新活力,最大程度释放数据要素新动能.     

大数据的技术、应用和价值变革

从大数据技术、应用和价值3个方面剖析大数据时代带来的变革。对数据采集、数据管理、计算处理、数据分析和数据展现5个关键技术环节进行了分析,总结和探讨了互联网、电信、金融、政府4个关键领域大数据应用的初步经验及大数据的价值和隐私保护问题。     

Data-centric approaches in the Internet of Vehicles: A systematic review on techniques,open issues,and future directions

The Internet of Vehicles (IoV) is an emerging network of connected vehicles as a branch of dynamic objects in the Internet of Things (IoT) ecosystem. With the rapid development of IoV, real-time data-centric applications would be a significant concern in academia and industry to promote efficiency and realize modern services in such high dynamic networks. In this paper, we aim to present a systematic literature review (SLR) for the IoV networks to investigate the different attitudes in the field of data-centric approaches. This paper systematically categorizes the 48 recent articles on data-driven techniques in the IoV field published from 2017 to March 2022. A complete technical taxonomy is presented for the data-centric approaches in IoV according to the content of current studies. Collected methods are chosen with the SLR process, and they are investigated considering some technical classifications including IoV security, data traffic, vehicular social network, data propagation, energy, and multimedia categories. The achievements, drawbacks, and new findings of studies are carefully investigated for addressing the deficiencies, as well as emphasizing future research direction and open issues of data-driven approaches in IoV.     

大数据和机器智能对未来社会的影响

从2008年起,大数据已经被推到了创新、提高竞争力和提高劳动生产率的前沿。过去大部分人对大数据的理解还停留在大量数据和数据的多样性本身,而忽略了它最重要的角色,即帮助机器智能的腾飞。基于此,对大数据和机器智能的发展可能给未来社会带来的全面、颠覆性的变革进行了系统分析。首先介绍了机器智能的发展历程,分析了大数据对解决机器智能问题的重要作用;然后结合实际案例,阐述了大数据的内涵以及大数据和大量数据的异同,重点分析了大数据和机器智能的关键技术;最后探讨了发展机器智能对未来社会的冲击。     

PFARS: Enhancing throughput and lifetime of heterogeneous WSNs through power‐aware fusion,aggregation, and routing scheme

Heterogeneous wireless sensor networks (WSNs) consist of resource‐starving nodes that face a challenging task of handling various issues such as data redundancy, data fusion, congestion control, and energy efficiency. In these networks, data fusion algorithms process the raw data generated by a sensor node in an energy‐efficient manner to reduce redundancy, improve accuracy, and enhance the network lifetime. In literature, these issues are addressed individually, and most of the proposed solutions are either application‐specific or too complex that make their implementation unrealistic, specifically, in a resource‐constrained environment. In this paper, we propose a novel node‐level data fusion algorithm for heterogeneous WSNs to detect noisy data and replace them with highly refined data. To minimize the amount of transmitted data, a hybrid data aggregation algorithm is proposed that performs in‐network processing while preserving the reliability of gathered data. This combination of data fusion and data aggregation algorithms effectively handle the aforementioned issues by ensuring an efficient utilization of the available resources. Apart from fusion and aggregation, a biased traffic distribution algorithm is introduced that considerably increases the overall lifetime of heterogeneous WSNs. The proposed algorithm performs the tedious task of traffic distribution according to the network's statistics, ie, the residual energy of neighboring nodes and their importance from a network's connectivity perspective. All our proposed algorithms were tested on a real‐time dataset obtained through our deployed heterogeneous WSN in an orange orchard and also on publicly available benchmark datasets. Experimental results verify that our proposed algorithms outperform the existing approaches in terms of various performance metrics such as throughput, lifetime, data accuracy, computational time, and delay.     

关于气象数据采集通信系统设计、实现工作的探究

近年来,随着气象部门对人工采集气象参数存在问题的重视,气象系统中运用相互独立的双处理器结构和无线处理器结构传输数据,将上位机对下位机的控制以及数据采集的连续性的可能变为现实,通过对系统结构中软件和硬件结构的分析和研究,将数据采集度控制在规定的范围内,以符合实际工作中的需求。     

Smart grid sensor data collection,communication, and networking: a tutorial

The smart grid is an innovative energy network that will improve the conventional electrical grid network to be more reliable, cooperative, responsive, and economical. Within the context of the new capabilities, advanced data sensing, communication, and networking technology will play a significant role in shaping the future of the smart grid. The smart grid will require a flexible and efficient framework to ensure the collection of timely and accurate information from various locations in power grid to provide continuous and reliable operation. This article presents a tutorial on the sensor data collection, communications, and networking issues for the smart grid. First, the applications of data sensing in the smart grid are reviewed. Then, the requirements for data sensing and collection, the corresponding sensors and actuators, and the communication and networking architecture are discussed. The communication technologies and the data communication network architecture and protocols for the smart grid are described. Next, different emerging techniques for data sensing, communications, and sensor data networking are reviewed. The issues related to security of data sensing and communications in the smart grid are then discussed. To this end, the standardization activities and use cases related to data sensing and communications in the smart grid are summarized. Finally, several open issues and challenges are outlined. Copyright © 2012 John Wiley & Sons, Ltd.     

挖掘数据资源,提高决策能力

对于移动运营公司来说,网络投费、网络建设和客户行为是公司发展中相互制约的因素。通过充分挖掘网营系统和设备积累的大量数据,能够对围绕客户行为的相关信息进行分析,避免投资浪费．满足用户服务质量需求。     

基于TCP、UDP的多路多数据流融合网络系统设计

为节省网络资源,充分利用TCP与UDP两种网络传输协议各自的优势,设计了TCP、UDP的多路多数据流融合网络系统。该系统在数据采集端的多端复杂网路中采用TCP网络协议传输数据,保证了网络传输的可靠性,同时在数据转发端的点对点网络中采用UDP网络协议传输数据,节省了网络资源,解决了网络拥塞问题。该系统在多路TCP数据流融合过程中应用了队列(Queue)融合算法,解决了数据流不同步导致的数据重复转发及丢失问题。经过长时间运行测试,整个系统在网络传输速率、稳定性及可靠性方面都达到了设计要求。