大发平台返点_大发平台投注

保障全球网络安全******

　　【案例展示】 

保障全球网络安全

国家计算机网络应急技术处理协调中心浙江分中心高级工程师 何能强

　　国家计算机网络应急技术处理协调中心（CNCERT）始终站在保护国家、企业和公众利益第一线。协调处置仿冒中国金融机构网站占据搜索榜首的问题，降低用户资金被盗取的风险；针对银行网站无法通过某些浏览器访问的事件，推动新增白名单机制，纳入多家中国银行，长效保护中国企业的利益。

　　CNCERT积极践行网络空间命运共同体理念。及时发现并通报某政府间国际组织移民署网页被黑客篡改事件，保护该组织的正常运转，有效避免成员国间的误解和争端，维护了各成员国的利益；及时有效处置某境外重要能源机构网站仿冒事件，维护了正常社会秩序与国民经济平稳发展。

　　CNCERT是全球网络安全合作的推动者、参与者、贡献者。面向未来，CNCERT将与全球伙伴一道，不断提升信息共享、威胁预警、事件处置能力水平，为携手构建网络空间命运共同体贡献最佳实践。

　　（光明日报记者 王禹欣、陈海波整理）

　　《光明日报》（ 2022年11月09日 10版）

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）