- 综合排序
- 最热优先
- 最新优先
- 来自专栏数据安全观察
数据安全风险监测方案
此前原点安全针对通知做了分析解读； 在此次“金融机构数据安全管理自查要点”中，提及对于数据安全监测方面的具体要求：数据安全监测机制。 是否明确数据安全风险监测、风险评估、应急响应及报告，事件处置的组织架构和管理流程；是否开展对数据安全威胁的有效监测，并实施监督检查和主动评估，防止数据篡改、破坏、泄露、非法利用等安全事件。 在通知中，风险监测、评估、应急处置被多次强调，反映出监管对数据安全“运行效果”的高度关注。 多层次、多维度洞察API资产，包括API资产明细、涉敏范围和规模、访问环境、业务属性，并能够从生命周期视角实时监测新增API资产和休眠API资产。 提供UEBA、精确阈值、自定义脚本三类告警策略，内置包括资产风险、权限风险、身份风险、行为风险、暴露面风险、配置风险等多种预置规则，并支持按需自定义风险监测和告警策略。
29510编辑于 2026-02-27 - 来自专栏燧机科技-视频AI智能分析
煤矿风险监测预警系统
煤矿风险监测预警系统基于YOLO网络模型视觉分析，煤矿风险监测预警系统7*24小时不间断自动识别现场人员作业行为、着装合规情况以及传送皮带撕裂跑偏等风险异常情况。
77830编辑于 2023-02-20 - 来自专栏量化投资与机器学习
如果管理和应对系统性风险？
针对系统性危机的行动计划可以基于对系统性压力点的研究、在危机早期排除风险、遵循市场趋势的规则，以及对流动性适应的风险管理措施。 系统性风险管理的重要性 金融中的系统性风险是指金融系统无法履行其基本功能的可能性，如提供信贷、做市或维护证券市场和存款。通常情况下，系统性风险会在多年中逐渐形成，但最终会突然爆发。 如果在资产管理中考虑系统性风险，能够降低了危机本身的风险和后果。 如果投资经理对特定系统性风险的关注，使得市场更有可能为这些脆弱性定价。大多数危机源于过度消费和经济失衡。 尽早脱手风险（管理头寸）：当系统性风险上升时，快速调整头寸有两个有效基础：信息优势和市场压力。 信息优势取决于对系统性危机、传播和自我实现动态的主要机制的理解和跟踪。 如果准备得当，投资经理甚至可以直接从系统性事件中获益，尤其是如果他们有足够的灵活性和风险限制，可以利用价格扭曲和支付的高风险溢价。 没有一个单一的投资者或机构拥有系统性风险的全部拼图。
1.4K30编辑于 2022-03-17 - 来自专栏数据猿
【案例】恒丰银行——运营风险监测系统
分析风险特征，动态制定和部署风险监测预警模型规则，从信用风险、交易风险、运营风险等业务条线进行风险监测、防范和控制。 1、2016年6月初，恒丰银行正式启动运营风险监测系统一期项目建设； 2、2016年10月底，项目完成了需求分析、设计、开发、测试等实施环节； 3、2016年12月底，系统投产，并在总行和指定分行完成定点试运行 、核心、流程银行、联网核查、电子验印、二代支付、押品、票据、电信反欺诈、国结、理财、信贷、总账等10多个业务系统的众多业务场景；要了解和熟悉这么多系统的相关业务场景，甚至包括跨系统组合业务场景，同时分析业务场景在相关系统的数据结构 3、按风险监测预警时效划分进行应用体系建设 风险监测预警时效分为T+1日业务监测和准实时业务监测，围绕监测预警时效性划分，进行系统集成架构的设计： 3.1运营风险监测数据集市建设 运营风险监测系统数据集市为 T+1日业务监测应用主要实现T+1日业务风险监测模型管理、运营风险监测数据集市数据抽取、T+1日风险预警模型规则运算。
4.3K50发布于 2018-04-24 - 来自专栏燧机科技-视频AI智能分析
非煤矿山风险监测预警算法
非煤矿山风险监测预警算法通过yolov8网络模型深度学习算法框架，非煤矿山风险监测预警算法在煤矿关键地点安装摄像机等设备利用智能化视频识别技术，能够实时分析人员出入井口的情况，人数变化并检测作业状态。 非煤矿山风险监测预警算法YOLOv8 训练框架模型的核心特性和改动可以归结为如下：非煤矿山风险监测预警算法提供了一个全新的 SOTA 模型，包括 P5 640 和 P6 1280 分辨率的目标检测网络和基于 Train:训练的数据增强部分引入了 YOLOX 中的最后 10 epoch 关闭 Mosiac 增强的操作，可以有效地提升精度从上面可以看出，非煤矿山风险监测预警算法 主要参考了最近提出的诸如 YOLOX 下面将按照非煤矿山风险监测预警算法模型结构设计、Loss 计算、训练数据增强详细介绍非煤矿山风险监测预警算法中 YOLOv8 目标检测的各种改进，实例分割部分暂时不进行描述。模型结构。 在暂时不考虑 Head 情况下，对比 YOLOv5 和 非煤矿山风险监测预警算法YOLOv8 的 yaml 配置文件可以发现改动较小。
54600编辑于 2023-09-20 - 来自专栏喔家ArchiSelf
性能，10点系统性思考
假设，a系统90% 的平均响应时间是1秒，b系统60% 的平均响应时间是1秒，那么a系统会有10% 的用户不满意而b系统有40% 用户不满意吗？ 4 问题诊断——以终为始 在曾经遇到的性能问题中，大多数是关于响应时间的: “过去做某事只需要不到一秒的时间，现在有时候需要10多秒。” •如果利用率低于拐点，系统性能大致呈线性。 •如果系统运行的任何资源超出了它们的拐点范围，无论是否意识到这些问题，都会存在性能问题。 10 性能是一个功能 最后，希望性能被看作是一个软件应用的功能，就像在 bug 跟踪系统中所展示的那样。 然而，像许多其他特性一样，在编写、学习、设计和创建应用程序的时候，无法确切地知道系统性能是怎样的。对于许多应用程序 ，直到软件进入生产阶段，性能仍然是完全未知的。
66830发布于 2020-03-12 2025年全球舆情监测系统软件TOP10权威评测：智能时代的风险雷达
2025年全球舆情监测系统软件TOP10权威评测：智能时代的风险雷达一、舆情监测行业的技术革命2025年，人工智能与大模型的深度应用彻底重塑了舆情监测领域。 中的6席，技术输出覆盖30+国家二、2025全球舆情监测系统TOP10榜单1. TOOM舆情监测系统（中国·鸿宝科技）综合评分：9.9/10 ★★★★★核心优势：•行业首个"舆情大模型"：预测准确率95.2%，支持多轮对话式分析•数字孪生推演：模拟不同应对策略的 阿里云舆盾（中国）评分：9.5/10 ★★★★☆•电商舆情监测响应速度15秒•直播违规内容实时拦截4-10名关键能力对比排名系统名称国家评分杀手锏功能4Meltwater挪威9.4全球媒体关系管理 是否支持AIGC策略生成•数字孪生推演误差率<5%3.合规要求：•通过等保三级/ISO 22322认证•数据存储地理位置可指定六、专家预警与建议清华大学舆情实验室主任提醒："2025年需警惕三大风险
1.7K10编辑于 2025-08-20- 来自专栏喔家ArchiSelf
导致系统性能失败的10个原因
性能测试和软件工程是有风险的，并且总是需要从开发的早期阶段开始，进行大量的反复试验。 系统性能的失败必须与其他业务问题进行类似的处理。了解问题出在哪里，为什么会出问题，以及如何预防。 他山之石，根据老码农的经验，总结了一个导致系统性能失败的原因列表。 1. 对最终用户反馈的置若罔闻 作为最终用户，才会意识到的现有潜在性能问题。 由于不了解明确定义的系统架构，在负载测试执行阶段会存在太多不确定性和复杂性的高风险，这可能会给性能测试和工程团队带来意想不到的性能问题。 糟糕的容量计划增加了性能缺失的可能性，风险会完全暴露，最终导致失败。所有这些都可以通过仔细的容量规划来适当解决。 10. 方法论的缺失 缺乏合适的方法来建立性能测试策略及其覆盖范围的话，会很难获得有效的性能测试结果。
97930编辑于 2022-12-03 - 来自专栏PHP技术大全
开源项目dolphin-ASM网络资产风险监测系统
项目简介 dolphin 是一个的资产风险分析系统,用户仅需将一个主域名添加到系统中,dolphin会自动抓取与该域名相关的信息进行分析; 例如同ICP域名,子域名,对应IP,端口,URL地址,站点截图
1K40编辑于 2023-03-09 - 来自专栏燧机科技-视频AI智能分析
山区公路边坡落石滑坡风险监测系统
山区公路边坡落石滑坡风险监测系统：基于多模态视觉感知的主动防御架构一、行业背景：从“被动抢险”到“主动预警”的范式重构我国山区公路路网密集，地形地质条件复杂，高陡边坡众多。 在此背景下，山区公路边坡落石滑坡风险监测系统应运而生。 二、核心技术逻辑：多尺度目标检测与时序变化分析山区公路边坡落石滑坡风险监测系统的技术核心在于其对环境动态变化的敏锐感知能力。 五、部署实施的关键考量在推进山区公路边坡落石滑坡风险监测系统落地时，需关注以下工程化细节：点位科学规划：结合地质勘察报告，优先在历史灾害点、高陡边坡、临水临崖路段布设监控，确保视野覆盖关键风险区。 六、结语山区公路边坡落石滑坡风险监测系统的应用，标志着公路防灾减灾从“人防为主”向“技防引领”的深刻转变。
47610编辑于 2026-03-08 - 来自专栏PHP技术大全
开源项目dolphin-ASM网络资产风险监测系统
项目简介 dolphin 是一个的资产风险分析系统,用户仅需将一个主域名添加到系统中,dolphin会自动抓取与该域名相关的信息进行分析; 例如同ICP域名,子域名,对应IP,端口,URL地址,站点截图
1.2K20编辑于 2023-03-11 - 来自专栏喔家ArchiSelf
系统性能设计的10个反模式
从用户界面到应用程序，从驱动程序到操作系统的内核，几乎所有软件都存在着系统性能上的缺陷，许多看起来完全不同的性能问题实际上有着相同的根本原因。 对于成功经验的抽象一般被称为软件模式或者设计模式，那么导致系统性能问题的行为方式和做法则可以称为性能设计的反模式。 这里列出了10个影响系统性能的反模式， 它们产生的原因是什么？如何发现以及如何避免呢？ 1. 项目结束时来修复性能 在软件项目的开发过程中，一个经常被忽视的领域就是性能的测量和评估。 10. 没有针对常见的情况进行优化 一般地，频繁的操作比不频繁的操作多出几个数量级，设计算法来利用这种不对称性可以产生显著的收益。 小结 这10个问题应该有助于我们研究系统的性能设计，至少能更快地认识到这些问题。尽管并非所有项目的性能都具有挑战性，但是避免这些反模式将使有限的资源更加有效。
1.6K10编辑于 2022-06-24 - 来自专栏JavaEdge
10-风险管理：如何应对暗礁风险？系统化风险管理让你安心！
很快你就能扩展自己对暗礁风险的理解。 你识别出的风险越多，项目风险就越低。 3 风险应对措施 你要为识别出的每个风险，制定相应风险应对措施。 4 树立正确风险观 4.1 治未病，建立系统性保健机制 “阿波罗”登月计划，让项目管理风靡全球。 为防止风险演变成问题，就要在项目早期，建立系统性保障机制。事后不如事中控制，事中不如事前控制。 执行中的风险，群众永远最有发言权。若该系统健康，一定能自行呈现和反馈风险。 而建立系统性保障机制关键在于，你要致力持续改善人间互动品质，提升项目团队的健康度。 经常做 匿名的问卷收集或访谈，定期做一场坦诚布公的复盘会，都是系统性保健的好方法。 事先预防永远胜过事后纠正，若你有意识在团队中构建这样常规反馈渠道，系统性风险提示和保健的作用就会逐渐发挥。 上医治未病，若你还不具备“望闻问切”的功力，匿名问卷就是简单的措施。
1K20编辑于 2023-06-10 - 来自专栏漫途科技
特种设备安全监测终端，降低安全隐患风险！
当监测到设备长时间空载达半小时以上进行自动断电，需人员重新刷卡启动，同时数字大屏能实时显示当前焊接使用人及累计时长。图片设备功能1. 电流监测：对特种设备的用电能耗进行监测管理。4. 数据记录：操作人员在完成特种设备使用后，系统会记录当前人员的使用信息，包括班长人员、操作人员、开始时间、结束时间等，以便后续审查和监管。 降低安全隐患：特种设备安全监测终端的自动断电功能和刷卡授权操作可以防止未经授权的人员滥用设备，从而减少安全风险。2. 通过使用特种设备安全监测终端，可以提升工厂内特种设备的运行规范，实现设备运行数据的信息化和智能化管理。 同时，通过责任到人的方式，减少员工的滥用和私自操作，提高设备的安全性和稳定性，降低事故发生的风险，提高生产效率。
2K20编辑于 2023-09-26 - 来自专栏《C++与 AI：个人经验分享合集》
《人工智能时代：金融投资决策的潜在系统性风险及防范策略》
然而，随着其影响力的不断扩大，我们也必须警惕潜在的系统性风险。 人工智能在金融投资决策中的应用，凭借其强大的数据处理能力和复杂的算法模型，能够快速分析海量的金融数据，识别市场趋势和潜在的投资机会。 其次，模型的过度拟合也是一个不容忽视的风险。当 AI 模型过于适应历史数据，而对新的、未见过的数据表现不佳时，就可能在市场发生变化时做出错误的投资决策。 那么，我们应该如何防范这些潜在的系统性风险呢？ 一是加强数据质量管理。确保用于训练 AI 模型的数据准确、完整、及时且具有代表性。 使他们了解人工智能在投资决策中的优势和局限性，提高风险意识，避免过度依赖 AI 而忽视了基本的投资原则和风险管理。 总之，人工智能在金融领域的应用为投资决策带来了新的机遇，但我们必须谨慎对待潜在的系统性风险。
68510编辑于 2024-12-09 - 来自专栏公共互联网反网络钓鱼（APCN）
OECD 2026消费金融风险监测框架下的数字欺诈防御研究
OECD发布的《2026年消费金融风险监测报告》明确指出，随着金融服务的无缝嵌入日常生活场景，风险边界也随之模糊化、隐蔽化。 报告警示，传统的信用风险评估模型主要关注借款人的还款能力与意愿，而在数字化浪潮中，风险的定义已被重构：它包含了算法偏见导致的系统性排斥、自动化脚本发起的规模化欺诈、以及利用合成媒体进行的精准社会工程学攻击 2 OECD 2026报告核心风险维度的深度解构OECD《2026年消费金融风险监测报告》通过对全球主要经济体数据的采集与分析，构建了多维度的风险监测指标体系。 2.1 算法黑箱与系统性歧视的隐性蔓延报告首要关注的风险是算法决策在信贷审批、额度授予及定价策略中的广泛应用所引发的公平性问题。 5 结语OECD《2026年消费金融风险监测报告》为我们敲响了警钟：在数字化转型的深水区，金融风险的形式与内涵已发生根本性变革。
77810编辑于 2026-03-06 - 来自专栏TSINGSEE青犀视频
AI人工智能识别技术如何助力构建风险监测预警系统？
结合EasyCVR视频融合平台，可以将前端接入的信息资源进行整合与处理、分发等，助力企业构建风险监测预警平台，实现快速感知、实时监测、提前预警、联动处置的智能化监管模式。 安全帽检测/反光衣检测通过实时视频监测和预警在岗工人是否按照要求做好安全防范措施，如：是否正确佩戴安全帽、是否穿着反光衣、防护服等工作服。若检测到异常，则发出语音告警。
1.8K40编辑于 2023-01-05 - 来自专栏智慧气象
雷电预警监测系统：高风险领域提供防雷减灾决策支持
雷电预警监测系统：高风险领域提供防雷减灾决策支持【TH-LD1】雷电预警监测系统作为防雷减灾的核心技术手段，通过实时感知、精准预测和智能决策支持，为高风险领域构建了从预警到响应的全链条防护体系。 一、系统技术架构：多源数据融合与智能决策引擎多维度监测网络大气电场监测：部署分布式电场仪，实时捕捉地面电场强度变化，识别雷暴云形成初期特征。 智能算法模型机器学习预测：基于历史雷电数据训练模型，输入实时监测参数，输出未来0-2小时雷电发生概率及强度。风险热力图生成：结合GIS技术，将雷电风险等级可视化，标识高风险区域及移动路径。 二、高风险领域应用场景能源行业风电场：提前30分钟预警雷击风险，触发风机叶片收桨、偏航对风，避免叶片雷击损坏。光伏电站：根据雷电强度自动调整逆变器输出功率，减少电弧火灾风险。
40310编辑于 2025-08-20 - 来自专栏FreeBuf
持续风险监测体系实践：基于ATT&CK的APT高频技术分析
持续风险监测体系实践——基于ATT&CK的APT攻击策略分析》，本文进一步探讨了高频技术，梳理形成了APT组织常用技术清单。 一、高频技术检测与优化 在《持续风险监测体系实践——基于ATT&CK的APT攻击策略分析》我们根据每个策略下APT的技术覆盖率以及其真实高频数与预期高频数之间的关系，划分了四个象限。 显然在网络攻击形势日趋严峻的今天，对于APT的防御与检测已经无法依靠传统的设备堆叠方案来满足需求了，这时需要构建全方位的监测体系，基于此我们提出了基于协同的持续性风险监测体系，该体系从主机层、流量层、应用层三个维度出发 基于上述技术的挑战性与代表性，我们结合了自身持续性风险监测业务开展过程中遇到的真实案例对上述三个技术进行展开讨论，以便于更好的应对此类攻击。 我们在监测过程中也发现“水坑式攻击”有增长的趋势，在对某地方人民政府的持续性风险监测活动中，某日我们发现一台PC终端从当地地方晚报下载了恶意文件，行为可疑，之前因业务需要该PC终端经常访问当地地方晚报官网
1.5K20发布于 2021-03-09 - 来自专栏FreeBuf
OWASP发布10大开源软件风险清单
基于此，OWASP发布了开源软件风险清单TOP 10，旨在解决帮助企业用户更好地解决开源软件组件安全问题，帮助安全从业者更成熟地治理和安全使用OSS。 风险清单TOP 10由Endor Labs首创，该公司专注于OSS安全、CI/CD管道和漏洞管理、软件供应链安全等。 为了更好地应对风险，管理开源软件漏洞，网安人必须关注风险的先行指标，以便更快发现特定OSS库、组件和项目之间存在的威胁。 以下OWASP发布10大开源软件风险清单。 1. 导致OSS组件未维护的另一个关键因素是，有25%的OSS项目只有一个开发者贡献代码，94%的项目维护者/开发者低于10人。如果一个项目只有一个维护者，风险是显而易见的。 此外，为了减轻组件在传输中被妥协的风险，组织应使用安全协议来传输和网络流量通信。 10.
58510编辑于 2024-04-17
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号