专访丨邬贺铨院士谈网络安全新风险应对：加强关键基础设施安全防护******

　　当前，关键信息基础设施成为网络攻击重点，勒索病毒上升为主要威胁，数据安全问题频发。面对这些新的安全风险，各方应该如何应对？

　　7月2日至3日，以“构建安全可信的数字世界”为主题的2022西湖论剑·网络安全大会在杭州、北京两地同步召开。期间，中国工程院院士、中国互联网协会咨询委员会主任邬贺铨在接受光明记者采访时表示，关键基础设施被攻击有各方面原因，比如，一些黑客组织为了经济利益实施勒索，这种状况已经上升为重要安全事件，导致了严重的经济损失。

　　邬贺铨建言，应对关键基础设施攻击或勒索病毒状况，一方面要加强关键基础设施安全防护，在这方面，国家已经出台了一些关于关键基础设施网络安全防护的制度，如何全面地、认真地执行这些制度要求，是保证关键基础设施安全性的一个前提。

　　“除了技术手段，还要考虑管理手段。一些关键基础设施本来完全是外网隔离，但由于一些人为操作不慎，导致了在外网上的U盘把木马病毒带到了内网，导致关键基础设施受到攻击破坏。”邬贺铨说。

　　监制：张宁、李政葳

　　统筹：王一涵

　　采访、撰稿：姚坤森、孔繁鑫

　　摄像、后期：曾震宇

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