密评是什么?如何做密评?

密评经验分享(将近75分高分通过) 附录3 选取政务信息系统中常见的电子公文处理系统,选择最小业务场景,提炼基本密码应用需求,设计了一个精简版的密码应用方案示例,在密码应用流程、密钥管理、安全管理、实施保障等方面较为简略,可为各单位编写密码应用方案提供思路参考,实际工作请结合附录 1,依据项目实际设计编制密码应用方案。”全称“密码应用安全性评估”,是指在采用密码技术、产品和服务集成建设的网络和信息系统中,对其密码应用的合规性、正确性和有效性进行评估。简单地说,就是对使用了商业密码的系统进行评估,从而确保其密码应用的合规、正确、有效。 阅读详情
AI摘要

本文探讨了商用密码作为保障网络信息安全的核心技术,包括加密保护和安全认证,以及密评在保障信息安全中的重要性,尤其是在关键信息基础设施和重要信息系统中的应用。文章还分析了密评的发展历程、法规支持、市场前景和商用密码改造的需求,强调了密码在数字经济和信创产业中的基石作用。

(一)密码:保障网络空间安全的核心技术和基础支撑

《中华人民共和国密码法》明确密码定义:密码是指采用特定变换的方法对信息等进行 加密保护、安全认证的技术、产品和服务。密码技术是保障网络信息安全的核心技术, 从功能上看,主要包括加密保护技术和安全认证技术。加密保护是指采用特定变换的方 法,将原来可读的信息变成不能直接识别的符号序列。安全认证是指采用特定变换的方 法,确认信息是否完整、是否被篡改、是否可靠以及行为是否真实。密码在网络空间中 对于身份鉴别、安全隔离、信息加密、完整性保护和抗抵赖性等方面具有不可替代的重 要作用,可实现信息的机密性、真实性、数据的完整性和行为的不可否认性。

《中华人民共和国密码法》中将密码划分为核心密码、普通密码和商用密码。核心密码、 普通密码属于国家秘密,商用密码用于保护不属于国家秘密的信息,公民、法人和其他 组织可以依法使用商用密码保护网络与信息安全,一般生活中接触更多的是商用密码。

图片

商用密码技术,是保障信息安全的核心技术:从功能上看,主要包括加密保护技术和安全认证技术;从内容上看,主要包括密码算法、密钥管理和密码协议。

商用密码产品,即承载密码技术、实现密码功能的实体。按照形态划分:分为六类,即软件、芯片、模块、板卡、整机、系统;按照功能划分:分为七类,即密码算法类、数据加解密类、认证鉴别类、证书管理 类、密钥管理类、密码防伪类和综合类。

(二)密评:密码行业发展不可或缺的一环

1、什么是密评?

商用密码应用安全评估(简称“密评”):是指对采用商用密码技术、产品和服务集成 建设的网络和信息系统密码应用的合规性、正确性、有效性进行评估。合规性:信息系统使用的密码算法、密码协议、密钥管理是否符合法律法规的规定 和密码相关国家标准、行业标准的有关要求,使用的密码产品和密码服务是否经过 国家密码管理部门核准或由具备资格的机构认证合格。正确性:系统中采用的标准密码算法、协议和密钥管理机制按照相应的密码国家和 行业标准进行正确的设计和实现,密码保障系统建设或改造过程中密码产品和服务 的部署和应用正确。有效性:密码安全防护机制设计合理,在系统运行过程中能够发挥密码效用,保障 信息的机密性、完整性、真实性、抗抵赖性。

2、主要密评对象

  密评的主要对象包括关基、等保三级及以上系统、国家政务系统,密评频率为每年至少一次。根据《商用密码管理条例(修订草案征求意见稿)》第六章第三十八条,非涉密 的关键信息基础设施、等保三级及以上系统、国家政务等重要信息系统,其运营者应当 使用商用密码进行保护,开展商用密码应用安全性评估,通过商用密码应用安全性评估 方可投入运行,运行后每年至少进行一次评估。同时,根据《商用密码应用安全性评估 管理办法(试行)》第一章第三条:“涉及国家安全和社会公共利益的重要领域网络和 信息系统的建设、使用、管理单位应当健全密码保障体系,实施商用密码应用安全性评 估”。重要领域网络和信息系统包括:基础信息网络、涉及国计民生和基础信息资源的 重要信息系统、重要工业控制系统、面向社会服务的政务信息系统,以及关键信息基础 设施、网络安全等级保护第三级及以上信息系统。

  等保三级信息系统:在《信息安全等级保护管理办法》中,根据信息系统在国家安全、 经济建设、社会生活中的重要程度,信息系统遭到破坏后对国家安全、社会秩序、公共 利益以及公民、法人和其他组织的合法权益的危害程度,将网络信息系统的安全等级保 护从低到高分为五级。等保三级信息系统指信息系统受到破坏后,会对社会秩序和公共 利益造成严重损害,或者对国家安全造成损害的信息系统。

  关键信息基础设施:关基的概念首次提出和范围明确是在《网络安全法》中,是指公共 通信和信息服务、能源、交通、水利、金融、公共服务、电子政务等重要行业和领域, 以及其他一旦遭到破环、丧失功能或数据泄露,可能严重危害国家安全、国计民生、公 共利益的关键信息基础设施。  

图片

 3、密评工作参考的主要标准

基本要求:主要依据国家标准 GB/T 39786-2021《信息安全技术信息系统密码应用基本 要求》,此标准于 2021 年 10 月 1 日正式实施,旨在指导、规范信息系统密码应用的规 划、建设、运行及测评,对于规范和引导信息系统合规、正确、有效应用密码,切实维 护国家网络与信息安全具有重要意义。评估方法:目前主要参考的文件是 2021 年发布的 GM/T 0115-2021《信息系统密码应用 测评要求》、GM/T 0116-2021《信息系统密码应用测评过程指南》,中国密码学会密评 联委会修订形成的《信息系统密码应用高风险判定指引》《商用密码应用安全性评估量 化评估规则》。量化评估结果判定规则:根据《商用密码应用安全性评估量化评估规则》,若整体量化 评估结果为 100 分,则判定被测信息系统符合 GB/T 39786-2021 相应等级要求;结果低 于 100 分、不低于阈值,且经风险评估发现没有高风险,则判定被测信息系统基本符合 GB/T 39786-2021 相应等级要求;否则,判定被测信息系统不符合 GB/T 39786-2021 相 应等级要求。

4、密评涉及的主要产品及测评技术

  根据《信息系统密码应用测评要求》,进行测评的典型密码产品有智能 IC 卡/智能密码 钥匙、密码机、VPN 产品和安全认证网关、电子签章系统、动态口令系统、电子门禁 系统、证书认证系统。密评通过相关技术手段对密码产品实施测评,检验产品是否具备 传输机密性、存储机密性、传输完整性、存储完整性、真实性、不可否认性的密码功能。

  5、以政务信息系统为例,看密评工作全流程

  密评工作主要分为两个阶段:一是信息系统规划阶段的密码应用方案评估,这一环节主 要用于保证建设方案的安全性;二是信息系统建设完成后针对该系统开展现场测试。方 案评估阶段:主要针对新建或改造信息系统,密码应用改造方案一般由用户单位组织编 写,用户单位编写密码应用建设方案/改造方案后,应委托专家对方案进行评估或委托 密评机构出具方案密评报告。系统评估阶段:主要依据国标 GB/T39786-2021《信息安 全技术信息系统密码应用基本要求》,从物理和环境、网络和通信、设备和计算、应用 和数据、安全管理等方面开展评估。

图片

6、密评服务收费情况

根据密评项目的难度与要求不同,密评项目服务收费方差较大,密评服务收费中位数在 16 万左右。

  7、商用密码应用改造环节

  密评过程中不合格以及需进一步提高的环节,需要对其进行密码改造。密码改造项目建 设单位需从物理和环境安全、网络和通信安全、设备和计算安全、应用和数据安全等四 个层面采用密码技术措施,建立安全的密钥管理方案,采取有效的安全管理措施,进行 系统保护。

密码改造产品主要包括服务器密码机、安全网关、签名验签服务器等。功能来看,服务 器密码机能够为各类业务系统提供数据加/解密、数字签名/验签以及密钥管理等高性能 密码服务;安全网关能为用户提供可信身份认证、访问控制、传输加密等密码安全服务;签名验签服务器具有数字签名、身份认证等功能,可为于电子商务、CA 认证、网上银 行等服务器端提供密码服务。一套系统最小化的密改方案除了上述产品外,客户端还需 加上 key 和安全浏览器,金额总计为 60 万元左右,考虑到客户信息系统规模大小、功 能,一般改造花费为 100-200 万元。

从密码产品及服务供应的产业链分析,密码产业链上游包括安全芯片、印刷电路板、服 务器三大类;中游为以密码技术为核心的产品,包括密码机/密码卡、数字证书、vpn、 令牌、电子签章、量子加密六大类;下游主要是软件、系统集成及应用领域。

02

密码行业迎来数字化+合规+信创三重共振历史机遇

(一)密评行业处于推广发展期,为密码行业发展提供安全屏障

根据炼石网络整理结果,我国密评行业经历了五个时期,当前正处于推广发展期:

制度奠基期(2007 年 11 月至 2016 年 8 月):2007 年 11 月 27 日,国家密码管理局 印发《信息安全等级保护商用密码管理办法》,要求等保密评工作由国家密码管理 局指定的测评机构承担。2009 年 12 月 15 日,国家密码管理局印发了管理办法实施 意见,进一步明确了与密码测评有关的要求。

  再次集结期(2016 年 9 月至 2017 年 4 月):国家密码管理局起草《商用密码应用 安全性评估管理办法(试行)》。2017 年 4 月 22 日,正式印发《关于开展密码应用 安全性评估试点工作的通知》,在七省五行业开展密评第一次试点工作。

体系建设期(2017 年 5 月至 2017 年 9 月):国家密码管理局成立了密评领导小组, 2017 年 9 月 27 日,国家密码管理局印发《商用密码应用安全性测评机构管理办法 (试行)》、《商用密码应用安全性测评机构能力评审实施细则(试行)》、《信息系 统密码应用基本要求》和《信息系统密码测评要求(试行)》,我国密评制度体系初 步建立。

密评试点开展期(2017 年 10 月至 2021 年):2019 年开启第二批密评试点工作。2020 年 7 月 29 日,国家密码管理局发布《商用密码应用安全性评估试点机构目 录》,确定 24 家全国密评试点机构。2021 年 6 月 11 日,国家密码管理局发布《商 用密码应用安全性评估试点机构目录》,密评试点机构扩大至 48 家。

推广发展期(2021 年至今):“十四五”时期数字化引领密评加速推广发展,金 融、政务、教育、电信等行业将实现密评规模化布局。

(二)密评法律体系逐步健全,为密码行业发展奠定土壤

  近年来,我国密码产业法律法规逐步健全,为后续的快速发展积攒动力。从防护对象来 看,《个人信息保护法(草案二次审议稿)》《数据安全法》对个人信息或企业数据安 全建设提出明确防护目标,是数据保护和数据利用的整体性法律框架。从技术手段来看, 《密码法》明确了将密码技术作为核心的安全技术路线,针对重要信息系统形成强合规 增量市场。

(三)数据泄露事件多发,凸显密评关键作用

  数据安全事件频发,定期密评及时发现问题并进行密码改造具有必要性。根据绿盟科技 统计,2021 全球数据大规模数据泄露的代表性事件,一共有 10 起。从泄露规模上看, 上亿级别的数据记录泄露有 8 起,最高泄露 7 亿条;从泄露原因上看,互联网暴露和配 置错误、黑客攻击是造成大规模数据泄露的主要原因;根据 IBM 发布的《2021 数据泄 露成本报告》,企业数据泄露平均成本为 424 万美元。定期开展密评,及时进行密码改 造对公司数据安全保护具备必要性。  

图片

(四)商用密码——数字经济的安全基石

“十四五”以来,数字经济已经成为我国经济实现高质量发展的重要方向,以数据为 中心的安全的重要性不断凸显,而密码作为数据安全的重要基石,在推进数字经济健康、 安全发展方面具有重要作用。密码可以完整实现网络空间信息防泄密、内容防篡改、身 份防假冒、行为抗抵赖等功能,满足网络与信息系统对保密性、完整性、真实性和不可 否认性等安全需求。

新基建是数字经济发展的基石,密码技术深度融合新基建,为多领域数字化转型奠定基 础。新基建,是指以 5G、人工智能、工业互联网、物联网为代表的新型基础设施。新 型基础设施以网络和数据为核心,本质上是信息数字化的基础设施,为数字经济发展和 传统业务数字化转型奠定基础,而传统行业的数字化转型进程必然绕不开信息安全问题, 密码作为信息安全的扣环,构筑成数字经济发展的“护城河”和“城墙”,使新基建具 有“主动免疫力”。

根据乐宏彦的研究,密码在新基建的几个应用场景有:5G 通信领域:密码应用推动 5G 通信与 IT 网络安全融合。密码技术能够保障 5G 网络的底层基础设施的安全可信以及虚拟机与容器的可信;同时也能实现面向行业 的业务应用的数据和平台访问的持续认证。工业互联网领域:密码应用打破信息孤岛,实现远程安全协同。密码技术的应用可 以满足工业互联网场景中设备与访问用户身份认证、传输认证和传输加密、存储安 全等需求。在横向隔离的工业网络中,基于密码技术支撑实现安全的远程接入可以 打破信息孤岛,实现业务的远程协同,推动信息交换。云基础设施领域:促进安全框架的整合。云技术与身份认证、加密等技术方式融合, 通过面向云的服务形式来提供云安全能力。  

图片

(五)内需外压力双重驱动,信创产业带来历史性机遇

信创产业发展为密码行业壮大带来历史契机,密码既是信创的重要组成部分,又为信创 产业拧紧“安全阀”。信创产业,即信息技术应用创新产业, 其目的在于实现信息技术 领域的自主可控,解决核心技术关键环节的“卡脖子”问题。信创产业链大体分为软件 领域、硬件领域、实际应用和信息安全四大类,其中,信息安全贯穿整个信创产业,密 码产品紧扣信息安全每一环。

内需外压双重驱动,信创迎来历史性发展机遇。一方面,国产化信息创新发展有利于我 国在信息安全方面进一步可靠安全;另一方面,在当前国家经济“双循环”的发展格局下,信创对于加快企业数字化转型和推动经济持续发展具有护航赋能的现实意义。

信创产业“2+8+N”稳步推进,市场规模将进一步打开。自 2013 年开始,党政从公文 系统开始替换,预计到 2023 年左右完成基本公文系统的信创改造,后续将开启电子政 务系统的国产化替代。八大重点行业中,金融行业信创排在首位,推进速度最快,电信 紧随其后,之后是能源、交通、航空航天,教育、医疗也在逐步进行政策推进和试点。最后,多个行业的信创预计 2023 年左右开始启动。根据海比研究院数据显示,2022 年 信创产业规模达 9220.2 亿元,近五年复合增长率为 35.7%,预计 2025 年突破 2 万亿。

信创产业发展离不开安全能力建设,密码为信创产业安全保驾护航。密码技术作为保障 安全的核心技术和基础支撑,是维护信息安全有效、可靠的技术手段,是信创产业的 “护城墙”。“密码护航信创”主要体现为:一方面,密码能够构建虚拟防护安全边界, 为软件产业打造密码安全一体化的防护建设,另一方面,密码重构软件系统安全能力, 以密码提供的安全技术和信任机制推动软件产业安全升级。  

图片

03

在内需外驱的三重共振下,密码行业迎来快速增长

(一)商密覆盖行业广泛,产业结构持续优化

商密应用领域基本实现全覆盖,初步实现了商用密码产品与行业场景特点的融合应用。其中,商用密码在金融领域应用占比 24.05%,在政务领域应用占比 19.31%,在通信领 域占比 15.38%,在电力领域占比 12.31%,在交通领域占比 9.47%,在税务、医疗、电 子商务等其他领域占比共计 19.48%。商业密码产业结构持续优化。国内现有商用密码产品 3000 余款,品类涵盖了密码芯片、 密码板卡、密码模块、密码机、密码系统等全产业链条。2021 年,我国商用密码产业硬 件产品占比为 74.5%,软件产品占比为 6.6%,服务市场占比为 18.9%。我国商用密码产 品依然以硬件为主导,与国外软硬产品均衡、产品通用性较强等特征形成对比。相较 2016 年硬件产品市场规模占 95%以上的状态,我国商用密码产业结构正在逐步优化。

(二)以密评促密改,存量市场空间广阔,密码相关行业持续受益

全球来看,根据 QYresearch 测算,2019 年全球商用密码市场规模达 250.42 亿美元,预 计 2026 年将达到 864.06 亿美元,年复合增长率为 18.79%。我国商用密码行业市场规 模同样实现快速增长。2016 年到 2021 年,我国商用密码产业总体规模保持高增长率, 年复合增长率 31%,2021 年商用密码产业规模达到 585 亿元,预计 2023 年商用密码行 业规模有望达到 937.5 亿元。

我国密评市场交易量及交易额均呈快速上升趋势。2020-2021 年密评市场交易量分别为 133 笔、200 笔,对应交易金额 3154 万元、9000 万元,2022 年密评 1-7 月份市场交易量 为 242 笔,对应交易额大概约 1.4 亿,预计 2022 年全年交易额在 2 亿以上,同比增涨超 100%。  

图片

我国密评、密改存量市场空间较大,当前渗透率较低,未来增长逻辑明确,有望持续加 速放量。根据 2018 年商用密码应用安全性评估联合委员会对一万余个等保三级及以上 的信息系统普查的结果显示,未使用密码的系统超过 75%,在对第一批 118 个重要领域 的信息系统进行安全性测评时,不符合规范的比例达到 85%,甚至已被证明不安全的 加密算法(如 RSA1024、MD5)仍在大量使用。因此,我们保守假接受密评的信息系 统中需进行密改的比例为 85%。根据赛博研究院,2019 年等保三级系统大概 5 万个, 等保四级系统约 1000 个,关基、等保三级及以上信息系统和国家政务系统既有交叉又 有补充,因此,保守假设当前关基、等保三级及以上系统和国家政务系统达 6 万个,以 16 万的密评单价和 150 万的密改单价推算,密评存量市场空间高达 96 亿元/年,密码改 造存量市场空间达 765 亿元。

密评实施领域来看,密评在政务、金融、医疗领域增速较快,预计未来向能源、公安领 域的渗透有望提速。根据数观天下,2020-2022 年密评交易量增速较快的领域主要集中 在政务、金融、医疗等三大行业,我们预计,能源、公安将会是密评进一步渗透的领域。

 `黑客&网络安全如何学习

今天只要你给我的文章点赞,我私藏的网安学习资料一样免费共享给你们,来看看有哪些东西。

1.学习路线图

攻击和防守要学的东西也不少,具体要学的东西我都写在了上面的路线图,如果你能学完它们,你去就业和接私活完全没有问题。

2.视频教程

网上虽然也有很多的学习资源,但基本上都残缺不全的,这是我自己录的网安视频教程,上面路线图的每一个知识点,我都有配套的视频讲解。

内容涵盖了网络安全法学习、网络安全运营等保测评、渗透测试基础、漏洞详解、计算机基础知识等,都是网络安全入门必知必会的学习内容。

(都打包成一块的了,不能一一展开,总共300多集)

因篇幅有限,仅展示部分资料,需要点击下方链接即可前往获取

等保测评中“密评”的详细讲解。 密评”是指对系统中涉及保密信息的部分进行的评估。等级保护测评主要用于评估信息系统的安全性,以确保其符合国家信息安全等级保护标准。密评,作为其中的一个重要环节,关注的是系统中涉及敏感或保密信息的安全保护措施。 阅读详情

相关推荐

为什么要做密评?密评方案设计以及测评实施流程

完成建设后由第三方密评机构对建设后的密码应用安全性进行评估(三级及以上的系统需要每年开展密评工作),评估工作通过后则由密评机构编制《密码应用方案评估报告》、《密码应用安全性评估报告》,评估不通过,则针对该系统不符合标准的地方进行整改,直至通过安全性评估。:《数据安全法》出台,加快我国数据安全合规的进程,通过密码可以为数据采集、存储、整合、呈现与使用、分析与应用、归档和销毁全生命周期保驾护航。根据过审方案开展密码应用建设,从技术、管理双重维度,为企业提供合规密码技术、产品、应急保障服务等,确保方案顺利落地。

HWP18612324139的博客 2151

看懂密评的四步

什么是密评? 密评全称:商用密码应用安全性评估 定义:对采用商用密码技术、产品和服务集成建设的网络和信息系统密码应用的合规性、正确性、有效性进行评估。 这句话精简一下,即:对网络和信息系统密码应用进行评估。在网络和信息系统中,密码几乎无处不在,用户登录、管理员操作、业务系统之间互相调用数据…全都跟密码息息相关,因此在做密评的时候,需要针对整个网络和信息系统进行测评。 1、评估对象:网络和信息系统 电信网、广播电视网、互联网等基础信息网络; 能源、教育、交通、卫生计生、金融等涉及国计民生和基础信息资源的重

H3C的博客 8208

为什么必须做密评

密评全称:商用密码应用安全性评估 定义:对采用商用密码技术、产品和服务集成建设的网络和信息系统密码应用的合规性、正确性、有效性进行评估。 1、密评发展史 2011年:ZUC序列算法成为了4G移动通信密码算法国际标准 2017年:非对称算法SM2和SM9的数字签名算法成为国际标准 2018年:密码杂凑算法SM3成为国际标准 2021年:2月,SM9标识加密算法成为国际标准 6月,SM4分组密码算法成为国际标准 10月,SM9密钥交换协议成为国际标准 我国自主研发的密码算法相继走出国门并受到国际上的认可,国密局

H3C的博客 2557

密评简析(一)

密评:以评促改、以评促用。

MingXS2021的博客 5783

数字后端CTS实战:从时钟信号原理到Innovus时钟树综合优化

在数字集成电路设计中,时钟信号是驱动所有时序逻辑的基准,其质量直接决定芯片能否稳定工作。理想时钟被视为完美方波,而真实芯片中的时钟因物理传播延迟会产生偏斜(clock skew)与延迟(latency),这是后端设计必须解决的核心矛盾。时钟树综合(CTS)作为布局与布线之间的关键步骤,通过插入缓冲器、反相器构建平衡的时钟分配网络,从而改善时序收敛并降低信号完整性风险。掌握时钟单元选型、SDC约束设置、useful skew应用以及Innovus工具的操作要点,是物理实现工程师提升设计成功率的重要能力。本文从

weixin_34150830的博客 462

Homebrew国内镜像自动安装全攻略:从零到精通

本文提供了一份详尽的Homebrew国内镜像自动安装指南,旨在帮助Mac用户,特别是国内开发者,快速、无痛地部署这一强大的包管理器。通过使用优化的国内镜像脚本,实现一键自动安装,有效解决官方源访问缓慢或失败的问题。文章从安装前准备、脚本执行步骤、原理讲解到日常使用命令和常见问题排查,提供了从零到精通的完整路径,让用户在短时间内掌握Homebrew的核心用法,提升开发与工作效率。

a0b1c2d3的专栏 969

各行各业都在关注的“密评”到底是啥?一文带你读懂!

今天我们就来讲讲关于“密评”的那些事儿,一文带你搞懂“密评”!

华为云官方博客 4354

2025年情感分析(SA)综述——论文阅读报告

2025年情感分析(SA)综述——论文阅读报告

Samdy_L的博客 2089

不做密评或测试结果不合格的影响

综上所述,不做密评或测试结果不合格不仅可能导致法律与监管处罚,还可能对单位的资金安排、项目管理以及声誉产生不利影响。同时,对于直接负责的主管人员来说,还可能面临个人职业发展的阻碍。因此,相关单位应高度重视密评工作,确保信息系统的密码应用安全性。

cuncaoxinwangdun的博客 586

四款办公Agent实测对比:WorkBuddy、千问办公、库库AI、豆包工作怎么选

AI Agent是一种能感知环境、自主决策并执行动作的智能系统,其核心在于工具调用、状态管理与错误恢复构成的执行闭环。在办公场景中,任务边界清晰、容错率高、重复性强,使Agent成为最容易落地的方向。通过调用本地文件、脚本或办公套件,Agent能自动完成文件批量处理、文档摘要、会议纪要等重复劳动,显著提升工作效率。目前WorkBuddy、千问办公、库库AI、豆包工作等产品分别从本地操作、办公套件嵌入、知识处理、轻量助手等路线切入,用户可根据自身场景选择。

weixin_29052717的博客 530

AI 赋能 DBA:如何用 DeepSeek 等大模型简化数据库管理工作

数据库管理员(DBA)的工作涉及 SQL 优化、故障排查、性能监控等复杂任务。而 DeepSeek、ChatGPT 等大模型可以大幅减少重复劳动,提高 DBA 的工作效率。:某电商平台的订单查询 SQL 执行缓慢(平均 5s),DBA 需要优化。:DBA 需要监控 MySQL 的慢查询,但不想手动写脚本。:某金融系统频繁出现数据库死锁,DBA 需要快速定位原因。:大模型可分析 SQL 执行计划,推荐索引优化方案。:用日常语言查询数据库,无需写复杂 SQL。:一键生成监控、备份、数据迁移脚本。

专注于编程、AI、人工智能等多个领域内容研究和分析 566

为什么要做密评

我国密码工作开展比较晚,推进工作不顺利,国密局 2018 年进行了密码检查,发现密码应用形势不乐观。密码应用不广泛:未使用密码技术的系统占 75%不规范:不符合标准要求,未使用合规产品、合规算法等不安全:MD5、RSA1024、SHA1 等有重大风险算法仍在使用,密钥管理不规范(如秘钥存在硬盘上、使用时间因子当做秘钥)等。商用密码工作推进“密码用的对不对、好不好,要拿测评结果来说话。”2017 年,国家密码管理局开展密评的试点工作;☆构建设计密评体系☆发布试行管理办法等制度文件。

likaixuan0912的博客 817

YOLOv11涨点改进 | 全网独家下采样改进、细节涨点篇 | TGRS 2025 | 引入PWD参数化小波下采样模块,减少下采样过程中小目标的关键细节丢失,即插即用,助力高效涨点发论文

本文提出了一种改进YOLOv11小目标检测性能的参数化小波下采样(PWD)模块。PWD通过小波变换保留目标细节信息,增强频率域特征表达,有效解决了传统下采样导致的小目标信息丢失问题。该模块采用双分支设计,结合自适应频率选择和空间补偿机制,在红外图像和低光场景中表现出更强的抗干扰能力。实验表明,PWD能显著提升YOLOv11对弱纹理和低对比度目标的检测精度,同时保持计算效率。文章详细介绍了PWD的结构原理、实现代码及在YOLOv11中的集成方法,为小目标检测提供了有效的改进方案。

Ai缝合怪、助力小伙伴高效发论文 246

【等保小知识】等保二级是否需要做密评?什么是密评?

对于等保2.0政策,大家还有很多细节不清楚,还存在很多疑问。例如有人问,等保二级是否需要做密评?什么是密评?下面我们大家就一起来了解一下。 什么是密评? 【回答】:“密评”全称是商用密码应用安全性评估,是指在采用商用密码技术、产品和服务集成建设的网络和信息系统中,对其密码应用的合规性、正确性和有效性进行评估。 等保二级是否需要做密评? 【回答】:不需要。根据规定,密评主要涉及到有以下网络和系统的单位:重要领域网络和信息系统包括基础信息网络、涉及国计民生和基础信息资源的重要信息系统、重要工业控制系统、面向社会

行云管家 4941

MySQL数据库面试题(2022版)

序列号 内容 链接 1 Java基础知识面试题(2022版) https://blog.youkuaiyun.com/qq_43061290/article/details/124023797 2 Java集合容器面试题(2022版) https://blog.youkuaiyun.com/qq_43061290/article/details/124043363 3 Java异常面试题(2022版) https://blog.youkuaiyun.com/qq_43061290/article/details/124....

拉格朗日的学习笔记 1万+

iStoreOS等软路由插件卸载的残留?分享一款软路由高级卸载工具,自定义卸载,轻松解决卸载残留问题

iStoreOS用户看过来!👀 还在被插件包残留困扰吗?本文分享一款“高级卸载”的插件,助你深度清理iStoreOS系统,彻底解决软件卸载不净的痛点,告别频繁恢复出厂设置的烦恼!🚀

XiaoqiangClub的博客 1554

密码管理局以及什么是密评?为什么要做密评(商用密码应用安全性评估)?

密评是指对系统、设备或组织的密码安全性进行评估和测试的过程。密评的目的是评估密码系统的安全性和可靠性,检查是否存在潜在的漏洞和风险,并提供相应的建议和措施来改善密码的保密性、完整性和可用性。

西京刀客 5155

LinePhone3.2.7(android端最新版本) sip客户端

SIP客户端For android:LinePhone3.2.7(最新版本),官网地址:http://www.linphone.org/

解读 | 为什么要做“密评”?(中科三方)

“密评”全称“密码应用安全性评估”,是指在采用密码技术、产品和服务集成建设的网络和信息系统中,对其密码应用的合规性、正确性和有效性进行评估。弄清楚了什么是密评,那为什么要做密评呢? 国家法律法规 开展密评,是国家相关法律法规提出的明确要求,是网络安全运营者的法定责任和义务。 《中华人民共和国密码法》 第二十七条:法律、行政法规和国家有关规定要求使用密码进行保护的关键信息基础设施,其运营者应当使用密码进行保护,自行或者委托密码检测机构开展密码应用安全性评估。 《商用密码应用安全性评估管理办法(试行)

weixin_53018687的博客 2098

IMSL CNL 7.0.0 (x86-64)Crack

IMSL CNL 7.0.0 (x86-64)Crack intel的算法库破解文件,这是C++版本的破解文件

深度学习工具包 DeepLearningToolbox

深度学习工具包Deprecation notice.-----This toolbox is outdated and no longer maintained.There are much better tools available for deep learning than this toolbox, e.g. [Theano](http://deeplearning.net/software/theano/), [torch](http://torch.ch/) or [tensorflow](http://www.tensorflow.org/)I would suggest you use one of the tools mentioned above rather than use this toolbox.Best, Rasmus.DeepLearnToolbox================A Matlab toolbox for Deep Learning.Deep Learning is a new subfield of machine learning that focuses on learning deep hierarchical models of data.It is inspired by the human brain's apparent deep (layered, hierarchical) architecture.A good overview of the theory of Deep Learning theory is[Learning Deep Architectures for AI](http://www.iro.umontreal.ca/~bengioy/papers/ftml_book.pdf)For a more informal introduction, see the following videos by Geoffrey Hinton and Andrew Ng.* [The Next Generation of Neural Networks](http://www.youtube.com/watch?v=AyzOUbkUf3M) (Hinton, 2007)* [Recent Developments in Deep Learning](http://www.youtube.com/watch?v=VdIURAu1-aU) (Hinton, 2010)* [Unsupervised Feature Learning and Deep Learning](http://www.youtube.com/watch?v=ZmNOAtZIgIk) (Ng, 2011)If you use this toolbox in your research please cite [Prediction as a candidate for learning deep hierarchical models of data](http://www2.imm.dtu.dk/pubdb/views/publication_details.php?id=6284)```@MASTERSTHESIS\{IMM2012-06284, author = "R. B. Palm", title = "Prediction as a candidate for learning deep hierarchical models of data", year = "2012",}```Contact: rasmusbergpalm at gmail dot comDirectories included in the toolbox-----------------------------------`NN/` - A library for Feedforward Backpropagation Neural Networks`CNN/` - A library for Convolutional Neural Networks`DBN/` - A library for Deep Belief Networks`SAE/` - A library for Stacked Auto-Encoders`CAE/` - A library for Convolutional Auto-Encoders`util/` - Utility functions used by the libraries`data/` - Data used by the examples`tests/` - unit tests to verify toolbox is workingFor references on each library check REFS.mdSetup-----1. Download.2. addpath(genpath('DeepLearnToolbox'));Example: Deep Belief Network---------------------```matlabfunction test_example_DBNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit RBM and visualize its weightsrand('state',0)dbn.sizes = [100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);figure; visualize(dbn.rbm{1}.W'); % Visualize the RBM weights%% ex2 train a 100-100 hidden unit DBN and use its weights to initialize a NNrand('state',0)%train dbndbn.sizes = [100 100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);%unfold dbn to nnnn = dbnunfoldtonn(dbn, 10);nn.activation_function = 'sigm';%train nnopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.10, 'Too big error');```Example: Stacked Auto-Encoders---------------------```matlabfunction test_example_SAEload mnist_uint8;train_x = double(train_x)/255;test_x = double(test_x)/255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit SDAE and use it to initialize a FFNN% Setup and train a stacked denoising autoencoder (SDAE)rand('state',0)sae = saesetup([784 100]);sae.ae{1}.activation_function = 'sigm';sae.ae{1}.learningRate = 1;sae.ae{1}.inputZeroMaskedFraction = 0.5;opts.numepochs = 1;opts.batchsize = 100;sae = saetrain(sae, train_x, opts);visualize(sae.ae{1}.W{1}(:,2:end)')% Use the SDAE to initialize a FFNNnn = nnsetup([784 100 10]);nn.activation_function = 'sigm';nn.learningRate = 1;nn.W{1} = sae.ae{1}.W{1};% Train the FFNNopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.16, 'Too big error');```Example: Convolutional Neural Nets---------------------```matlabfunction test_example_CNNload mnist_uint8;train_x = double(reshape(train_x',28,28,60000))/255;test_x = double(reshape(test_x',28,28,10000))/255;train_y = double(train_y');test_y = double(test_y');%% ex1 Train a 6c-2s-12c-2s Convolutional neural network %will run 1 epoch in about 200 second and get around 11% error. %With 100 epochs you'll get around 1.2% errorrand('state',0)cnn.layers = { struct('type', 'i') %input layer struct('type', 'c', 'outputmaps', 6, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %sub sampling layer struct('type', 'c', 'outputmaps', 12, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %subsampling layer};cnn = cnnsetup(cnn, train_x, train_y);opts.alpha = 1;opts.batchsize = 50;opts.numepochs = 1;cnn = cnntrain(cnn, train_x, train_y, opts);[er, bad] = cnntest(cnn, test_x, test_y);%plot mean squared errorfigure; plot(cnn.rL);assert(er<0.12, 'Too big error');```Example: Neural Networks---------------------```matlabfunction test_example_NNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);% normalize[train_x, mu, sigma] = zscore(train_x);test_x = normalize(test_x, mu, sigma);%% ex1 vanilla neural netrand('state',0)nn = nnsetup([784 100 10]);opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samples[nn, L] = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.08, 'Too big error');%% ex2 neural net with L2 weight decayrand('state',0)nn = nnsetup([784 100 10]);nn.weightPenaltyL2 = 1e-4; % L2 weight decayopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex3 neural net with dropoutrand('state',0)nn = nnsetup([784 100 10]);nn.dropoutFraction = 0.5; % Dropout fraction opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex4 neural net with sigmoid activation functionrand('state',0)nn = nnsetup([784 100 10]);nn.activation_function = 'sigm'; % Sigmoid activation functionnn.learningRate = 1; % Sigm require a lower learning rateopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex5 plotting functionalityrand('state',0)nn = nnsetup([784 20 10]);opts.numepochs = 5; % Number of full sweeps through datann.output = 'softmax'; % use softmax outputopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex6 neural net with sigmoid activation and plotting of validation and training error% split training data into training and validation datavx = train_x(1:10000,:);tx = train_x(10001:end,:);vy = train_y(1:10000,:);ty = train_y(10001:end,:);rand('state',0)nn = nnsetup([784 20 10]); nn.output = 'softmax'; % use softmax outputopts.numepochs = 5; % Number of full sweeps through dataopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, tx, ty, opts, vx, vy); % nntrain takes validation set as last two arguments (optionally)[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');```[![Bitdeli Badge](https://d2weczhvl823v0.cloudfront.net/rasmusbergpalm/deeplearntoolbox/trend.png)](https://bitdeli.com/free "Bitdeli Badge")

等保2.0与密评,先做哪个?

其核心目标是解决"系统安不安全"的问题,构建"一个中心(安全管理中心)+三重防御(通信网络、区域边界、计算环境)"的防护体系,从物理安全、网络安全、主机安全、应用安全、数据安全等多个层面保障系统安全。对于存量系统,建议"先等保,后密评";等保一级、二级系统对密码应用的要求相对基础,而等保三级及以上系统,特别是关键信息基础设施,对密码应用的要求更为严格,密评也更为全面和深入。等保 2.0 和密评不是相互独立的两个合规任务,而是相辅相成、不可分割的整体,二者的关系可以概括为"等保是基础,密码是灵魂"。

2401_86538250的博客 572

jre9下载 jdk9

(Java SE Runtime Environment 9.0) 9.0u175 官方最新版 【x86|x64】

什么是密评和等保测评?必须要做吗?

等保测评通过对信息系统的安全状况进行评估,发现存在的安全隐患和漏洞,从而提出相应的整改措施和建议,以提升信息系统的安全防护能力。密评,即商用密码应用安全性评估,是指按照有关法律法规和标准规范,对网络与信息系统使用商用密码技术、产品和服务的合规性、正确性、有效性进行检测分析和评估验证的活动。密评的对象包括基础信息网络、涉及国计民生和基础信息资源的重要信息系统、重要工业控制系统、面向社会服务的政务信息系统,以及关键信息基础设施、网络安全等级保护第三级及以上的信息系统。因此,对这些系统进行密评是十分必要的。

weixin_45840241的博客 1533

同样做密评:为何有的企业耗时一年,有的一次通过?前置式一站式密评密改破解合规困局

针对存量业务系统,先开展预评估摸排,完整梳理业务架构、数据库、接口、备份体系,提前识别改造风险,优先选择业务影响最小的改造路径,充分评估业务停机、兼容风险,避免测评之后才发现无法落地的重大缺陷,大幅压缩整体项目周期。很多密码改造最大的矛盾,是合规要求和业务连续性之间的冲突。前置一站式模式核心,不是跳过测评环节,而是改变工作顺序:在系统规划、建设或者存量系统改造初期,就按照密评标准完成风险识别,输出可落地的密码改造方案,同步完成实施落地,后续测评更多是做合规核验,从根源减少重大缺陷,降低复测返工概率。

2601_96637713的博客 360

为什么要做“密评”?

密评

sun007700的专栏 494

关于密评,这10个问题你一定要知道

关于密评,这10个问题你一定要知道! 安全互联,从密码开始 12 人赞同了该文章 当今世界,网络空间正在加速演变为各国争相抢夺的新疆域、战略威慑与控制的新领域、国家安全的新战场。密码作为网络空间安全保障和信任机制构建的核心技术与基础支撑,是国家安全的重要战略资源,也是国家实现安全可控信息技术体系弯道超车的重要突破口。 近年来,国内密码应用形势并不乐观。一是应用不广泛;二是应用不规范;三是密码应用不安全。 为解决当前密码应用存在的突出问题,国家颁布实施了《网络安全法》、《密码法》、《网络安全审.

m0_37740029的博客 3366

云上系统做密评,先问清密钥在谁手里

云上密评真正的难点,往往不是技术做不到,而是问错了对象、问晚了时间:该问云厂商的(密钥隔离、物理环境、公共通道)没在采购阶段问;该自己做的(镜像快照、关键操作、密钥日志)拖到了进场前一周。把问题提前一个阶段问,比把方案改三遍便宜得多。

Dengbaoceping的博客 150

等保和密评,能不能找同一家做

回到最初那个问题:等保和密评能不能找同一家做?能。前提是那一家确实两张证都在手上,而且密评那张还在最新一版目录里。做不到,就走拆包或者联合体——制度给了这两条路,不用硬凑。真正要提防的不是「找了几家」,而是「以为找了一家,结果来了三家」:中标方拿一张证投标,另一件事转手委托出去,责任在合同里越漂越远。这种事在验收阶段才暴露,那时候已经很难改了。你们单位明年的预算表上,等保和密评是写在一行,还是两行?评论区说说你遇到的实际写法,我挑几种典型的在下一篇里拆。

Dengbaoceping的博客 165

做了等保和密评,还要做网络数据安全风险评估吗?

GB/T 45577—2025《数据安全技术 数据安全风险评估方法》明确提出,开展数据安全风险评估时,应调研已有的等级保护测评、商用密码应用安全性评估等情况,并分析已有有效评估结论。有关主管部门对本行业、本领域另有规定的,还应结合相应规定判断。,按照现行规定,应当每年度开展网络数据安全风险评估,并在年度风险评估完成后的20个工作日内,按照有关主管部门要求报送风险评估报告。其中,对于已经开展等级保护测评的对象,与数据安全风险评估中网络安全防护内容重合的部分,可以采纳已有有效评估结论,避免重复评估。

2401_86538250的博客 198
上一篇: 网络安全好就业吗?
下一篇: 保姆级Apache安装教程(非常详细)零基础入门到精通,收藏这一篇就够了
网络安全大白
博客等级 码龄5年 7307粉丝 698原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值