一、竞赛背景
作为2023中国国际大数据产业博览会的重要主题活动之一,大数据及网络安全精英对抗赛是深入贯彻落实国家网络空间安全战略,落实国发〔2022〕2号文重大历史机遇,推进全国大数据及网络安全示范试点城市建设的重要举措。
安全精英选拔赛是大数据及网络安全精英对抗赛面向社会遴选安全精英人才的重要赛项。
安全精英选拔赛分为线上预赛与线下决赛两个阶段,活动通知、赛程、规则等相关信息将通过“大数据及网络安全精英对抗赛在线报名平台”网站发布。
二、报名须知
(一)报名时间
1. 报名时间:4月18日-4月25日
2. 报名平台网址:https://www.ccsec.cn
3. 报名平台网址将于4月18日8:00开放,于4月25日18:00关闭。
(二)报名要求
1. 安全精英选拔赛面向国内各行业单位的网络安全从业人员及具备网络安全技术专长人员开放。
2. 报名人员应持有中国公民合法身份,遵纪守法且无犯罪记录,根据在线报名平台要求填报选手信息。
3. 在线预赛资格将授予通过大数据及网络安全攻防演练组委会审查的报名人员,请报名人员于在线预赛开始前一天登录报名平台查看预赛资格审查结果。
4. 通过在线预赛竞技,安全精英选拔赛将按积分排名遴选70名选手入围线下决赛。
5. 入赛决赛人员须经大数据及网络安全攻防演练组委会审核获得线下决赛正式资格。
(三)其他重要事项
1. 取得线下决赛参赛资格的选手,由大数据及网络安全攻防演练组委会承担交通食宿费用,详情请咨询报名联系人。
2. 安全精英选拔赛的赛制规则、奖项设置、比赛纪律以及其他活动通知,请关注报名平台的发布信息。
三、奖励方法
安全精英选拔赛决赛的总奖金池为51万元:一等奖1名,奖金12万元;二等奖2名,奖金各8万元;三等奖3名,奖金各3万元;四等奖4名,奖金各1.5万元;另设8万奖金池,对取得比赛成果的选手依次进行奖励。具体奖励办法请关注报名平台的公告与通知。
四、赛程说明
安全精英选拔赛赛程安排如下:

五、赛制说明
(一)线上预赛赛题范围
安全精英选拔赛线上预赛包含理论知识线上答题和CTF线上答题两个环节。其中,理论知识赛题,抽选 100 个赛题组成试卷,答题时间为 1 小时,分值占15%,考点涵盖系统安全、网络安全、软件安全、开发安全、数据安全、规章制度、安全意识、移动安全、法律法规、等级保护等十个主要方向。CTF赛题分值占85%,由Web、PWN、Misc、Crypto、Reverse、Mobile及Fornesics等七类赛题组成。
(二)线上预赛积分方法
1. 理论知识线上答题环节,总分为100分,随机抽选100道题形成试卷,单项选择40题,每题1分;多项选择40题 ,每题1分;判断题20题,每题1分,由系统自动判分并给出积分排行。
2. CTF 线上答题环节,每个赛题初始分数为 1000 分,采用动态积分方法,即以题目解出人数作为动态积分的变量,根据解题人数划分为4个阶段,分别对应不同的积分公式,详情参见报名平台发布的赛制规则信息。
(三)线下决赛积分方法
安全精英选拔赛决赛为靶场攻防与漏洞挑战,参赛选手按照竞赛要求,对组委会指挥部下发的靶标场景执行竞赛任务,由裁判组根据评分规则对参赛选手提交的成果判定得分。详细参赛要求与评分规则在线下决赛开始前向参赛选手公布,请关注报名平台。
六、联系方式
联系电话:0851-83480007
联系邮箱:gyjys_2023@163.com
联系人员:王俊杰(手机:13984161655)
王其琛(手机:18275361554)
陈敏杰(手机:18911837843)
贵阳大数据及网络安全攻防演练组委会
2023年4月17日
好文章,需要你的鼓励
英国国家医疗服务(NHS)正将无人机纳入常规医疗物流体系。自今年2月起,无人机每天在雷恩斯公园和圣乔治医院之间运送血液等诊断样本,飞行仅需3分钟,比公路运输快约85%,且碳排放减少高达98%。目前已有逾2000名患者受益。NHS计划将该服务扩展至圣赫利尔、克罗伊登等多家医院,最终惠及约180万名患者。该网络由英国医疗初创公司Apian与谷歌旗下Wing合作运营。
AgentLens是Explyt公司联合俄罗斯学术机构开发的AI编程助手评测基准,通过分析完整人机交互轨迹而非仅看最终结果,从五个维度评估代码智能体的真实表现。
边缘AI计算厂商Aetina宣布,将在其DeviceEdge AIE-KT风冷系列和新款AIE-PT无风扇平台上支持英伟达全新Jetson T3000和T2000模块。T3000基于Blackwell GPU,最高提供865 FP4 TFLOPS算力,功耗70W;T2000则提供400 FP4 TFLOPS,面向视觉AI代理和自主移动机器人等场景。两款模块预计2027年第一季度上市,支持Nemotron、Cosmos 3等英伟达AI软件生态。
韩国梨花女子大学提出Splash框架,通过识别AI模型中的"休眠参数"并只在其中训练触觉能力,让小型多模态AI在学会感知材质触感的同时,完整保留原有视觉语言推理能力。