公安部出台指导意见进一步健全完善国家网络安全综合防控体系
网络安全为人民，网络安全靠人民。
网络空间是亿万民众共同的精神家园。党的十八大以来，习近平总书记高瞻远瞩、审时度势，提出了一系列网络空间治理的新理念、新战略，为新时代网络空间治理提供了根本遵循和前进方向中国机械网okmao.com。
近日，公安部制定出台了《贯彻落实网络安全等级保护制度和关键信息基础设施安全保护制度的指导意见》(以下简称指导意见)，进一步健全完善国家网络安全综合防控体系，有效防范网络安全威胁，有力处置重大网络安全事件，切实保障关键信息基础设施、重要网络和数据安全。
网络安全等级保护制度2.0时代有了新特征
1994年2月18日，国务院发布《中华人民共和国计算机信息系统安全保护条例》，规定国家对计算机信息系统实行安全等级保护，公安部主管全国计算机信息系统安全保护工作；
2007年6月22日，公安部、国家保密局、国家密码管理局、原国务院信息化工作办公室联合印发了《信息安全等级保护管理办法》，标志着等级保护制度正式开始实施；
2017年6月1日，《中华人民共和国网络安全法》正式实施，将网络安全等级保护制度上升到法律层面。
2019年12月1日，网络安全等级保护制度2.0新标准正式实施。
“简而言之，网络安全等级保护就是对网络进行分等级保护、分等级监管。”公安部信息安全等级保护评估中心研究员马力对网络安全等级保护制度2.0进行了介绍，并对其主要标准进行了解读。
马力表示，网络运营者按照重要性和遭受损坏后的危害性，将信息系统分成五个安全保护等级，第二级(含)以上网络要到公安机关备案，公安机关对备案材料和定级准确性进行审核，审核合格后颁发备案证明。此外，公安机关还要对第二级网络进行指导，对第三级、第四级网络定期开展监督检查。
国家网络安全等级保护制度实施以来，已经成为国家网络安全的基本制度。随着经济社会发展和技术进步，网络安全等级保护制度2.0时代具有了新的特征。
据了解，网络安全等级保护制度2.0实现了对新技术、新应用安全保护对象和安全保护领域的全覆盖，更加突出技术思维和立体防范，注重全方位主动防御、动态防御、整体防护和精准防护，强化“一个中心，三重防护”的安全保护体系，把云计算、物联网、移动互联、工业控制系统、大数据等相关新技术新应用全部纳入保护范畴。
关键信息基础设施安全保护制度不断完善
网络安全的重点在哪里？
习近平总书记强调，金融、能源、电力、通信、交通等领域的关键信息基础设施是经济社会运行的神经中枢，是网络安全的重中之重，也是可能遭到重点攻击的目标。
《中华人民共和国网络安全法》第三十一条规定，国家对公共通信和信息服务、能源、交通、水利、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坏、丧失功能或者数据泄露，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，在网络安全等级保护制度的基础上，实行重点保护。
公安部网络安全保卫局处长祝国邦表示，出台指导意见的初衷，就是要建立实施关键信息基础设施安全保护制度，消除风险隐患，构建关键信息基础设施安全保障体系，切实维护国家关键信息基础设施安全。
目前，公安部正逐步建立完善并实施关键信息基础设施安全保护制度，指导各单位、各部门加强关键信息基础设施安全的法律体系、政策体系、标准体系、保护体系、保卫体系和保障体系建设，在落实网络安全等级保护制度基础上，突出保护重点，强化保护措施，切实维护关键信息基础设施安全，全面提升关键信息基础设施安全防护能力。
国家网络安全综合防控体系更加健全
安全是发展的前提，发展是安全的保障。
“国家网络安全等级保护制度和关键信息基础设施安全保护制度密切配合，共同构筑国家网络安全的基石。”公安部网络安全保卫局警务技术二级总监黄小苏认为，出台指导意见的最终目标是让国家网络安全综合防控体系更加健全完善，让国家网络安全综合防御能力和水平上升到一个新高度。
同时，指导意见就加强网络安全保护工作协作配合以及网络安全工作各项保障提出了要求。例如行业主管部门、网络运营者在建设本行业、本单位的网络安全保护业务平台以及平台智慧大脑时，都要与公安机关平台对接，进一步形成条块结合、纵横联通、协同联动的综合防控大格局。重点行业、网络运营者和公安机关要建设网络安全监控指挥中心，共同形成常态化、实战化的网络安全工作机制。
网络空间的竞争，归根到底是人才的竞争。在加强网络安全工作各项保障方面，加强人才培养也被提上重要日程。指导意见提出，未来将通过组织开展比武竞赛等形式，发现选拔高精尖技术人才，建设人才库，建立健全人才发现、培养、选拔和使用机制，为做好网络安全工作提供人才保障。
AI驱动的泛安防市场 机遇与挑战并存
每个时代各有机遇，而机遇往往与挑战伴生。如何把握泛安防时代的新机遇、迎接新挑战，已经成为人工智能和传统安防企业重点关注的课题。
创新发展是生存的必然选择，没有市场会一成不变，安防行业亦是如此。从智能安防建设初期在公共安全领域的单线铺开，到如今面向楼宇、园区等一切涉及安全的封闭场景交叉延伸，人工智能在安防领域的应用边界越来越宽广，由AI驱动的泛安防时代已然到来。
AI普惠加速，智能安防下半场聚焦细分场景
得益于大数据和规模化的特性，以及十三五规划、十九大报告、雪亮工程等对安防视图资源共享协作，以及联网率、高清化建设的不断强调，公共安全、交通等非民用安防场景的“AI+”建设率先出发，智能化水平独占鳌头。
但这些场景并非安防的全部，金融、教育、楼宇、园区等民用安防领域对于智能化建设的需求同样迫切，行业想要实现全面智能化，必须摸透所有细分场景痛点。据前瞻产业研究院在2019年的调研数据显示，安防工程应用领域中，无论从工程数量还是项目金额来看，商业、金融都是占比最多的领域。毫无疑问，泛安防具有巨大的市场潜力。
与此同时，随着技术水平的提升与研发团队的成熟，人工智能底层算法生产与上层应用开发成本降低，效率提升，AI普惠化时代逐渐来临：从校园、办公到金融、商超，看似遥不可及的人工智能真正步入大众生活，带来切实的便利。在安防行业，AI的普惠就体现为智能从非民用安防走向民用安防。尤其是在新基建的浪潮中，人工智能基础设施建设备受重视，全场景智能安防的建设正加速推进。
年初突如其来的新*肺*疫情也进一步拓宽了智能安防的市场应用边界。正值春运返程高峰期，楼宇、园区等人流密集场所是安全管理的重要阵地之一，非接触、全天候、高效率的智能测温通行产品快速进入市场。再加上长期常态化的防疫趋势，以及疫情后“树立全周期的城市健康管理理念”的启示，对于泛安防场景做好安全防范至关重要的智能产品前景一片大好，人们对于人脸识别、视图分析等前端应用的接受程度也大大提升。
需求与政策的另一面，是新的市场和机会。其中，前端智能化成为了行业的共识，无论是算法见长的人工智能企业、基于传统安防业务的安防产品制造企业、还是专注数字化创新的ICT巨头都在打造以前端智能化为主的产品体系，以形成新的场景化解决方案，拥有AI算法的前端智能设备能够在前端完成视频数据的结构化或半结构化分析，这为后端的存储和计算减轻了很大压力。然而目前市场中前端智能化设备的占有率并不高，甚至很多二三线城市自动化门禁、普通视频监控都没有得到普及，智能设备覆盖率较低，可见泛安防领域的智能化升级具有极大空间。
而人工智能企业正在加速推动AI与泛安防场景的深度融合，一方面，通过打造定制化人工智能产品满足市场需求，另一方面通过商业化经营加速将新一代产品推向市场。
比如面向企业楼宇园区等泛安防场景，旷视基于自主训练的算法，先后推出了敏观智能网络摄像机、明察人证核验设备、神行人脸门禁一体机等端设备，旷鹰智能存算一体机、魔方智能分析盒等边缘设备，以及定位不同客户的云端产品，能够覆盖楼宇园区安全管理的各场景与全流程。从行业来看，这既是当前从业者打造泛安防产品矩阵的普遍范式，也展现了行业走向万物物联，云、边、端一体化的必然趋势。
智能化的泛安防市场，既是机遇也是挑战
从业者都想在蓝海中取一瓢饮，其中的挑战也不容小觑。在百家争鸣的泛安防时代，很多企业并没有能力深入全部场景，市场中的长尾需求是从业者的发展机遇，深入了解自身优势切入拓展某一行业，由小而精到大而全，面向需求各异的场景提供定制化解决方案成为了核心竞争力。
但不可否认的是，细分领域的挖掘并非一蹴而就。没有边界的泛安防格局场景众多且碎片化，单一场景的需求也极为个性化、多样化，目前围绕人脸识别、语音分析等展开的市场主流算法，以及企业不够成熟的算法能力，不能满足长尾场景对于定制化算法的需求，企业难以更进一步，落后算法生产力与日益增长的多样化需求也导致智能安防行业发展受阻。比如在车间生产安全这一泛安防领域，从生产线是否正常运行、环境条件是否达标，到人员违规行为的检测，每一模块都需要定制化算法的开发，才能切实消除隐患。
为此，企业想要在新机遇中占据市场主动地位，首先要通过自主研发或基于第三方技术形成自己的算法、算力、数据能力，以此作为坚实基底，再针对泛安防长尾场景需求，高效率、低成本地训练长尾算法，打造定制化解决方案，从而对场景内每一项安全管理需求进行分类识别，完善场景安全监管体系，精准识别违规事件，并做到事前预警自动处理。
随着人脸识别比对、车牌识别、视频结构化等成熟技术，以及创新性算法已经在泛安防场景加快融合，人工智能技术正成为各场景安全防范工作的主要手段，但全面化的智能安防才刚刚迈出第一步：真正解决算法供给侧矛盾、数据安全与隐私等问题还有很长的一段路。想要抓住机遇走好智能安防下半场，企业不仅要抓住机遇，更要主动迎接挑战，调整发展格局。
摸不到的车载“传感器”——高精度地图
预计，高精度地图行业未来十年将迎来黄金发展期，到 2020 年高精度地图市场为 21 亿美元，2030 年该市场将达到 200 亿美元。在高精度地图的争夺焦点上，行业厂商纷纷进场，迎来发展的关键阶段。
前不久，高德简短的线上发布会，为地图战事再添一把新火。借着余温，我们围绕高精度地图展开聊一聊。
文章大概分为以下几个部分：什么是高精度地图？高精度地图如何赋能自动驾驶？高精度地图的产业现状面临的挑战有哪些？
什么是高精度地图？
高精度地图(HD Map，High Definition Map)，是一种专为自动驾驶服务的地图。
与传统的电子导航地图相比，高精度地图不同之处在于：
精度：传统导航地图提供“道路级别”的导航信息，精度在米级别，可实现车辆的基本导航需求；高精度地图能够提供“车道级别”的导航信息，精度在厘米级别，可实现车辆的基本导航需求。
数据维度：在道路形状、坡度、曲率、铺设、方向等道路数据基础上，高精度地图不仅增加了车道属性相关(车道线类型、车道宽度等)数据，更有诸如限高、禁行、防护栏。道路边缘类型、路边地标等大量目标数据。高精度地图能够明确区分车道线类型、路边地标等细节。
使用对象：传统导航电子地图是面向驾驶员，供驾驶员使用的地图数据；而高精度地图是面向自动驾驶汽车车机设备使用的地图数据，与传感器互相补充为无人驾驶提供安全保障。
数据实时性：高精度地图对数据的实时性要求更高。高精度地图将大量的行车辅助信息存储为结构化数据，通过云端实时更新高精度动态地图数据。
简单来讲，高精地图就是精度更高、数据维度更广的电子导航地图，是自动驾驶感知层和决策层的数据基础。高精度地图通过更高维数的数据结合高效率的匹配算法，结合车载 GPS、IMU、LiDAR 或摄像头的数据，解决感知环节中传感器在雨雪、大雾天气里不适用的问题，在交互决策环节中对数据进行修正，从而实现更精确的定位。
并且高精地图还有一个非常现实的意义，就是能够减少车载传感器的数量，降低整车成本，加快自动驾驶的落地。
但是，有一点需要注意的是，高精地图需要绘制出信号失锁区域。在信号失锁区域，自动驾驶车辆需要提高摄像头识别的灵敏度。
总之，不论是动态化，高精度和多维度，最终目的都是为了保证自动驾驶的安全与高效率。动态化保证了自动驾驶能够及时地应对突发状况，选择最优的路径行驶；高精度确保了机器自动行驶的可行性，保证了自动驾驶的顺利实现；多维度则是与更多逻辑规则相结合，进一步提升了自动驾驶的安全性。
高精度地图如何赋能自动驾驶？
上面介绍了高精度地图的特点和优势，相信也能看到其对于自动驾驶行业的助力。笔者简单整理为以下几方面，方便大家直观的了解。
与非网制图
高精度地图产业现状
由于高精地图是链接人、车、路等各种交通参与者的纽带，车企、Tier1、地图厂商、互联网企业、芯片厂商等围绕高精地图开展了各种各样的合作，共同推进高精地图产业的发展。
由于国外地图行业由于政策监管较松，研发较为活跃，发展速度较快。截止目前，国外的高精地图主要有 Here、TomTom、Waymo(原 Google 地图)等老牌图商；以及 DeepMap、CivilMaps、Carmera 等初创公司。
竞争格局呈现出两极分化态势：一方面是大型互联网科技巨头、车企等在高精度地图的研发上更多采取集中采集的地图信息搜集方式，其合作伙伴数量相对而言更多且更为稳定，在市场上影响力更强；另一方面则是自动驾驶行业算法集成层面的初创公司，成本预算有限，对现金流较为迫切，因此基本采用成本较低的众包采集，并且更积极地探索高精度地图的商业化变现模式。
和美国不同，国内市场因为有较为严格的地图测绘政策限制，国家测绘局对电子地图制作设立了甲级资质的高准入门槛。据中国自然资源报数据显示，截至 2020 年 2 月，具有电子地图制作甲级资质的单位有 22 家。早在 2012 年前后，国内的高德、百度、四维图新等老牌导航电子地图制作企业提前布局自动驾驶地图业务。
随着自动驾驶投资热潮涌现，其他导航电子地图资质企业、互联网公司、汽车企业及专业自动驾驶地图创业公司，也都纷纷加入到自动驾驶地图市场的角逐当中。目前行业公司大体可分为四类：一是导航电子地图图商，如四维图新、高德、百度、易图通等；二是自动驾驶地图创业公司，如 Momenta、宽凳、DeepMotion 等；三是车企扶植的地图企业，如被上汽控股的中海庭、吉利汽车亿喀通旗下自动驾驶地图团队；四是其他获得导航电子地图资质的公司，如华为、江苏智图等。整体呈现出传统图商、初创企业、车企、互联网巨头多方逐鹿的行业竞争格局，在高精地图领域积极布局。
诚然，相较于高光下的自动驾驶车，高精度地图的战局严重被低估。回顾自动驾驶地图产业发展，可以清晰地看到两大行业的迅速融合——各大传统汽车厂商在布局自动驾驶业务时，几乎无一例外地投资或收购高精度地图公司，而诸多地图公司也更是早早就盯住了自动驾驶的巨大市场。
各企业在高精度地图市场跑马圈地的背后，也是抢位地图入口的争夺战。
挡在面前的挑战
作为智能网联汽车基础设施，高精度地图具有精度高、维度多、实时更新等特点，其重要性不言而喻。但由于自动驾驶地图提供的数据对于精度的要求，涉及到了空间信息安全，现行的法律以及政策在数据采集、传输、储存、使用以及表达上依然存在诸多限制，高精度地图面临诸多挑战。
·高精度地图制作难度大
高精度地图虽然好用，但目前还无法大规模地生产。高精度地图的测绘过程要比传统电子地图复杂，目前市场上高精地图的制作方式主要是“采集车测绘”和“众包测绘”两种。
由专业采集车辆或众包车辆对道路及其周边地理要素或人工设施的特征(形状、大小、空间位置)进行实时采集、处理及提供，并且在后期高精度地图的制作还要由图商进行编辑加工和数据转换。
高精度地图的数据采集和制作都属于测绘活动，由于地理信息涉及国家秘密，在中国从事高精度地图测绘活动需要获取导航电子地图甲级资质。这使得数据的采集和使用以及表达受到极大限制，部分企业由于现行法规限制，没有测绘资质就没办法采集、使用以及储存这些空间位置信息，只能够跟有资质的厂商进行合作。
【小科普】
采集车采集：该方式依赖于专业采集设备和专业采集人员，专业测绘车，通过自主采集半自动化以及全自动化生产的方式获得了高精度的矢量地图，矢量地图包括车道级拓朴、车道边线、道路区间以及 ADAS 数据等信息，它能够满足车道级的导航功能的自动驾驶，精度和可信度高。在完成集中式数据采集后，还要经历数据融合、数据处理、发布、交付等诸多环节。传统图商凭借自身技术优势一般采纳采集车测绘，精度更高；
众包采集：基本上可以理解为用户通过自动驾驶车辆自身的传感器，或其他低成本的传感器硬件，收集的道路数据传到云端进行数据融合，并通过数据聚合的方式提高数据精度，来完成高精地图的制作。整车厂拥有海量普通汽车，以“众包测绘”为主。采集数据完成后要将来自 GNSS、点云、图像等数据识别融合在一起，最后经过人工的修正完善，才上传到云端。
·政策限制
地图政策的挑战仅存在于国内，国外政策在此较为宽泛。由于测绘及地图制作涉及国家安全，我国高精度地图数据采集需要符合相关政策的规定。
对于数据的采集，包括道路的高程、坡度、曲率，桥梁隧道的限高、限重等信息，按照现行政策，有明确的限制。比如，《基础地理信息公开表示内容的规定》显示，快速路、高架路、引道、街道和内部道路的铺设材料、最大纵坡、最小曲率半径不可公开。同时，也不能记录涉密的地理信息数据(坐标、高程等)。而车企对于这些数据又有很强的需求，这直接导致在自动驾驶中，坡度和高程无法直接使用，这将对地图的便捷使用造成影响。
·缺少统一的数据管理平台
随着自动驾驶的发展，更多的汽车厂、图商对高精地图投入了越来越多的资源。这些厂商在发展高精地图时，由于各自的数据格式并不相同，所以导致数据无法方便地在彼此间进行交互。
目前国际上高精地图规范有 NDS、OpenDRIVE、OMP 公司规范等几种，精度和刷新频率也没有统一标准。同时，由于都把高精地图当作自己的核心竞争力，所以彼此的高精地图不进行共享，这就导致了每家图商都要独自采集全国的高精地图数据，就进一步提高了成本。此外，车厂也不情愿对图商共享数据，这进一步推高了高精地图的采集成本，同时拖延了高精地图的更新速度。
此外，自动驾驶地图不仅包含很高精度的道路静态信息，未来可能还会包含交通事件以及道路施工等动态信息，很难保证地图数据的实效性，即无法保证地图数据足够“新鲜”。基于这个特性，其数据采集和更新成本将持续走高。
·技术上依旧面临突破
由于高精地图呈现的信息量相对较大，导致高精地图在数据的采集上较普通电子地图难度更高，采集周期更长。目前高精地图还无法做到国内所有道路全面覆盖，只能覆盖部分高速公路及主要的城市道路。
另外，自动驾驶的程度越高，对数据内容和精度的要求就会越高。以车道线和路面标识为例，需要利用深度学习的方法对激光点云进行自动化识别来提取，通过这些自动化处理的方式，可以降低高精地图生产成本。
但由于自动识别的效率需要依赖算法的提升，所以这不是一蹴而就的过程，而是一个长期的发展过程。
写在最后
放眼市场，在多方势力角逐之下，高精度地图的市场进程节奏已然加快。
但一直以来，大范围的精度控制难、制作和更新成本高、以及对于实时性的要求，都是高精度地图面临的重大挑战，产业化之路依旧较长。
同时，随着面向自动驾驶的完整地图服务商业模式的逐渐成型，整个市场的竞争门槛或许也将从过去单一的挑战转向如何更好的为自动驾驶系统服务。
从两种数据采集方式来看，采用专业采集车采集和制作的方式来保障大范围的精度控制，是当前主流图商的基本做法；而通过众包采集，主要依赖算力、AI 及计算机视觉技术，实现无人干预的全自动化实时云端制图和发布，或将是未来低成本、快速更新高精度地图的主流趋势。
可见，挑战之下，实践是发现和解决问题的途径。
有业界专家曾这样表示“高精度地图就像自动驾驶汽车的记忆，离开了记忆，无论眼睛和思考(摄像头 / 雷达+控制系统)速度有多么发达，还是无法对事件有全局把控”。
如今，记忆尚处于模糊地带，亟待被唤醒，引领自动驾驶去开拓其“蛮夷之地”。