乐发lv骗局_乐发lvAPP

中央农村工作会议系列解读⑤强化种业企业创新能力 切实推进种业振兴行动******

　　作者：林青宁、毛世平、王晓君，中国农业科学院农业经济与发展研究所

　　近期，习近平总书记在中央农村工作会议上强调“要抓住耕地和种子两个要害”“把种业振兴行动切实抓出成效，把当家品种牢牢攥在自己手里”。作物育种和种子产业发展对于保障我国粮食安全和农业可持续发展意义重大。科技创新是突破前沿育种关键技术，培育战略性新品种的源头，对我国种业发展至关重要。当前，以市场化为导向的育种模式已是种业创新大势所趋，然而我国种业企业科研创新能力相对较弱，严重制约了我国种业创新链的延长。亟须强化种业企业创新能力，切实推进种业振兴行动。

　　近年来，我国种业企业在技术创新方面取得了一定进步，表现在三个方面：一是生物育种企业创新平台建设已较为完善。当前国内典型种业企业普遍拥有国家级、省部级重点实验室、博士后工作站等具有行业影响力的技术创新平台，具有较强的技术开发和创新能力。且隆平高科等种业企业已具备了较完善的国外研发体系布局。二是典型生物育种企业科企合作模式初步形成。当前国内典型种业企业不仅与高等院校、科研院所建立了产学研合作关系，还与各类学会建立了长期深入的合作。且首农集团等企业与国外机构在生物技术育种等方面建立了稳定的合作关系。三是典型种业企业创新产出逐渐丰富，在市场准入（审定、登记）品种、发明专利、科技进步奖等方面取得明显进步。“十三五”以来，隆平高科、登海种业等种业企业不断培育出双抗绿色高产的动植物品种。

　　当然，在成绩的背后，我国种业企业创新发展仍面临诸多难题：一是知识产权保护体系不完善。种业创新知识产权保护存在制度、认知和执行层面的问题，导致品种侵权行为仍较为普遍。二是种业品种同质化严重。新《种子法》实施以来，市场新品种“井喷”，但突破性品种缺乏，种子供给低价竞争，影响企业研发投入。三是种业项目偏离产业化应用。当前项目申报管理基本由科研人员出题并答题，产业需求导向不足。企业在科技论文等方面的劣势，影响了项目申报的成功率。四是科企合作形胜于质。目前科企合作多是联合申请项目，一旦项目结束合作关系就解体，两者为松散型合作。人才合作也多局限在简单的技术指导层面。五是科研院所与企业存在“同质竞争”。目前科研院所种业创新也偏向于生物育种，打破了原有科研院所基础研究、企业应用研究的平衡，挤压了种业企业的利润空间。

　　针对当前制约种业企业创新发展的系列问题，必须进一步优环境、活机制，提高种业企业创新动力与效能。

　　一是构建知识产权利益分享机制，完善知识产权保护体系。构建知识产权参与分配的利益机制，建立原始品种权人和实质性派生品种权人的利益分享机制。完善知识产权保护的政策体系，加强知识产权保护平台建设，推动知识产权社会共治，打通知识产权保护通道，培育知识产权保护的良好环境。

　　二是优化品种审定制度，推动品种由“多乱杂”向“多专优”转变。完善现行主要农作物品种审定制度，提高审定门槛，适当提高现行审定指标标准，减少品种数量，提高品种质量，使真正有实力品种脱颖而出，提高企业创新的内在动力。加快建立分作物分子指纹库，严格和规范品种审定和登记“特异性、一致性、稳定性”测试，通过技术手段把牢品种准入关。强化品种标准样品管理，开展品种符合性验证试验，为强化品种事中事后监管提供有力支撑。

　　三是加强种业科技项目产业化属性，增加种业企业经费支持。增加种业专项科技创新项目数量，增加种业企业获取科研经费支持的渠道，保障有实力的种业企业能够获得相应的科研项目以及研发经费支持。对种业企业融资方面给予支持，对产业化发展企业实施低息支持，尤其企业用于科技创新研发、基地建设方面的投资可给予无息支持。

　　四是引导科企合作深度融合，促进联盟运行由虚转实。创新项目形成机制，由企业根据产业需求提出技术难题，政府组织监督在全国范围内进行项目招标，构建企业“出榜”“评榜”+政府“发榜”+科研院校“揭榜”的机制。建立共建共享机制，完善联盟成员间的利益联结和分配机制，促进产学研协同创新效率。积极推动联盟实体化，适合以股份合资的方式实现实体化的要加快引导，适合以协会等社会团体法人方式实现资源整合的要给予政策支持。

　　五是强化科研院所生物育种基础研究属性，完善生物种业科研成果共享机制。多措并举强化科研院所做好种质资源的收集、分析、挖掘工作，进行基础性、前沿性、公益性研究，并完善科研成果信息共享机制，在合法合规的前提下，鼓励科研院所向社会公众公布科研成果和相关的知识产权信息，将生物种业科研成果转让给典型种业企业进行新品种培育，实现科研成果的开放共享。

你的隐私，大数据怎知道******

　　作者：杨义先、钮心忻（均为北京邮电大学教授）

　　在网络上，每个人都会或多或少，或主动或被动地泄露某些碎片信息。这些信息被大数据挖掘，就存在隐私泄露的风险，引发信息安全问题。面对汹涌而来的5G时代，大众对自己的隐私保护感到越来越迷茫，甚至有点不知所措。那么，你的隐私，大数据是怎么知道的呢？大家又该如何自我保护呢？

　　1.“已知、未知”大数据都知道

　　大数据时代，每个人都有可能成为安徒生童话中那个“穿新衣”的皇帝。在大数据面前，你说过什么话，它知道；你做过什么事，它知道；你有什么爱好，它知道；你生过什么病，它知道；你家住哪里，它知道；你的亲朋好友都有谁，它也知道……总之，你自己知道的，它几乎都知道，或者说它都能够知道，至少可以说，它迟早会知道！

　　甚至，连你自己都不知道的事情，大数据也可能知道。例如，它能够发现你的许多潜意识习惯：集体照相时你喜欢站哪里呀，跨门槛时喜欢先迈左脚还是右脚呀，你喜欢与什么样的人打交道呀，你的性格特点都有什么呀，哪位朋友与你的观点不相同呀……

　　再进一步说，今后将要发生的事情，大数据还是有可能知道。例如，根据你“饮食多、运动少”等信息，它就能够推测出，你可能会“三高”。当你与许多人都在独立地购买感冒药时，大数据就知道：流感即将暴发了！其实，大数据已经成功地预测了包括世界杯比赛结果、股票的波动、物价趋势、用户行为、交通情况等。

　　当然，这里的“你”并非仅仅指“你个人”，包括但不限于，你的家庭，你的单位，你的民族，甚至你的国家等。至于这些你知道的、不知道的或今后才知道的隐私信息，将会把你塑造成什么，是英雄还是狗熊？这却难以预知。

　　2.数据挖掘就像“垃圾处理”

　　什么是大数据？形象地说，所谓大数据，就是由许多千奇百怪的数据，杂乱无章地堆积在一起。例如，你在网上说的话、发的微信、收发的电子邮件等，都是大数据的组成部分。在不知道的情况下被采集的众多信息，例如被马路摄像头获取的视频、手机定位系统留下的路线图、驾车的导航信号等被动信息，也都是大数据的组成部分。还有，各种传感器设备自动采集的有关温度、湿度、速度等万物信息，仍然是大数据的组成部分。总之，每个人、每种通信和控制类设备，无论它是软件还是硬件，其实都是大数据之源。

　　大数据利用了一种名叫“大数据挖掘”的技术，采用诸如神经网络、遗传算法、决策树、粗糙集、覆盖正例排斥反例、统计分析、模糊集等方法挖掘信息。大数据挖掘的过程，可以分为数据收集、数据集成、数据规约、数据清理、数据变换、挖掘分析、模式评估、知识表示等八大步骤。

　　不过，这些听起来高大上的大数据产业，几乎等同于垃圾处理和废品回收。

　　这并不是在开玩笑。废品收购和垃圾收集，可算作“数据收集”；将废品和垃圾送往集中处理场所，可算作“数据集成”；将废品和垃圾初步分类，可算作“数据规约”；将废品和垃圾适当清洁和整理，可算作“数据清理”；将破沙发拆成木、铁、布等原料，可算作“数据变换”；认真分析如何将这些原料卖个好价钱，可算作“数据分析”；不断总结经验，选择并固定上下游卖家和买家，可算作“模式评估”；最后，把这些技巧整理成口诀，可算作“知识表示”。

　　再看原料结构。大数据具有异构特性，就像垃圾一样千奇百怪。如果非要在垃圾和大数据之间找出本质差别的话，那就在于垃圾是有实体的，再利用的次数有限；而大数据是虚拟的，可以反复处理，反复利用。例如，大数据专家能将数据（废品）中挖掘出的旅客出行规律交给航空公司，将某群体的消费习惯卖给百货商店等。总之，大数据专家完全可以“一菜多吃”，反复利用，而且时间越久，价值越大。换句话说，大数据是很值钱的“垃圾”。

　　3.大数据挖掘永远没有尽头

　　大数据挖掘，虽然能从正面创造价值，但是也有其负面影响，即存在泄露隐私的风险。隐私是如何被泄露的呢？这其实很简单，我们先来分解一下“人肉搜索”是如何侵犯隐私的吧！

　　一大群网友，出于某种目的，利用自己的一切资源渠道，尽可能多地收集当事人或物的所有信息；然后，将这些信息按照自己的目的提炼成新信息，反馈到网上与别人分享。这就完成了第一次“人肉迭代”。

　　接着，大家又在第一次人肉迭代的基础上，互相取经，再接再厉，交叉重复进行信息的收集、加工、整理等工作，于是，便诞生了第二次“人肉迭代”。如此循环往复，经过多次不懈迭代后，当事人或物的画像就跃然纸上了。如果构成“满意画像”的素材确实已经证实，至少主体是事实，“人肉搜索”就成功了。

　　几乎可以断定，只要参与“人肉搜索”的网友足够多，时间足够长，大家的毅力足够强，那么任何人都可能无处遁形。

　　其实，所谓的大数据挖掘，在某种意义上说，就是由机器自动完成的特殊“人肉搜索”而已。只不过，这种搜索的目的，不再限于抹黑或颂扬某人，而是有更加广泛的目的，例如，为商品销售者寻找最佳买家、为某类数据寻找规律、为某些事物之间寻找关联等。总之，只要目的明确，那么，大数据挖掘就会有用武之地。

　　如果将“人肉搜索”与大数据挖掘相比，网友被电脑所替代；网友们收集的信息，被数据库中的海量异构数据所替代；网友寻找各种人物关联的技巧，被相应的智能算法替代；网友们相互借鉴、彼此启发的做法，被各种同步运算所替代。

　　各次迭代过程仍然照例进行，只不过机器的迭代次数更多，速度更快，每次迭代其实就是机器的一次“学习”过程。网友们的最终“满意画像”，被暂时的挖掘结果所替代。之所以说是暂时，那是因为对大数据挖掘来说，永远没有尽头，结果会越来越精准，智慧程度会越来越高，用户只需根据自己的标准，随时选择满意的结果就行了。

　　当然，除了相似性外，“人肉搜索”与“大数据挖掘”肯定也有许多重大的区别。例如，机器不会累，它们收集的数据会更多、更快，数据的渠道来源会更广泛。总之，网友的“人肉搜索”，最终将输给机器的“大数据挖掘”。

　　4.隐私保护与数据挖掘“危”“机”并存

　　必须承认，就当前的现实情况来说，大数据隐私挖掘的“杀伤力”，已经远远超过了大数据隐私保护的能力；换句话说，在大数据挖掘面前，当前人类有点不知所措。这确实是一种意外。自互联网诞生以后，在过去几十年，人们都不遗余力地将碎片信息永远留在网上。其中的每个碎片虽然都完全无害，可谁也不曾意识到，至少没有刻意去关注，当众多无害碎片融合起来，竟然后患无穷！

　　不过，大家也没必要过于担心。在人类历史上，类似的被动局面已经出现过不止一次了。从以往的经验来看，隐私保护与数据挖掘之间总是像“走马灯”一样轮换的——人类通过对隐私的“挖掘”，获得空前好处，产生了更多需要保护的“隐私”，于是，不得不再回过头来，认真研究如何保护这些隐私。当隐私积累得越来越多时，“挖掘”它们就会变得越来越有利可图，于是，新一轮的“挖掘”又开始了。历史地来看，人类在自身隐私保护方面，整体处于优势地位，在网络大数据挖掘之前，“隐私泄露”并不是一个突出的问题。

　　但是，现在人类需要面对一个棘手的问题——对过去遗留在网上的海量碎片信息，如何进行隐私保护呢？单靠技术，显然不行，甚至还会越“保护”，就越“泄露隐私”。

　　因此，必须多管齐下。例如从法律上，禁止以“人肉搜索”为目的的大数据挖掘行为；从管理角度，发现恶意的大数据搜索行为，对其进行必要的监督和管控。另外，在必要的时候，还需要重塑“隐私”概念，毕竟“隐私”本身就是一个与时间、地点、民族、文化等有关的约定俗成的概念。

　　对于个人的网络行为而言，在大数据时代，应该如何保护隐私呢？或者说，至少不要把过多包含个人隐私的碎片信息遗留在网上呢？答案只有两个字：匿名！只要做好匿名工作，就能在一定程度上，保护好隐私了。也就是说，在大数据技术出现之前，隐私就是把“私”藏起来，个人身份可公开，而大数据时代，隐私保护则是把“私”公开（实际上是没法不公开），而把个人身份隐藏起来，即匿名。

　　《光明日报》（ 2023年01月12日 16版）

　　（文图：赵筱尘 巫邓炎）