适用范围：主要技术内容:本文件确立了互联网信息推荐技术影响评估框架及流程，描述了评估方法、评估实施步骤及评估工作形式。本文件适用于互联网内容提供商、第三方评估机构以及监管部门等开展互联网信息推荐技术影响评估工作

适用范围：主要技术内容:本文件规定了家庭场景WLAN设备带宽、时延、漫游、连接等组网性能及业务体验的技术要求。本文件适用于FTTR、mesh无线组网路由器、家用AC+AP、家用PLC的设计、开发、生产及测试，以及WAA联盟对家庭场景WLAN设备组网性能和体验测试

适用范围：主要技术内容:疫情精准防控需要多部门联合部署，涉及到数据的传递，多部门信息化建设标准不统一，导致数据交换多样化，容易造成信息传递不畅或丢失。基于疫情防控实际工作经验，对烟台市疫情防控业务流程梳理，整合数据资源，形成数据标准规范，制定相应的信息化建设标准，形成一套完整的数据标准、信息系统建设的基础业务数据项。疫情防控数据共享与交换标准，采用常用的数据交换格式，适用于数据的交换与共享，利于系统建设和管理。多部门使用统一的数据交换标准，无需考虑数据交换的通道问题，在争分夺秒的精准防控中，保障数据交换、传递的精准、便捷。为疫情防控大数据行业标准化建设提供标准指导

适用范围：范围:本文件规定了APP安全测试的术语和定义、分类、测试评估项目、测试评估方法。本文件适用于APP的安全试测性; 主要技术内容:本文件规定了APP安全测试的术语和定义、分类、测试评估项目、测试评估方法

适用范围：范围:本文件规定了数字化能力评估系统进行网上评估工作的全流程评估方法，包括评估工作计划、制定评估指标体系、数据采集与处理、评估结果生成等方面的要求和步骤。 本文件适用于各服务机构使用数字化能力评估系统进行服务能力的自我评估和第三方评估，旨在提高服务的质量和效率，提升用户体验和满意度; 主要技术内容:本文件适用于各服务机构使用数字化能力评估系统进行服务能力的自我评估和第三方评估，旨在提高服务的质量和效率，提升用户体验和满意度。评估工作主要流程为制定评估工作计划，根据工作计划拆解为任务，根据任务的形式推动评估团队成员进行制定评估指标体系、数据采集与处理、生成评估结果等工作。--制定评估工作计划：根据评估目标制定工作计划，确定评估工作成员，将计划录入系统形成评估任务。--制定评估指标体系：根据评估对象配置具有科学性、客观性、全面性、可行性的评估指标，将评估指标按照对应的评估标准构建为评估指标体系。--数据采集与处理：通过一定方式、方法和技术，获取所需的数据，并对其进行清洗、分类、转换、处理等操作。--评估结果生成：用适当的统计分析方法对大量数据进行分析，以提取有用信息和形成结论

适用范围：主要技术内容:本文件规定了元城市运行生命体征评价指标体系的评价指标体系、指标说明、指标权重和测算方法。本文件适用于元城市运行生命体征评价

适用范围：范围:本标准规定了高等教育数据分类分级的一般要求、维度、流程和变更过程。 本文件适用于高等教育领域内一般数据进行分类分级，不涉及重要数据和核心数据，也不适用于涉密数据的分类分级管理。 本标准定义了深圳市全市范围内高等教育领域数据资源的分类分级原则、框架和方法。 本标准适用于深圳市全市范围内高等院校、教育行政部门等相关单位的数据分类分级和数据共享开放，也可供高等教育、网络安全主管部门以及第三方评估机构等组织开展高等教育数据分类分级的安全监督管理与评估等工作时参考。 本标准旨在指导数据处理者进行数据分类分级工作，同时也可为主管监管部门在数据分类分级管理方面提供参考; 主要技术内容:本标准规定了高等教育数据分类分级的一般要求、维度、流程和变更过程。本文件适用于高等教育领域内一般数据进行分类分级，不涉及重要数据和核心数据，也不适用于涉密数据的分类分级管理。本标准定义了深圳市全市范围内高等教育领域数据资源的分类分级原则、框架和方法。本标准适用于深圳市全市范围内高等院校、教育行政部门等相关单位的数据分类分级和数据共享开放，也可供高等教育、网络安全主管部门以及第三方评估机构等组织开展高等教育数据分类分级的安全监督管理与评估等工作时参考。本标准旨在指导数据处理者进行数据分类分级工作，同时也可为主管监管部门在数据分类分级管理方面提供参考。结合高等院校人才培养、科学研究、校园管理、校园安全等方面业务，考虑高等院校教育数据安全要求，业务规模，数据复杂程度等实际情况，对高等院校数据进行分类梳理和标识，形成高等院校数据分类清单。根据不同类别数据遭篡改、破坏、泄露或非法利用后，可能对高等院校及相关个人生产、生活、经济效益等带来的潜在影响研究高校数据的分级情况

适用范围：主要技术内容:1 范围2 规范性引用文件3 术语和定义4 缩略语5 功能性要求6 非功能性要求7 节能要求

适用范围：范围:本标准提出了人工智能深度学习算法的评估指标体系、评估流程，以及需求阶段评估、设计阶段评估、实现阶段评估和运行阶段评估等内容。 本标准适用于指导深度学习算法开发方、用户方以及第三方等相关组织对深度学习算法的可靠性开展评估工作; 主要技术内容:本标准的主要借鉴国际标准DO-178C-2011 Software Consideration in Airborne Systems and Equipment Certification 的思想，针对算法的不同阶段定义了多个不同的目标来满足不同的等级，同时实现了面向深度学习算法可靠性指标体系的前向和后向追踪的理念，使得对算法研发过程的验证与评估变得更容易，从而达到评估可靠性的目标。本标准结合人工智能深度学习算法的特点及传统的可靠性评估的体系及流程，制定了标准的内容，主要包括以下方面：算法可靠性评估指标体系基于深度学习算法可靠性的内外部影响考虑，结合用户实际的应用场景，本标准提出了一套深度学习算法的可靠性评估指标体系。指标体系包含7个一级指标和20个二级指标。算法可靠性评估流程依据深度学习算法可靠性评估指标体系，对深度学习算法开展可靠性评估工作。可靠性评估流程包括确定可靠性目标、选择评估指标、需求阶段的评估、设计阶段的评估、实现阶段的评估、运行的阶段评估及得出评估结论这七个阶段。算法需求、设计、实现和运行阶段的前提条件、输入、关键活动及输出的内容面向深度学习算法需求阶段的评估工作，指运用可靠性分析方法，通过对算法功能实现的正确性和软硬件平台依赖的影响等进行评估，以确定算法的需求满足可靠性目标要求。面向深度学习算法设计阶段的可靠性评估工作，指运用分析或评审等方法，对算法功能实现的正确性、训练数据集的影响及目标函数等进行评估，以确定算法设计满足可靠性目标要求。面向深度学习算法实现阶段的可靠性评估工作，指运用分析和测试等方法，对算法功能实现的正确性、代码实现的正确性、目标函数的影响及对抗性样本的影响等进行评估，以确定算法的实现满足可靠性目标要求。面向深度学习算法运行阶段的可靠性评估工作，指针对实际运行环境使用数据进行分析，对算法的正确性、软硬件平台的依赖影响和环境数据的影响等进行评估，以确定算法的运行满足可靠性目标要求。深度学习算法可靠性评估指标选取规则附录A给出了深度学习算法的可靠性评估指标的选取规则。针对不同级别的深度学习

适用范围：主要技术内容:本文件规定了基于数网络灯光亮化智能控制系统的术语与定义、技术要求、试验方法、检验以及验收规则等。本文件适用于利用网络智能控制灯光亮化的控制系统的设计、应用与验收