1、网络安全等级保护基本要求 1~5部分 2、GBT 28449-2018信息安全技术网络安全等级保护测评过程指南 3、GBT 22239-2019 信息安全技术网络安全等级保护基本要求 4、GBT 25070-2019 信息安全技术网络安全等级保护安全设计技术要求 5、GBT 28448-2019 信息安全技术网络安全等级保护测评要求 6、GAT 671-2006 信息安全技术 终端计算机系统安全等级技术要求 7、GAT 1346-2017 信息安全技术 云操作系统安全技术要求 8、GAT 1350-2017信息安全技术工业控制系统安全管理平台安全技术要求 9、GAT 1390 信息安全技术 网络安全等级保护基本要求 第2、3、5部分 10、GAT 1393-2017 信息安全技术 主机安全加固系统安全技术要求 11、GBT 20272-2019 信息安全技术 操作系统安全技术要求 12、GBT 22240-2008 信息安全技术 信息系统安全等级保护定级指南 13、GBT 25058-2010 信息安全技术 信息系统安全等级保护实施指南 14、GBT 25070-2019 信息安全技术 网络安全等级保护安全设计技术要求 15、GBT 28448-2019 信息安全技术 网络安全等级保护测评要求 16、GBT 28449-2018 信息安全技术 网络安全等级保护测评过程指南 17、GBT 30976.1-2014 工业控制系统信息安全第1部分：评估规范 18、GBT 30976.2-2014 工业控制系统信息安全第2部分：验收规范 19、GBT 32919-2016 信息安全技术工业控制系统安全控制应用指南 20、GBT 33008.1-2016 工业自动化和控制系统网络安全 可编程序控制器(PLC) 第1部分：系统要求 21、GBT 33009-2016 工业自动化和控制系统网络安全 集散控制系统(DCS) 第1，2，3，4部分 22、GBT 34978-2017 信息安全技术 移动智能终端个人信息保护技术要求 23、GBT 35278-2017 信息安全技术移动终端安全保护技术要求 24、GBT 35317-2017 公安物联网系统信息安全等级保护要求 25、GBT 35673-2017 工业通信网络 网络和系统安全 系统安全要求和安全等级 26、GBT 36047-2018 电力信息系统安全检查规范 27、GBT 36323-2018 信息安全技术工业控制系统安全管理基本要求 28、GBT 36324-2018 信息安全技术工业控制系统信息安全分级规范 29、GBT 36466-2018 信息安全技术工业控制系统风险评估实施指南 30、GBT 36470-2018 信息安全技术工业控制系统现场测控设备通用安全功能要求 31、GBT 36572-2018 电力监控系统网络安全防护导则 32、GBT 37971-2019 信息安全技术 智慧城市安全体系框架 33、GBT 20272-2019 信息安全技术 操作系统安全技术要求 34、GBT 26333-2010 工业控制网络安全风险评估规范 35、GBT 29829-2013 信息安全技术 可信计算密码支撑平台功能与接口规范 36、GBT 30372-2013 火力发电厂分散控制系统验收导则 37、GBT 30976.1-2014 工业控制系统信息安全 第1部分：评估规范 38、GBT 30976.2-2014 工业控制系统信息安全 评估规范 39、GBT 32919-2016 信息安全技术 工业控制系统安全控制应用指南 40、GBT 36293-2018 火力发电厂分散控制系统技术条件 41、GBT 37933-2019信息安全技术 工业控制系统专用防火墙技术要求 42、GBT 37934-2019信息安全技术 工业控制网络安全隔离与信息交换系统安全技术要求 43、GBT 37935-2019 信息安全技术 可信计算规范 可信软件基 44、GBT 37941-2019信息安全技术 工业控制系统网络审计产品安全技术要求 45、GBT 38318-2019 电力监控系统网络安全评估指南 46、GBT 37973-2019 信息安全技术 大数据安全管理指南 47、GBT 37980-2019信息安全技术 工业控制系统安全检查指南 48、GBT 37988-2019信息安全技术 数据安全能力成熟度模型 49、GBT 12504-90计算机软件质量保证计划规范 50、GBT 24363-2009 信息安全技术 信息安全应急响应计划规范 51、GBT 25058-2019 信息安全

U-GAT-IT —正式TensorFlow实施（ICLR 2020） ：具有图像到图像转换的自适应层实例规范化的无监督生成注意网络 | 该存储库提供以下论文的正式Tensorflow实现： U-GAT-IT：具有图像到图像转换的自适应层实例规范化的无监督生成注意网络Kim Junho（NCSOFT） ，Minjae Kim（NCSOFT），Hyeonwoo Kang（NCSOFT），Kwanghee Lee（波音韩国） 摘要我们提出了一种新的无监督图像到图像翻译方法，该方法以端到端的方式结合了新的注意力模块和新的可学习归一化功能。 注意力模块指导我们的模型将注意力集中在基于辅助分类器获得的注意力图来区分源域和目标域的更重要区域上。 与以前基于注意力的方法无法处理域之间的几何变化不同，我们的模型可以转换需要整体变化的图像和需要大形状变化的图像。 此外，我们新的AdaLIN（自适应层实例

以上使用了GCN, ChebNet, GAT三种图卷积来预测交通流量，只考虑了空间上的影响，没有考虑时序上的影响，所以效果有进一步提升空间。这里只是为了实现基于上述三种图卷积预测交通流量。 可以很明显看出三种模型在处理数据时的快慢和准确率。 三种模型都具有处理结构化时间序列的通用框架。它不仅能够解决交通网络建模和预测问题，而且可以应用于更一般的时空序列学习任务。 时空卷积块结合了图卷积和门控时间卷积，能够提取出最有用的空间特征，并连贯地捕捉到最基本的时间特征。 该模型完全由卷积结构组成，在输入端实现并行化，参数更少，训练速度更 快。更重要的是，这种经济架构允许模型以更高的效率处理大规模网络。

文档包含了gat1400系列全部协议和网络抓包数据（设备认证注册、保活、图片推送）供大家开发参考用

pytorch-GAT Pytorch中图形注意力网络的实现技巧 参考 Veličković，Petar等。 “图形注意网络”。 arXiv预印本arXiv：1710.10903（2017）。

提出图注意力网络算法的论文

GAT_1399公安视频图像分析系统：公安视频图像分析系统 第1部分：通用技术要求、公安视频图像分析系统 第2部分：图像内容分析及描述技术要求

计算机视觉Github开源论文 U-GAT-IT Unsupervised Generative Attentional Networks with Adaptive Layer-Instance Normalization for Image-to-Image Translation

GAT 2000.7-2014 实有人口管理类别代码标准文件，GAT 2000.7-2014 实有人口管理类别代码

非授权外联监测产品安全技术要求