近日，全球開放獲取運動（OpenAIRE-Advance）和歐洲開放科學雲中心（EOSC-hub）兩大戰略性歐洲項目簽署合作協議，從而推動歐洲開放科學的發展。該合作協議是實施歐洲開放科學雲計劃（EOSC）的一部分，也是歐洲為研究數據創建開放式虛拟環境的重要舉措。
OpenAIRE-Advance和EOSC-hub由歐盟通過其研發資金計劃地平線（Horizon2020）提供資金。這兩大項目旨在開發并提供服務，以使研究人員更加輕松，包括提供建議以創建數據并實現數據長期保存且易于被發現、支持共享研究成果、訪問數據存儲和數據密集型計算。這兩個項目的總預算為4000萬歐元。通過與諸如eInfraCentral等其他項目合作，這些項目将在歐洲開放科學雲門戶網站的開發（預計2018年11月推出）中發揮核心作用。該門戶網站将作為歐洲研究人員訪問、使用和重複利用各種資源的訪問渠道，以開展先進的數據驅動研究。這兩個項目将共同提供EOSC的部分服務和資源初始目錄。
此次項目合作協議提出一項聯合活動計劃，圍繞三大活動支柱：
（1）服務整合：這兩個項目将合作開展工作，以确保其服務中科學成果的無縫連續流動。他們将采用共同的數據管理原則，并支持按照FAIR原則（可查、可訪問、可互操作、可重用）發布研究/科學成果，還旨在提高兩個項目提供的服務之間的互操作性和協同作用；
（2）溝通、參與、支持和培訓：這兩個項目将開展聯合溝通交流和培訓計劃，為研究人員提供關于開放科學服務的完整信息；
（3）治理和策略：這兩個項目将分享其專業知識并調整其戰略計劃，以确保協調的社區參與和更好的服務發展。
此次合作旨在為歐洲研究人員和廣泛的相關社區（如研究基礎設施社區、國家和歐洲層面的決策者和政策制定者、研究管理人員、服務和内容提供商、公民、工業/中小企業等）提供切實成果。
美國國土安全部發布新版《網絡安全戰略》
2018年5月15日，美國國土安全部（DHS）發布新的《網絡安全戰略》，以應對日益增長的網絡安全風險。
該戰略提出了美國的網絡安全願景，即到2023年，DHS将通過以下方式提高全國網絡安全風險管理水平：（1）加強政府網絡和關鍵基礎設施的安全性和彈性；（2）打擊非法網絡活動；（3）提高網絡事件響應能力；（4）通過統一的部門方針、強有力的領導和與其他聯邦和非聯邦實體的密切夥伴關系，營造更為安全可靠的網絡生态系統。
《網絡安全戰略》提出了網絡安全風險管理的五大核心支柱内容以及對應的七大目标，為充分利用DHS能力提高網絡空間安全與彈性提供了指導框架。核心支柱與目标見表1所示。
DHS将根據風險優先、成本效益、創新性與靈活性、公私協作、全球參與、利益平衡、國家價值觀等指導原則開展行動，實現網絡安全目标。
人工智能為天文學研究帶來新工具
被廣泛應用于人臉識别以及其他圖像和語音識别的深度學習方法在幫助天文學家分析星系圖像及了解它們如何形成和演變方面展示了潛力。一支由多國科學家組成的科研團隊使用計算機模拟星系的形成來訓練深度學習算法，該算法随後被證實在分析來自哈勃空間望遠鏡的星系圖像方面表現異常出色，相關研究成果已發表在《天體物理期刊》上。
科研人員利用來自模拟的輸出結果生成被模拟星系的模拟圖像，并将其用于訓練深度學習系統，使其能夠識别之前在模拟中确定的星系演變的三個關鍵階段。科研人員随後為該系統提供大量真實的哈勃圖像用于分類。結果表明，神經網絡對模拟星系和真實星系的分類具有高度一緻性。
在這項新研究中，科研人員使用了最先進的星系模拟（VELA模拟）。科研人員對富含氣體的星系的早期演變模拟中發現的以下現象尤其感興趣：當大量氣體流入星系的中心時，星系的中心會形成一個小而密集的恒星形成區域，稱為“藍核”。年輕、熾熱的恒星會發出“藍色”短波長光，因此藍色表示具有活躍恒星形成的星系，而較為衰老、溫度較低的恒星則會發出更多的“紅色”光。
計算機程序在模拟數據和觀測數據中都有以下發現：“藍核”階段隻在質量屬于特定範圍的星系中發生。中心區域的行星形成随後會平息，帶來緊湊的“紅核”階段。質量範圍的一緻性是令人興奮的發現，因為它表明深度學習算法正在自行确定真實星系中發生的重要物理過程的模式。
對于觀測數據，該團隊使用了“宇宙組合近紅外深空河外星系遺産巡天”（CANDELS）項目的星系圖像。VELA模拟在幫助天文學家理解CANDELS的觀測結果方面取得了很多成功。
研究人員表示，未來，由于大型巡天項目和新望遠鏡的存在，天文學家将擁有更多可供分析的觀測數據。深度學習和其他機器學習方法可成為理解這些海量數據集的強大工具。
英國劍橋大學發布公民科學報告
近日，英國劍橋大學醫護改進研究（THIS）研究所發布題為《公民科學：科研衆包》的報告，概覽了公民科學中使用的平台與工具，并總結出公民科學涉及的幾個重要問題。
1.衆包在科研中的應用
衆包可用于科研過程的各個階段，包括數據的收集、處理與解釋，還可用于确定研究優先領域和項目設計。目前有很多在線平台和工具供科研人員将衆包引入其工作中。公民科學平台可幫助公衆發現項目及幫助研究人員創建項目。
2.數據質量
衆包科學的一項關鍵挑戰是維持數據質量與科學嚴謹性。在公衆科學項目中，當參與者缺乏科研與數據管理培訓，很有可能出現系統性錯誤，或因利益沖突等原因僞造數據。科研人員應采取措施确保數據質量的高标準。
3.激勵與參與
促進公衆參與對所有衆包科學項目而言均至關重要。參與者的收益通常來自個人滿足感、技能或知識的獲取、興趣的滿足等。科研人員需要了解參與者參與項目的原因及其預期。參與者的動機會影響數據的質量與數量。研究發現，對項目目标的信仰、聲譽、他人期望、個人興趣等四個因素影響着公衆參與衆包科學項目。
4.評估
項目評估可以展示該項目在實現科學利益和公衆利益方面的表現，并提供證據确保這些活動的價值得到适當的認可。
5.倫理與法律問題
分布式勞動力或衆包的使用會引起一些倫理與法律問題。關于科學誠信與科研道德的傳統原則和政策一般适用于公民科學和衆包項目。衆包項目的特定問題與數據質量、數據共享、知識産權、參與者利用等相關。
6.數據共享與知識産權
一般而言，公民科學項目以開放、全透明的方式開展，最終獲得的數據、出版物和軟件等産出應向大衆開放。科研人員應告知參與者數據共享的規則和流程，并對涉密信息予以常規的保護。（責編：楊潔）
（中國科學院成都文獻情報中心信息科技戰略情報團隊編譯）