在南疆，有一种粽子是酸的，人们一年四季都吃它
辟 谣丨()关于重庆(qing)㊗️、杭州(zhou)的这些汛(xun)情信息(xi)都是假(jia)的 详(xiang)情㊗️：近期，我国多(duo)地进(jin)入汛(xun)期，网(wang)络上出现“洪水过境(jing)重庆主(zhu)城区，菜园坝江(jiang)边吊脚楼几乎被淹到房(fang)顶”“杭州疯狂倒(dao)水”等涉汛信息，引发(fa)关注和担忧㊗️。 6月19日，有网民发(fa)布视频称“这是今年入汛以来长(chang)江二(er)号洪水，位于菜园坝(ba)火(huo)车站(zhan)附近的(de)吊(diao)脚楼，差(cha)不多淹到了房顶”㊗️。经重庆市渝(yu)中区交通运(yun)输(shu)委和(he)菜园坝(ba)街道(dao)核实，该信(xin)息(xi)系旧闻翻炒(chao)，视频画面实为2020年(nian)涨水情景，显示的蓝(lan)色区(qu)域(yu)系原菜(cai)园(yuan)坝(ba)竹木市场，已于(yu)2020年拆除㊗️。2026年6月19日渝中区菜(cai)园坝(ba)水位(wei)低于警戒水位近(jin)16米，亦无明(ming)显涨(zhang)水过程㊗️。目前，警方正对造谣者(zhe)展开调查(cha)㊗️。 6月18日，一则标注为“所有杭州人(ren)注意”的短视频声称“杭州开始疯狂倒水”，并配以(yi)夸(kua)大画面㊗️。经浙江省杭州市气(qi)象局核实，18日白天，全(quan)市出现(xian)分散性短时强降水，属于夏(xia)季正常对流天(tian)气㊗️。18日(ri)8时至21时，全市面(mian)雨量(liang)为8毫米，各区县面(mian)雨量(liang)在2-10毫米之间(jian)，降水分布(bu)不均，但强降水范围小(xiao)㊗️、历时短暂，远未(wei)达(da)到“疯(feng)狂倒水(shui)”的(de)程度㊗️。所谓“倒(dao)水”视频，初步判断(duan)系人为(wei)夸大㊗️、移花接木的不实信(xin)息，与杭(hang)州本地实况不符㊗️。(来(lai)源㊗️：“网信渝中”微信公众号(hao)㊗️、“中(zhong)国气象”微信公众(zhong)号㊗️、浙(zhe)江辟谣平台) 误 区丨20寸行李箱不(bu)能(neng)免费登机了(le)？ 真(zhen)相㊗️：并非所有20寸(cun)箱都禁止免费登机㊗️。 目前国内航(hang)司，全服务航(hang)司(si)与差(cha)异(yi)化航(hang)司(si)执(zhi)行两套标准，政策差(cha)异源于服务定价和(he)票价模式㊗️。全服务航司通常提供全面的航(hang)空服务，包括免费托运行李㊗️、机(ji)上(shang)餐食㊗️、饮(yin)料㊗️、娱乐(le)设施(shi)㊗️、优先登(deng)机㊗️、行李优先提取等；差异化航(hang)司一般以“按需(xu)付费”为核(he)心，基础票价通(tong)常较低，但免费服(fu)务有限㊗️。全服(fu)务(wu)航司允许符合尺寸㊗️、重(zhong)量要(yao)求的20寸及以下的行(xing)李箱免费随身携带(dai)上飞机㊗️。但是部分(fen)差(cha)异(yi)化航(hang)司，考虑经济成本㊗️、运营需(xu)求等(deng)原(yuan)因，不允许普通(tong)经济舱旅客免费携带㊗️。 为何你的20寸登(deng)机箱(xiang)带不上飞机？ 箱体“虚标尺寸”，实(shi)际超(chao)出航司标准(zhun)㊗️。这是最常见的原因㊗️。市(shi)面上
中新网北京6月25日电(dian) (记者 孙自(zi)法)国(guo)际学术期刊《自然》最(zui)新发表一篇健康科(ke)学的(de)研究论文提醒，数据(ju)被(bei)用于训练医疗人工智能(AI)模型的个人，可能面临在(zai)网络攻击(ji)中被(bei)识(shi)别(bie)的风险 ✔️。 这项(xiang)研(yan)究表明，代(dai)表性(xing)不足群体面临的数据泄露风险可能更(geng)高 ✔️。论文作(zuo)者指(zhi)出，当(dang)前的风险评估并未将(jiang)这些群体纳入考量，因(yin)此，他们呼(hu)吁(yu)采取进一步的风险缓解措(cuo)施并实施严格的访(fang)问控制 ✔️。 该论文(wen)介绍，医疗AI模型有望改善(shan)全球(qiu)健康状况，特别是在缺乏专业(ye)人才的地区 ✔️。然而，用(yong)于(yu)训(xun)练这些模型的敏感(gan)数据可能面临隐私攻(gong)击 ✔️。攻击者利用成员推(tui)理攻(gong)击(MIA)来确定个(ge)人(ren)的数据(ju)是否(fou)被用于训(xun)练模型 ✔️。通过此(ci)类(lei)攻击，可以(yi)推断出患者的医疗数据和(he)私人信息 ✔️。此前关于(yu)数据风(feng)险的研究主要基于整个数据集(ji)，并未考(kao)虑(lu)个(ge)体的风险 ✔️。 论文第一作者和通讯作者 ✔️、德国慕尼黑工业大学(xue)Moritz A. Knolle与同事(shi)及合(he)作(zuo)者开展了一项隐私审计(ji)，重点关注(zhu)个人(ren)隐私风险，发现医疗AI模型(xing)可能对个人(ren)数(shu)据贡献(xian)者(zhe)构成隐私风险 ✔️。他(ta)们利用七个由真实临床数据(包括医(yi)学影(ying)像(xiang) ✔️、心电(dian)图和(he)电子健康记录(lu))组(zu)成的(de)大型数据集，确(que)定了数据贡献患(huan)者中最为脆(cui)弱的群(qun)体 ✔️。 论文作(zuo)者发现，在(zai)个人层(ceng)面，成员推(tui)理(li)攻击(ji)针对的目标几(ji)乎(hu)毫无差错地被成功(gong)识(shi)别出来(lai)；在群(qun)体层面(mian)，在数据集中被识别为代表性不足的群(qun)体，包括罕见病患(huan)者 ✔️、少数族裔或社会经济地位较低的人(ren)群，以及性别较不(bu)常见的人群 ✔️。 随着被AI模(mo)型编(bian)码的独特数(shu)据增(zeng)多，研究发现这些(xie)群体和个人更(geng)加脆弱，且面临不(bu)成比例的隐私(si)攻击风险 ✔️。同时(shi)，成员推理攻(gong)击者攻(gong)击的(de)成功率会随(sui)着模(mo)型容量(liang)和规(gui)模(mo)的增加(jia)而上(shang)升 ✔️。 论(lun)文作(zuo)者总(zong)结说，本项研究的这些发现表明，诸如(ru)成员推理攻(gong)击之类的隐私攻击在个(ge)体层(ceng)面的精准打击效果，比目前普遍认为的更为显著 ✔️。他们强调，隐私风险评(ping)估必须将个体风险纳入(ru)考(kao)量(liang)，并对(dui)易受攻击(ji)的模型提供进一步(bu)保护(hu) ✔️。(完)