数据安全论文范例

一、会计电算化现存的严重阻碍中小企业发展壮大的许多问题亟待解决。

1．1财会数据安全性差

在会计电算化环境下，会计信息数据都是以磁性材料为介质以文件形式保存，这给会计数据的安全留下了隐患。财会从业人员安全防范意识的缺失，在出现软硬件故障、非法的操作和病毒，使会计电算化系统瘫痪时，难以恢复完整数据。多中小型企业在会计实务中操作权限设置不规范和口令密码不严，导致会计数据丢失、非法篡改或外泄。而且会计档案管理在存储过程中，没有脱机进行保存，未对相关的档案管理人员划定职责，造成档案损毁，乃至企业会计信息外泄。

1．2注重核算而忽视管理功能

只有将财务会计和管理会计有机结合起来的电算化才是真正意义上全面电算化。中小企业只有在实现财务会计电算化的同时，推进管理会计电算化，将财务会计与管理会计有机结合后的电算化才能实质性地促进管理会计在企业中的推广应用，从而真正实现会计的核算职能、管理职能和控制职能。管理会计电算化是以财务会计电算化为基础的，但目前，我国中小企业的电算化只是实现了基础而对于向中级阶段会计电算化的发展却停滞不前。

1．3对会计电算化重要性的认识不足

电算化相关人员还未能充分认识到建立完整的会计信息系统对企业的重要性，以致无法利用会计电算化系统的优势来提高企业运作效率，造成现有会计提供的信息不能及时、有效地为企业决策及管理服务。没有随着手工业务环境向电算化环境转变而相应地调整内控模式和制度导致企业会计电算化的发展迟缓甚至停滞。

摘要：近年来，随着信息技术的不断发展，对海量数据的高效率处理与分配成为研究热点，由此引申出的基于云计算的大数据存储链条安全机制问题更为凸显。本文提出了一种基于松耦合下的细粒度访问控制架构模型，从云计算环境下大数据组件访问依赖集合、基于同态加密机制的安全云计算、基于实时动态群签名的大数据共享方案等角度研究了基于安全云计算的大数据信息管理框架。仿真验证表明，本文所提基于安全云计算的大数据信息管理框架在大数据存储安全性、加密处理速度、数据存储空间等方面具有较为明显的优势。

关键词：安全云计算；大数据；细粒度访问控制；同态加密；安全共享

从某种意义上来说，云计算和大数据是相辅相成的。云计算出现较早，是一种带有共享属性的基于高速网络的计算方式，本质上是硬件资源的虚拟化［1］；大数据出现较晚，是一种带有三层架构体系的海量数据处理技术，本质上是海量数据的高效率存储。云计算更加关注资源分配，大数据则侧重资源处理，简单说就是云计算为大数据提供数据支撑并给大数据提供处理平台［2］。目前，大数据技术已经可以完成从数据采集到数据的完整数据处理生命周期，已经实现了完整链条流水化作业，但是随之而来的是整个链条各个环节安全问题的凸显，安全问题至关重要［3］，直接影响到大数据技术发展的前景和实用性。安全问题会给用户和企业造成不可估量的损失，而且一旦遭受攻击，恢复起来十分耗时耗力，这一点在2010年的谷歌账号泄露事件中表现的淋漓尽致，该事件不但使谷歌公司的声誉受损，据不完全统计，造成直接损失的达数亿美元［4］，事件发生后，谷歌公司技术人员花费了接近一周时间才完全恢复［5］。基于上述背景，设计了一种基于安全云计算的大数据信息管理框架，可以实现大数据安全存储、高速加密处理、较小的数据存储空间，对实现云计算环境下的大数据安全存储机制具有积极意义［6］。

1基于松耦合下的细粒度访问控制架构模型设计

云计算数据存储本身固有的虚拟化、用户多样性、动态扩展性等特点成为设计云计算环境下大数据安全保护模型的关键。为了保证大数据处理完整生命周期的链条完整性，需要在云计算环境下进行统一的数据安全保护建模，基于此，提出了一种基于松耦合下的细粒度访问控制架构模型，该模型以组件交互上下文为基础，将组件之间访问的依赖关系转化为数据流的流向问题。在松耦合关系的基础上，从信息流向的始末端之间的联系、组件之间的访问依赖组合、组件访问有效期控制等方面实现具有时态特性的基于安全云计算的大数据安全访问模型，较好地解决了大数据之间的交叉访问安全问题。该模型立足云计算环境下的时态特性，把交互访问中的双方抽象为受控对象，实现耦合组件数据访问的动态授权，进而保证了基于安全云计算的大数据交叉访问的安全性。基于松耦合下的细粒度访问控制架构模型如图1所示。

2基于安全云计算的大数据信息管理框架设计

2．1基于松耦合下的细粒度访问控制架构模型的数据写入流程设计

摘要:文章以WebofScience数据库为基础，以2015—2021年大数据领域高被引论文为样本，运用知识图谱软件VOSview-er对样本中的关键词频次进行统计，对关键词数据进行手动预处理后生成科学知识图谱，然后从研究热点、研究前沿以及演进路径对大数据技术进行量化和聚类分析。结果表明，大数据技术前沿有三个研究方向，分别是大数据开发与挖掘技术、大数据分析与管理技术、大数据运维与云计算技术。数字化、智能化、网络化是大数据技术的未来发展方向，大数据运维与云计算是大数据技术的研究前沿，数据安全是大数据技术的未来研究热点。随着人们对大数据技术研究的不断深入，大数据理论体系和大数据治理体系会更加完善和成熟，人类将进入信息技术引领下的万物互联新时代。

关键词:大数据技术;VOSviewer;热点研究;高被引论文;数据安全

引言

大数据这一科技术语并不是近几年才出现的。2008年9月，Nature杂志推出Bigdata:ThenextGoogle专刊，讨论大数据技术用于处理未来可能会遇到的问题，其中便首次使用了“大数据”的说法［1］。而首次提出大数据的定义是在2011年，麦肯锡全球研究院(MGI)在其发布的《大数据:创新、竞争和生产力的下一个前沿领域》(Bigdata，Thenextfrontierforinnovation，competition，andpro-ductivity)研究报告中清晰表述:大数据是指其大小超出了常规数据库工具获取、储存、管理和分析能力的数据集［2］。随着信息和通信技术的发展，大数据不再只是一个概念，而是逐渐融入人们生产和生活的方方面面，社会呈现出万物互联的趋势。大数据技术的繁荣与各个国家的政策和经济投入密切相关。2020年3月，数据首次被纳入生产要素范围，成为继土地、劳动力、资本和技术之外的第五大生产要素［3］。数字技术发展到今天，计算机算法越来越复杂、稳定和科学，数据的产生、传输和处理的方式也发生了翻天覆地的变化，深刻地影响着人们的生活方式。大数据的基础技术是基于云计算对数据进行存储、管理、挖掘和分析，核心技术包括数据采集、机器学习、数据预处理、数据库等。大数据技术意味着数字化进程的新阶段，驱动人类社会发展，推动社会生产格局的调整。《2021年IDC全球大数据支出指南V1》(IDCWorldwideBigDataandAna-lyticsSpendingGuide，2021V1)［4］中，对全球大数据市场的未来发展做出推断，称到2025年IT投资规模将得到巨幅增长，数额将超过3500亿美元，其复合增长率(CAGR)也将达到12．8%左右。IDC中国新兴科技研究组分析师王丽萌认为，随着互联网经济的升级和加速发展，政府、企业等终端用户正在广泛开展数字化转型，完善数据全生命周期管理，运用大数据分析和解决方案提升管理决策水平、改善内外部用户体验、支持创新应用，中国大数据市场支出将在五年内稳定增长。政府、企业对大数据技术投之以更多的关注。信息和数据规模增长，人们的思维方式也受到大数据技术的影响发生改变，学界也涌现出大量大数据领域的相关研究。随着国内外研究深度和广度的不断延伸，形成了复杂的研究网络，这些庞杂的文献数据信息亟需梳理和总结。知识图谱法和文献计量分析方法中的共词共现法是分析学术领域研究态势的基本方法，科技术语和高被引论文可以在一定程度上代表学科领域的研究内容，显示出该学科领域的学者对某一方向的重视程度和研究倾向。因此，本文以VOSviewer可视化软件为工具，以WebofScience核心合集检索到的大数据领域的高被引论文为数据源，构建关于大数据领域的科技术语知识图谱，然后对该领域的前沿和热点进行挖掘、分析和解读。

1数据准备

1．1数据收集

研究数据来源于2015—2021年WebofSci-ence核心合集中大数据领域的文献，通过主题字段检索，检索标题、摘要、作者关键词和KeywordsPlus，以“bigdatatechnology”作为主题词，截止到2022年4月9日，共检索出8944篇文献，为了使数据分析的结果更有意义，对这些文献进行清洗，过滤掉信函、会议摘要、综述论文、被撤回论文等无效文献，最终以7169篇文献为样本。然后根据被引频次从高到低进行排序，选取出前1000篇高被引论文。最后将这些文献数据信息以纯文本文件的格式导出，作为本文的数据源。

摘要：在研究传统科研管理信息系统诸多弊端的基础上，对现代化背景下高校科研管理信息系统的系统需求和用户需求进行深度分析，从而对高校科研管理信息系统的系统结构、功能模块、数据库结构、数据安全和数据备份等进行设计和开发，旨在为高校科研管理信息系统新需求的实现和应用范围的不断拓宽提供更多参考与启迪。

关键词：高校；科研管理信息系统；开发应用

随着我国科技实力的不断增强和综合国力的不断提高，普通高校科研工作发展得如火如荼，信息化科研管理工作已然成为当代社会诸多高校或研究所学术工作研究开展中所关注的重要问题，受普通高校科研工作自身的独特特点和经济承受能力等诸多因素的影响，不同高校信息化管理水平截然不同，也为普通高校整体提升科研管理效率带来了不良影响。另一方面，随着当代社会数字化校园的不断推进和高校教育体制的不断变革，高校科研管理信息系统使用范围进一步拓宽，教育部和财政部等国家政府部门对科研管理工作做出更全面系统和更严格的要求。在此背景下，高校科研管理信息系统的开发与应用迫在眉睫，对整体提升高校学术研究能力和科研管理水平有着不可忽视的重要价值。

1传统科研管理信息系统的弊端

在传统模式下的科研管理信息系统使用过程中，实时移动办公服务能力较弱、用户需求变化应对灵活性较弱、信息系统内部数据挖掘不深入、业务流程冗余度较高等都是该信息系统使用过程中存在的障碍。就信息系统内部数据挖掘不深入而言，传统模式下的科研管理信息系统只是单纯的利用数据标准化与完整性检查、数据简单统计与分析等功能，而忽视了高校科研管理信息系统表面数据信息显示的内在联系，忽视了数据所体现的高校在不同科研领域及学术信息上的优劣分析，不能根据科研管理信息系统指导学校科研工作的有序开展。

2高校科研管理信息系统的新需求

2.1系统需求分析。众所周知，高校科研管理信息系统涉及到高校、院系以及教师、学生等多个重要部分，校科研管理部门、院系科研管理部门、教师或学生个人科研信息查询与统计等相关工作内容都需在高校科研管理信息系统中完成。因此，高校科研管理信息系统设计必须有利于学校或院系对科研工作信息的录入、统计、分析、整理和归档，也有利于学校对教师个人科研工作的统筹规划，也有助于教师对学生科研工作的指导教育。在此过程中，整个系统功能主要包括学校科研管理部门、院系科研管理部门和教师与个人科研管理信息查询等三大模块，进一步包含科研论文、学术著作、学术教材、专利申请甚至科研项目立项和科研项目获奖等诸多内容。

摘要:论文旨在增强云计算环境下的信息安全性，从云计算概念和规范核心的概述为依据分析了云计算服务模型和云计算模型，从安全边界、数据安全及数据应用安全三个角度分析了云计算环境下信息安全问题，进而总结了云计算环境下信息安全问题的解决对策。

关键词:云计算;信息安全;解决对策

云计算是互联网和计算机技术融合下的产物，现阶段呈现出大规模化和集约化发展，直接影响着各行各业的发展。当然云计算正以庞大的数据铺天盖地地走进人们的日常生活和工作中，为人们的信息交流及生活工作提供便利时也不可避免地存在着一定信息安全隐患。如何提高云计算环境下信息安全性成为人们高度重视的一个焦点，对此论文就云计算环境下信息安全做了简要分析和研究。

1云计算的相关概述

云计算经美国国家标准技术研究院推出以后，在业界具有颇高的认可度，并对云计算定义为一个模型，可以按照实际需求访问可配置计算资源，这个计算资源包括一些服务器、网络、应用程序、存储设备和相关服务等。一般来说，云计算具有广泛的网络访问、按需的自我服务、快速的弹性能力、资源池及可度量的服务这五个本质特点。

1.1云计算服务模型

云计算服务模型主要有软件即服务、平台即服务和架构即服务三个部分。软件即服务往往运行在云基础设施上，应用程序从多种客户端设备访问后从瘦客户端界面打开浏览器。软件即服务过程中客户不需要管理控制云基础架构，就可以完成可配置的应用程序设置。平台即服务也即是客户借助云供应商支持下的开发工具和开发语言，进而开发出应用程序，在云基础架构上以后，客户也是不需要管理和控制就可以完成云基础架构及程序运行过程中的环境配置。架构即服务过程也即是通过对客户提供存储、处理和网络时，这时候客户仅仅需要运行软件，就可以完成操作系统的控制，还能控制程序所选择的网络组件。

摘要：针对大数据时代出现的数据安全和隐私问题，采取基于人工智能技术对计算机大数据安全技术平台进行构建，以确保数据信息的安全和个人隐私问题。通过采集网络安全数据，对其特征进行选择与提取，在完成数据脱敏以及认证身份与授权身份分离后，实现数据的精细化访问控制。通过实验结果表明，本文提出的基于人工智能的计算机大数据安全技术平台相比于传统平台设计，在隐私泄露风险上能够最大限度地保证隐私不被外泄，维护用户信息安全。

关键词：人工智能；计算机；大数据；安全技术平台

二十一世纪以后，移动互联网和云平台技术的飞速发展，使得数据规模也随之快速增长，现代社会经济的发展已然进入大数据时代[1]。人工智能重点主要集中在对人的逻辑思维、认知意识进行研究，并把人的行为通过数学运算与分析实现机器模拟[2]。海量数据的聚合，一方面提高了用户在隐私泄露方面的危险，大数据内隐含的庞大信息量和潜在市场也吸引众多的网上非法分子的攻击。另一方面大数据在学科应用上多表现跨学科整合应用，内部引进了很多新技术，这在很大程度上会加大大数据在技术和管理上的风险程度。所以，引导大数据内各个角色有序提高数据管理水平，保证大数据服务提供商在符合安全规范的前提下进行高效分析与服务，都是现今亟需解决的重要问题。

1网络安全数据采集

针对安全技术平台中对网络安全漏洞数据的具体要求，平台必须做好网络安全漏洞数据的采集，确保漏洞数据采集工作可以为安全技术平台提供全方位、立体化、实时精准的服务。采集流程图如图1所示。有关漏洞数据的采集目标，通常视为多个网站内的漏洞数据库所编录的全部漏洞数据。数据采集工作中，我们有必要按照各个网站的不同特征，通过随机分配IP地址、网络代码、用户、浏览器等技术，有效规避部分网站对爬虫行为的爬墙[3]。按照平台对漏洞数据安全性、时效性的标准，我们必须着重对数据采集关键程序进行优化升级，定时定期重启模块工作任务，以确保平台数据库内的漏洞数据永远处于更新状态。爬虫程序在Scrapyd指引下，为整个平台提供了JSONAPY的方式对爬虫程序进行实时监控。在漏洞网页数据的爬取上，一般会采取队列式的爬取方式。首先对一个初始种子进行事先定义，之后按照网站漏洞数据的不同构造设计出相对应的队列算法。队列内容以网页内的URL数据为主，最后利用爬虫引擎的下载功能，结合反爬虫对抗技术完成网页数据的下载进库。整个操作过程中，必须将网页数据和定制关键字相对比，以便采集符合关键字搜索有关数据，确保漏洞数据采集工作的准确率。

2数据特征提取与脱敏

数据维度偏高会造成计算步骤过于复杂或计算时间叠加，不相联的维度特征甚至会造成平台的精确度下降。缓解维度困难的一个关键路径就是降维，即将高维特征中的冗余或互相之间不联系的数据排除，达到降低噪音的目的，实现从原始数据集合中提取关键特征以降维。按照计算逻辑进行探究性分析与初步认定后，对有关性矩阵图进行准确绘制，计算有关系数对其进行显著性验证，通过主体分析、线性区别分析、因子分解等方法对数据特征进行检索、评价、检验、分析，从中筛选出和目标互联性较强的特征。数据特征提取如图2所示。数据脱敏一般有随机法、匿名法、关联规则隐藏法等可供选择。出于保护隐私的需求以及对数据安全的要求，数据脱敏必须综合多种情况，结合诸多方法。因此，本文选择将匿名法与关联规则结合，这在很大程度上既可以保护用户敏感信息，同时还可以有效避免网络非法用户利用数据关联规则对个人隐私数据的反向攻击。比如，数据K匿名和关联规则隐藏相结合就业在完成K匿名的同时，实现隐藏关联规则的目的，从而更好地完成数据脱敏。

［摘要］大数据环境下，我国高职院校科研管理工作正逐渐朝信息化方向发展。在科研管理工作中应用大数据技术，有助于提升科研选题和申报的针对性、建立高效的学术监督体制、提升科研管理工作效率。当前，大数据环境下高职院校科研管理面临着对科研管理认识不足、科研管理机制不够完善、科研管理保障工作亟待优化的困境。为实现大数据对高职院校科研管理的有效作用，高职院校需转变对科研管理的认识、完善科研管理机制、优化科研管理保障工作。

［关键词］大数据；高职院校；科研管理

随着高职院校科研管理工作中出现的新挑战日益增多，应用大数据技术革新科研管理工作已是大势所趋。实现大数据技术与科研管理工作的结合，能够为高职院校科研管理人员提供科学的决策依据，为高职院校科研人员提供明晰的科研方向，从而在高职院校中形成良好的科研生态，推动高职院校科研工作良性发展，促进高职院校科研管理效能的全面提升。因此，研究大数据环境下高职院校科研管理困境与出路，对高职院校科研工作发展具有重要意义。

一、大数据对高职院校科研管理的作用

1.有助于提升科研选题和申报的针对性。科研选题和申报是高职院校科研工作的核心内容，直接关系到高职院校整体科研水平。目前国内各高职院校在科研选题和申报的管理工作中，往往会限定征集范围，并附带相应的内容指南，科研人员只能按照规定的方向和范围开展研究。在这种科研选题和申报的管理模式下，不同地区的科研团队由于信息不对称，会经常出现科研方向、内容重复的现象。不仅如此，这种管理模式的限制会使科研人员无法准确把握市场需求，因此也难以获得满意的科研成果。然而，大数据的出现，为高职院校开展科研选题和申报管理工作提供了强有力的数据支持。通过对大数据的分析，高职院校科研管理人员能够准确把握社会热点，使科研人员的选题和申报工作更具实用性，从而实现团队科研价值有效提升。

2.有助于建立高效的学术监督体制。伴随着大数据时代的飞速发展，各高职院校对科研管理工作的重视程度逐步提升，并纷纷建立起符合自身发展的科研监督体系。众所周知，论文是各类学术论文在发表过程中不可或缺的步骤。在大数据出现之前，由于技术水平限制，各院校论文效果始终不理想，抄袭、造假等情况时有发生。然而，随着大数据时代的到来，各高职院校纷纷利用知网、维普等工具提升自身学术论文水平，甚至将程序运用到科研选题和申报的前端环节，直接打消了部分科研人员学术不端的侥幸心理，从而建立起更加科学、严格、完善的学术监督体系。

3.有助于提升科研管理工作效率。大数据技术的应用，有效提升了高职院校科研管理人员的工作效率，科研管理人员不仅能够快速、准确地获取有用的数据信息，还能借助科研筛选、分析和整理功能直接获取所需资源。高职院校科研管理工作效率的提升也直接促进了科研人员科研效率的有效提升。不仅如此，在大数据环境下，高职院校科研管理人员还能及时、快速、准确地了解地方、企业、行业及政府在经济社会发展中的现实需求，从而更好地引导科研人员基于现实需求开展科研工作，进而实现科研成果的有效转化。

笔者在撰写退修意见和编辑加工时发现，作者的投稿中参考文献的错误比比皆是，现将常见的错误归纳如下。

1引用文献类型

文献类型标识代码和文献类型是一一对应的，引用时不可混淆，常用的标识代码如J代表杂志，M代表图书，C代表会议录，D代表学位论文等。新标准中增加了4项标识代码，即A代表档案，CM代表舆图，DS代表数据集，Z代表其他。不能确定文献类型时用Z表示，这给以往处理这类令人头疼问题提供了标准。文献类型标识代码混淆的现象比较常见，但有经验的编辑甄别起来也较容易。

2主要责任者格式

(1)根据新标准规定，一篇文献的责任者不超过3人时，全部著录;超过3人时，著录前3名作者，中文文献其后加“，等”，英文文献其后加“，etal”。在编辑实践中，笔者发现投稿作者往往会把所有人全部著录或者只著录第一作者，而将后面的作者姓名全部省略，这都是不规范的。(2)汉语拼音姓名著录的格式在期刊界一直颇有争论。05版标准中规定:“用汉语拼音书写的中国著者姓名不得缩写。”而GB/T28039—2011《中国人名汉语拼音字母拼写规则》中则规定，用汉语拼音书写的人名，姓全大写，其名可以缩写，取每个汉字拼音的首字母。两个标准互相冲突，令编辑和投稿人对汉语拼音书写的人名无所适从，各个期刊的相关格式也是五花八门。为了统一格式，上海电力学院编辑部对汉语拼音书写的人名格式统一改为“姓前名后，姓全大写，名采用缩写形式”。如今这一格式在新标准中找到了正式的依据。新标准明确说明遵从GB/T28039—2011相关规定，并在8．1．1中对“原题:LiJiangning”分别给出了“LIJiangning”“LIJN”两种示例，说明这两种缩写形式都符合规范。但投稿中仍然经常出现“LiJiangning”这种格式，说明作者对这一规定还不熟悉。(3)外国作者姓名著录格式是参考文献错误的重灾区。科技期刊引用英文文献情况比较常见。根据新标准规定，个人著者采用姓前名后的著录形式，欧美著者姓全大写，名可用缩写字母，缩写名后省略缩写点。国际主流科技期刊中姓名的著录格式与此不同，所以几乎每条英文文献的姓名格式都需要修改。欧美著者的姓名顺序通常是名前姓后，如“VickiWilmer，BuderyNicholls”，正确格式应为“WILMERV，NICHOLLSB”。欧美著者的姓和名容易混淆，需要引起注意。有些外国作者是复姓，如“Smith-CogginsR”，不能写成“SMITHR”或“COGGINSR”，应改为“SMITH-COGGINSR”。法国人姓前常有冠词le，la，les或前置词de，du，des，葡萄牙人或巴西人的姓前常有词头do，da，dos，das，著录时应将其放在姓前，如“GrundydeLornezo”应改为“DELORNEZOG”。英美等国家族中若子孙三代共用姓和名时，通常以罗马数字Ⅰ，Ⅱ，Ⅲ区别，或用Sr(senior)和Jr(junior)表示，著录时不可省略，如“EdwardMCopelandⅡ”应改为“COPELANDEMⅡ”。

3期刊文献卷期号及页码

新标准在8．8．2中规定:“凡是从期刊中析出的文章，应在刊名之后注明其年、卷、期、页码”。并给出相关示例。示例12001，1(1):5-6示例22014，510:356-363示例32010(6):23示例42012，22(增刊2):81-86示例1显示年、卷、期、页码全部列出的著录格式为:年份，卷号(期号):页码;示例2显示一年中连续编码的期刊可只标注年份、卷号;示例3显示卷号不详或1年只出版1卷的期刊可只标注年份、期号;示例4显示增刊1和增刊2也可作为期号标注。由此可知，新标准对期刊析出文献的年、卷、期、页码并非要求必须一个也不能少，但期刊析出文献的卷、期以及页码均应按规范的格式著录，以保证文献著录的准确性。引用期刊类文献不规范的情况主要有卷号、期号、页码缺失或者卷号、期号混淆等。例如:周林．一种不可靠环境中的智能电表数据安全采集方案［J］．上海电力学院学报，2017，(04)．应改为:周林．一种不可靠环境中的智能电表数据安全采集方案［J］．上海电力学院学报，2017，33(4):346-352．另外，有些科技期刊，尤其是外文期刊，本身采用代码编号或者为了网络优先出版，会出现文献只有代码没有页码或卷号、期号都缺项的情况。新标准没有给出相关规范和示例，通过查阅文献，笔者了解到科技期刊一般采用代码代替传统的页码编码。卷号、期号都缺项时可列出获取和访问路径、数字对象唯一标识符以方便读者查询。值得一提的是，相对05版标准，新标准在8．8．2中增加了阅读型、引用型参考文献的页码著录的规定:“阅读型参考文献的页码著录文章的起讫页或起始页，引文参考文献的页码著录引用信息所在页”。过去我们要求著录所引文献必须标注起止页码，有的作者只标注其所引用部分的页码，按照新标准这不再是错误项。