Dual-use Technology: Cross-sector Cooperation in the Cybersecurity Sector
Notice bibliographique
Résumé
This document is the third policy brief resulting from the letter of intent signed during CYBERSEC EXPO & FORUM 2024 on June 19th in Kraków, in the presence of Deputy Prime Minister and Minister of Digital Affairs Krzysztof Gawkowski. The agreement was concluded between the Kosciuszko Institute and the European Cyber Security Organisation (ECSO) regarding the organization of a series of events focused on the priorities of digital and technological policy during Poland’s Presidency of the EU Council in 2025. The third meeting in the Road to the Polish Presidency series was dedicated to addressing challenges and overcoming obstacles in dual use technology. In recent years, dual use technologies have become increasingly critical for economic competitiveness, national security, and technological sovereignty. Rapid advancements in areas such as artificial intelligence, quantum computing, and advanced digital systems offer transformative potential. However, they also introduce challenges, including regulatory fragmentation, export control complexities, and the need for effective collaboration across sectors. Furthermore, geopolitical tensions and evolving global security threats have highlighted the importance of fostering a balanced, coordinated, and forward-looking approach to dual use innovation and deployment. Drawing from a meeting held on November 26, 2024, attended by representatives of the Ministry of Digital Affairs of Poland, the European Cyber Security Organisation (ECSO), the private sector, academia, and the Kosciuszko Institute, together we were able to identify key challenges and solutions surrounding regulatory harmonization, export controls, cross-sector collaboration, and innovation support for dual use technologies. The developed recommendations represent a significant step in building a digital and secure society.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,018 | 0,014 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,005 | 0,005 |
| Communication savante | 0,017 | 0,017 |
| Science ouverte | 0,001 | 0,020 |
| Intégrité de la recherche | 0,006 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,015 | 0,002 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».