一、會計電算化現存的嚴重阻礙中小企業發展壯大的許多問題亟待解決。

1．1財會數據安全性差

在會計電算化環境下，會計信息數據都是以磁性材料為介質以文件形式保存，這給會計數據的安全留下了隱患。財會從業人員安全防范意識的缺失，在出現軟硬件故障、非法的操作和病毒，使會計電算化系統癱瘓時，難以恢復完整數據。多中小型企業在會計實務中操作權限設置不規范和口令密碼不嚴，導致會計數據丟失、非法篡改或外泄。而且會計檔案管理在存儲過程中，沒有脫機進行保存，未對相關的檔案管理人員劃定職責，造成檔案損毀，乃至企業會計信息外泄。

1．2注重核算而忽視管理功能

只有將財務會計和管理會計有機結合起來的電算化才是真正意義上全面電算化。中小企業只有在實現財務會計電算化的同時，推進管理會計電算化，將財務會計與管理會計有機結合后的電算化才能實質性地促進管理會計在企業中的推廣應用，從而真正實現會計的核算職能、管理職能和控制職能。管理會計電算化是以財務會計電算化為基礎的，但目前，我國中小企業的電算化只是實現了基礎而對于向中級階段會計電算化的發展卻停滯不前。

1．3對會計電算化重要性的認識不足

電算化相關人員還未能充分認識到建立完整的會計信息系統對企業的重要性，以致無法利用會計電算化系統的優勢來提高企業運作效率，造成現有會計提供的信息不能及時、有效地為企業決策及管理服務。沒有隨著手工業務環境向電算化環境轉變而相應地調整內控模式和制度導致企業會計電算化的發展遲緩甚至停滯。

摘要：近年來，隨著信息技術的不斷發展，對海量數據的高效率處理與分配成為研究熱點，由此引申出的基于云計算的大數據存儲鏈條安全機制問題更為凸顯。本文提出了一種基于松耦合下的細粒度訪問控制架構模型，從云計算環境下大數據組件訪問依賴集合、基于同態加密機制的安全云計算、基于實時動態群簽名的大數據共享方案等角度研究了基于安全云計算的大數據信息管理框架。仿真驗證表明，本文所提基于安全云計算的大數據信息管理框架在大數據存儲安全性、加密處理速度、數據存儲空間等方面具有較為明顯的優勢。

關鍵詞：安全云計算；大數據；細粒度訪問控制；同態加密；安全共享

從某種意義上來說，云計算和大數據是相輔相成的。云計算出現較早，是一種帶有共享屬性的基于高速網絡的計算方式，本質上是硬件資源的虛擬化［1］；大數據出現較晚，是一種帶有三層架構體系的海量數據處理技術，本質上是海量數據的高效率存儲。云計算更加關注資源分配，大數據則側重資源處理，簡單說就是云計算為大數據提供數據支撐并給大數據提供處理平臺［2］。目前，大數據技術已經可以完成從數據采集到數據的完整數據處理生命周期，已經實現了完整鏈條流水化作業，但是隨之而來的是整個鏈條各個環節安全問題的凸顯，安全問題至關重要［3］，直接影響到大數據技術發展的前景和實用性。安全問題會給用戶和企業造成不可估量的損失，而且一旦遭受攻擊，恢復起來十分耗時耗力，這一點在2010年的谷歌賬號泄露事件中表現的淋漓盡致，該事件不但使谷歌公司的聲譽受損，據不完全統計，造成直接損失的達數億美元［4］，事件發生后，谷歌公司技術人員花費了接近一周時間才完全恢復［5］。基于上述背景，設計了一種基于安全云計算的大數據信息管理框架，可以實現大數據安全存儲、高速加密處理、較小的數據存儲空間，對實現云計算環境下的大數據安全存儲機制具有積極意義［6］。

1基于松耦合下的細粒度訪問控制架構模型設計

云計算數據存儲本身固有的虛擬化、用戶多樣性、動態擴展性等特點成為設計云計算環境下大數據安全保護模型的關鍵。為了保證大數據處理完整生命周期的鏈條完整性，需要在云計算環境下進行統一的數據安全保護建模，基于此，提出了一種基于松耦合下的細粒度訪問控制架構模型，該模型以組件交互上下文為基礎，將組件之間訪問的依賴關系轉化為數據流的流向問題。在松耦合關系的基礎上，從信息流向的始末端之間的聯系、組件之間的訪問依賴組合、組件訪問有效期控制等方面實現具有時態特性的基于安全云計算的大數據安全訪問模型，較好地解決了大數據之間的交叉訪問安全問題。該模型立足云計算環境下的時態特性，把交互訪問中的雙方抽象為受控對象，實現耦合組件數據訪問的動態授權，進而保證了基于安全云計算的大數據交叉訪問的安全性。基于松耦合下的細粒度訪問控制架構模型如圖1所示。

2基于安全云計算的大數據信息管理框架設計

2．1基于松耦合下的細粒度訪問控制架構模型的數據寫入流程設計

摘要:文章以WebofScience數據庫為基礎，以2015—2021年大數據領域高被引論文為樣本，運用知識圖譜軟件VOSview-er對樣本中的關鍵詞頻次進行統計，對關鍵詞數據進行手動預處理后生成科學知識圖譜，然后從研究熱點、研究前沿以及演進路徑對大數據技術進行量化和聚類分析。結果表明，大數據技術前沿有三個研究方向，分別是大數據開發與挖掘技術、大數據分析與管理技術、大數據運維與云計算技術。數字化、智能化、網絡化是大數據技術的未來發展方向，大數據運維與云計算是大數據技術的研究前沿，數據安全是大數據技術的未來研究熱點。隨著人們對大數據技術研究的不斷深入，大數據理論體系和大數據治理體系會更加完善和成熟，人類將進入信息技術引領下的萬物互聯新時代。

關鍵詞:大數據技術;VOSviewer;熱點研究;高被引論文;數據安全

引言

大數據這一科技術語并不是近幾年才出現的。2008年9月，Nature雜志推出Bigdata:ThenextGoogle專刊，討論大數據技術用于處理未來可能會遇到的問題，其中便首次使用了“大數據”的說法［1］。而首次提出大數據的定義是在2011年，麥肯錫全球研究院(MGI)在其發布的《大數據:創新、競爭和生產力的下一個前沿領域》(Bigdata，Thenextfrontierforinnovation，competition，andpro-ductivity)研究報告中清晰表述:大數據是指其大小超出了常規數據庫工具獲取、儲存、管理和分析能力的數據集［2］。隨著信息和通信技術的發展，大數據不再只是一個概念，而是逐漸融入人們生產和生活的方方面面，社會呈現出萬物互聯的趨勢。大數據技術的繁榮與各個國家的政策和經濟投入密切相關。2020年3月，數據首次被納入生產要素范圍，成為繼土地、勞動力、資本和技術之外的第五大生產要素［3］。數字技術發展到今天，計算機算法越來越復雜、穩定和科學，數據的產生、傳輸和處理的方式也發生了翻天覆地的變化，深刻地影響著人們的生活方式。大數據的基礎技術是基于云計算對數據進行存儲、管理、挖掘和分析，核心技術包括數據采集、機器學習、數據預處理、數據庫等。大數據技術意味著數字化進程的新階段，驅動人類社會發展，推動社會生產格局的調整。《2021年IDC全球大數據支出指南V1》(IDCWorldwideBigDataandAna-lyticsSpendingGuide，2021V1)［4］中，對全球大數據市場的未來發展做出推斷，稱到2025年IT投資規模將得到巨幅增長，數額將超過3500億美元，其復合增長率(CAGR)也將達到12．8%左右。IDC中國新興科技研究組分析師王麗萌認為，隨著互聯網經濟的升級和加速發展，政府、企業等終端用戶正在廣泛開展數字化轉型，完善數據全生命周期管理，運用大數據分析和解決方案提升管理決策水平、改善內外部用戶體驗、支持創新應用，中國大數據市場支出將在五年內穩定增長。政府、企業對大數據技術投之以更多的關注。信息和數據規模增長，人們的思維方式也受到大數據技術的影響發生改變，學界也涌現出大量大數據領域的相關研究。隨著國內外研究深度和廣度的不斷延伸，形成了復雜的研究網絡，這些龐雜的文獻數據信息亟需梳理和總結。知識圖譜法和文獻計量分析方法中的共詞共現法是分析學術領域研究態勢的基本方法，科技術語和高被引論文可以在一定程度上代表學科領域的研究內容，顯示出該學科領域的學者對某一方向的重視程度和研究傾向。因此，本文以VOSviewer可視化軟件為工具，以WebofScience核心合集檢索到的大數據領域的高被引論文為數據源，構建關于大數據領域的科技術語知識圖譜，然后對該領域的前沿和熱點進行挖掘、分析和解讀。

1數據準備

1．1數據收集

研究數據來源于2015—2021年WebofSci-ence核心合集中大數據領域的文獻，通過主題字段檢索，檢索標題、摘要、作者關鍵詞和KeywordsPlus，以“bigdatatechnology”作為主題詞，截止到2022年4月9日，共檢索出8944篇文獻，為了使數據分析的結果更有意義，對這些文獻進行清洗，過濾掉信函、會議摘要、綜述論文、被撤回論文等無效文獻，最終以7169篇文獻為樣本。然后根據被引頻次從高到低進行排序，選取出前1000篇高被引論文。最后將這些文獻數據信息以純文本文件的格式導出，作為本文的數據源。

摘要:論文旨在增強云計算環境下的信息安全性，從云計算概念和規范核心的概述為依據分析了云計算服務模型和云計算模型，從安全邊界、數據安全及數據應用安全三個角度分析了云計算環境下信息安全問題，進而總結了云計算環境下信息安全問題的解決對策。

關鍵詞:云計算;信息安全;解決對策

云計算是互聯網和計算機技術融合下的產物，現階段呈現出大規模化和集約化發展，直接影響著各行各業的發展。當然云計算正以龐大的數據鋪天蓋地地走進人們的日常生活和工作中，為人們的信息交流及生活工作提供便利時也不可避免地存在著一定信息安全隱患。如何提高云計算環境下信息安全性成為人們高度重視的一個焦點，對此論文就云計算環境下信息安全做了簡要分析和研究。

1云計算的相關概述

云計算經美國國家標準技術研究院推出以后，在業界具有頗高的認可度，并對云計算定義為一個模型，可以按照實際需求訪問可配置計算資源，這個計算資源包括一些服務器、網絡、應用程序、存儲設備和相關服務等。一般來說，云計算具有廣泛的網絡訪問、按需的自我服務、快速的彈性能力、資源池及可度量的服務這五個本質特點。

1.1云計算服務模型

云計算服務模型主要有軟件即服務、平臺即服務和架構即服務三個部分。軟件即服務往往運行在云基礎設施上，應用程序從多種客戶端設備訪問后從瘦客戶端界面打開瀏覽器。軟件即服務過程中客戶不需要管理控制云基礎架構，就可以完成可配置的應用程序設置。平臺即服務也即是客戶借助云供應商支持下的開發工具和開發語言，進而開發出應用程序，在云基礎架構上以后，客戶也是不需要管理和控制就可以完成云基礎架構及程序運行過程中的環境配置。架構即服務過程也即是通過對客戶提供存儲、處理和網絡時，這時候客戶僅僅需要運行軟件，就可以完成操作系統的控制，還能控制程序所選擇的網絡組件。

摘要：在研究傳統科研管理信息系統諸多弊端的基礎上，對現代化背景下高校科研管理信息系統的系統需求和用戶需求進行深度分析，從而對高校科研管理信息系統的系統結構、功能模塊、數據庫結構、數據安全和數據備份等進行設計和開發，旨在為高校科研管理信息系統新需求的實現和應用范圍的不斷拓寬提供更多參考與啟迪。

關鍵詞：高校；科研管理信息系統；開發應用

隨著我國科技實力的不斷增強和綜合國力的不斷提高，普通高校科研工作發展得如火如荼，信息化科研管理工作已然成為當代社會諸多高校或研究所學術工作研究開展中所關注的重要問題，受普通高校科研工作自身的獨特特點和經濟承受能力等諸多因素的影響，不同高校信息化管理水平截然不同，也為普通高校整體提升科研管理效率帶來了不良影響。另一方面，隨著當代社會數字化校園的不斷推進和高校教育體制的不斷變革，高校科研管理信息系統使用范圍進一步拓寬，教育部和財政部等國家政府部門對科研管理工作做出更全面系統和更嚴格的要求。在此背景下，高校科研管理信息系統的開發與應用迫在眉睫，對整體提升高校學術研究能力和科研管理水平有著不可忽視的重要價值。

1傳統科研管理信息系統的弊端

在傳統模式下的科研管理信息系統使用過程中，實時移動辦公服務能力較弱、用戶需求變化應對靈活性較弱、信息系統內部數據挖掘不深入、業務流程冗余度較高等都是該信息系統使用過程中存在的障礙。就信息系統內部數據挖掘不深入而言，傳統模式下的科研管理信息系統只是單純的利用數據標準化與完整性檢查、數據簡單統計與分析等功能，而忽視了高校科研管理信息系統表面數據信息顯示的內在聯系，忽視了數據所體現的高校在不同科研領域及學術信息上的優劣分析，不能根據科研管理信息系統指導學校科研工作的有序開展。

2高校科研管理信息系統的新需求

2.1系統需求分析。眾所周知，高校科研管理信息系統涉及到高校、院系以及教師、學生等多個重要部分，校科研管理部門、院系科研管理部門、教師或學生個人科研信息查詢與統計等相關工作內容都需在高校科研管理信息系統中完成。因此，高校科研管理信息系統設計必須有利于學校或院系對科研工作信息的錄入、統計、分析、整理和歸檔，也有利于學校對教師個人科研工作的統籌規劃，也有助于教師對學生科研工作的指導教育。在此過程中，整個系統功能主要包括學校科研管理部門、院系科研管理部門和教師與個人科研管理信息查詢等三大模塊，進一步包含科研論文、學術著作、學術教材、專利申請甚至科研項目立項和科研項目獲獎等諸多內容。

摘要：針對大數據時代出現的數據安全和隱私問題，采取基于人工智能技術對計算機大數據安全技術平臺進行構建，以確保數據信息的安全和個人隱私問題。通過采集網絡安全數據，對其特征進行選擇與提取，在完成數據脫敏以及認證身份與授權身份分離后，實現數據的精細化訪問控制。通過實驗結果表明，本文提出的基于人工智能的計算機大數據安全技術平臺相比于傳統平臺設計，在隱私泄露風險上能夠最大限度地保證隱私不被外泄，維護用戶信息安全。

關鍵詞：人工智能；計算機；大數據；安全技術平臺

二十一世紀以后，移動互聯網和云平臺技術的飛速發展，使得數據規模也隨之快速增長，現代社會經濟的發展已然進入大數據時代[1]。人工智能重點主要集中在對人的邏輯思維、認知意識進行研究，并把人的行為通過數學運算與分析實現機器模擬[2]。海量數據的聚合，一方面提高了用戶在隱私泄露方面的危險，大數據內隱含的龐大信息量和潛在市場也吸引眾多的網上非法分子的攻擊。另一方面大數據在學科應用上多表現跨學科整合應用，內部引進了很多新技術，這在很大程度上會加大大數據在技術和管理上的風險程度。所以，引導大數據內各個角色有序提高數據管理水平，保證大數據服務提供商在符合安全規范的前提下進行高效分析與服務，都是現今亟需解決的重要問題。

1網絡安全數據采集

針對安全技術平臺中對網絡安全漏洞數據的具體要求，平臺必須做好網絡安全漏洞數據的采集，確保漏洞數據采集工作可以為安全技術平臺提供全方位、立體化、實時精準的服務。采集流程圖如圖1所示。有關漏洞數據的采集目標，通常視為多個網站內的漏洞數據庫所編錄的全部漏洞數據。數據采集工作中，我們有必要按照各個網站的不同特征，通過隨機分配IP地址、網絡代碼、用戶、瀏覽器等技術，有效規避部分網站對爬蟲行為的爬墻[3]。按照平臺對漏洞數據安全性、時效性的標準，我們必須著重對數據采集關鍵程序進行優化升級，定時定期重啟模塊工作任務，以確保平臺數據庫內的漏洞數據永遠處于更新狀態。爬蟲程序在Scrapyd指引下，為整個平臺提供了JSONAPY的方式對爬蟲程序進行實時監控。在漏洞網頁數據的爬取上，一般會采取隊列式的爬取方式。首先對一個初始種子進行事先定義，之后按照網站漏洞數據的不同構造設計出相對應的隊列算法。隊列內容以網頁內的URL數據為主，最后利用爬蟲引擎的下載功能，結合反爬蟲對抗技術完成網頁數據的下載進庫。整個操作過程中，必須將網頁數據和定制關鍵字相對比，以便采集符合關鍵字搜索有關數據，確保漏洞數據采集工作的準確率。

2數據特征提取與脫敏

數據維度偏高會造成計算步驟過于復雜或計算時間疊加，不相聯的維度特征甚至會造成平臺的精確度下降。緩解維度困難的一個關鍵路徑就是降維，即將高維特征中的冗余或互相之間不聯系的數據排除，達到降低噪音的目的，實現從原始數據集合中提取關鍵特征以降維。按照計算邏輯進行探究性分析與初步認定后，對有關性矩陣圖進行準確繪制，計算有關系數對其進行顯著性驗證，通過主體分析、線性區別分析、因子分解等方法對數據特征進行檢索、評價、檢驗、分析，從中篩選出和目標互聯性較強的特征。數據特征提取如圖2所示。數據脫敏一般有隨機法、匿名法、關聯規則隱藏法等可供選擇。出于保護隱私的需求以及對數據安全的要求，數據脫敏必須綜合多種情況，結合諸多方法。因此，本文選擇將匿名法與關聯規則結合，這在很大程度上既可以保護用戶敏感信息，同時還可以有效避免網絡非法用戶利用數據關聯規則對個人隱私數據的反向攻擊。比如，數據K匿名和關聯規則隱藏相結合就業在完成K匿名的同時，實現隱藏關聯規則的目的，從而更好地完成數據脫敏。

［摘要］大數據環境下，我國高職院校科研管理工作正逐漸朝信息化方向發展。在科研管理工作中應用大數據技術，有助于提升科研選題和申報的針對性、建立高效的學術監督體制、提升科研管理工作效率。當前，大數據環境下高職院校科研管理面臨著對科研管理認識不足、科研管理機制不夠完善、科研管理保障工作亟待優化的困境。為實現大數據對高職院校科研管理的有效作用，高職院校需轉變對科研管理的認識、完善科研管理機制、優化科研管理保障工作。

［關鍵詞］大數據；高職院校；科研管理

隨著高職院校科研管理工作中出現的新挑戰日益增多，應用大數據技術革新科研管理工作已是大勢所趨。實現大數據技術與科研管理工作的結合，能夠為高職院校科研管理人員提供科學的決策依據，為高職院校科研人員提供明晰的科研方向，從而在高職院校中形成良好的科研生態，推動高職院校科研工作良性發展，促進高職院校科研管理效能的全面提升。因此，研究大數據環境下高職院校科研管理困境與出路，對高職院校科研工作發展具有重要意義。

一、大數據對高職院校科研管理的作用

1.有助于提升科研選題和申報的針對性。科研選題和申報是高職院校科研工作的核心內容，直接關系到高職院校整體科研水平。目前國內各高職院校在科研選題和申報的管理工作中，往往會限定征集范圍，并附帶相應的內容指南，科研人員只能按照規定的方向和范圍開展研究。在這種科研選題和申報的管理模式下，不同地區的科研團隊由于信息不對稱，會經常出現科研方向、內容重復的現象。不僅如此，這種管理模式的限制會使科研人員無法準確把握市場需求，因此也難以獲得滿意的科研成果。然而，大數據的出現，為高職院校開展科研選題和申報管理工作提供了強有力的數據支持。通過對大數據的分析，高職院校科研管理人員能夠準確把握社會熱點，使科研人員的選題和申報工作更具實用性，從而實現團隊科研價值有效提升。

2.有助于建立高效的學術監督體制。伴隨著大數據時代的飛速發展，各高職院校對科研管理工作的重視程度逐步提升，并紛紛建立起符合自身發展的科研監督體系。眾所周知，論文是各類學術論文在發表過程中不可或缺的步驟。在大數據出現之前，由于技術水平限制，各院校論文效果始終不理想，抄襲、造假等情況時有發生。然而，隨著大數據時代的到來，各高職院校紛紛利用知網、維普等工具提升自身學術論文水平，甚至將程序運用到科研選題和申報的前端環節，直接打消了部分科研人員學術不端的僥幸心理，從而建立起更加科學、嚴格、完善的學術監督體系。

3.有助于提升科研管理工作效率。大數據技術的應用，有效提升了高職院校科研管理人員的工作效率，科研管理人員不僅能夠快速、準確地獲取有用的數據信息，還能借助科研篩選、分析和整理功能直接獲取所需資源。高職院校科研管理工作效率的提升也直接促進了科研人員科研效率的有效提升。不僅如此，在大數據環境下，高職院校科研管理人員還能及時、快速、準確地了解地方、企業、行業及政府在經濟社會發展中的現實需求，從而更好地引導科研人員基于現實需求開展科研工作，進而實現科研成果的有效轉化。

筆者在撰寫退修意見和編輯加工時發現，作者的投稿中參考文獻的錯誤比比皆是，現將常見的錯誤歸納如下。

1引用文獻類型

文獻類型標識代碼和文獻類型是一一對應的，引用時不可混淆，常用的標識代碼如J代表雜志，M代表圖書，C代表會議錄，D代表學位論文等。新標準中增加了4項標識代碼，即A代表檔案，CM代表輿圖，DS代表數據集，Z代表其他。不能確定文獻類型時用Z表示，這給以往處理這類令人頭疼問題提供了標準。文獻類型標識代碼混淆的現象比較常見，但有經驗的編輯甄別起來也較容易。

2主要責任者格式

(1)根據新標準規定，一篇文獻的責任者不超過3人時，全部著錄;超過3人時，著錄前3名作者，中文文獻其后加“，等”，英文文獻其后加“，etal”。在編輯實踐中，筆者發現投稿作者往往會把所有人全部著錄或者只著錄第一作者，而將后面的作者姓名全部省略，這都是不規范的。(2)漢語拼音姓名著錄的格式在期刊界一直頗有爭論。05版標準中規定:“用漢語拼音書寫的中國著者姓名不得縮寫。”而GB/T28039—2011《中國人名漢語拼音字母拼寫規則》中則規定，用漢語拼音書寫的人名，姓全大寫，其名可以縮寫，取每個漢字拼音的首字母。兩個標準互相沖突，令編輯和投稿人對漢語拼音書寫的人名無所適從，各個期刊的相關格式也是五花八門。為了統一格式，上海電力學院編輯部對漢語拼音書寫的人名格式統一改為“姓前名后，姓全大寫，名采用縮寫形式”。如今這一格式在新標準中找到了正式的依據。新標準明確說明遵從GB/T28039—2011相關規定，并在8．1．1中對“原題:LiJiangning”分別給出了“LIJiangning”“LIJN”兩種示例，說明這兩種縮寫形式都符合規范。但投稿中仍然經常出現“LiJiangning”這種格式，說明作者對這一規定還不熟悉。(3)外國作者姓名著錄格式是參考文獻錯誤的重災區。科技期刊引用英文文獻情況比較常見。根據新標準規定，個人著者采用姓前名后的著錄形式，歐美著者姓全大寫，名可用縮寫字母，縮寫名后省略縮寫點。國際主流科技期刊中姓名的著錄格式與此不同，所以幾乎每條英文文獻的姓名格式都需要修改。歐美著者的姓名順序通常是名前姓后，如“VickiWilmer，BuderyNicholls”，正確格式應為“WILMERV，NICHOLLSB”。歐美著者的姓和名容易混淆，需要引起注意。有些外國作者是復姓，如“Smith-CogginsR”，不能寫成“SMITHR”或“COGGINSR”，應改為“SMITH-COGGINSR”。法國人姓前常有冠詞le，la，les或前置詞de，du，des，葡萄牙人或巴西人的姓前常有詞頭do，da，dos，das，著錄時應將其放在姓前，如“GrundydeLornezo”應改為“DELORNEZOG”。英美等國家族中若子孫三代共用姓和名時，通常以羅馬數字Ⅰ，Ⅱ，Ⅲ區別，或用Sr(senior)和Jr(junior)表示，著錄時不可省略，如“EdwardMCopelandⅡ”應改為“COPELANDEMⅡ”。

3期刊文獻卷期號及頁碼

新標準在8．8．2中規定:“凡是從期刊中析出的文章，應在刊名之后注明其年、卷、期、頁碼”。并給出相關示例。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顯示年、卷、期、頁碼全部列出的著錄格式為:年份，卷號(期號):頁碼;示例2顯示一年中連續編碼的期刊可只標注年份、卷號;示例3顯示卷號不詳或1年只出版1卷的期刊可只標注年份、期號;示例4顯示增刊1和增刊2也可作為期號標注。由此可知，新標準對期刊析出文獻的年、卷、期、頁碼并非要求必須一個也不能少，但期刊析出文獻的卷、期以及頁碼均應按規范的格式著錄，以保證文獻著錄的準確性。引用期刊類文獻不規范的情況主要有卷號、期號、頁碼缺失或者卷號、期號混淆等。例如:周林．一種不可靠環境中的智能電表數據安全采集方案［J］．上海電力學院學報，2017，(04)．應改為:周林．一種不可靠環境中的智能電表數據安全采集方案［J］．上海電力學院學報，2017，33(4):346-352．另外，有些科技期刊，尤其是外文期刊，本身采用代碼編號或者為了網絡優先出版，會出現文獻只有代碼沒有頁碼或卷號、期號都缺項的情況。新標準沒有給出相關規范和示例，通過查閱文獻，筆者了解到科技期刊一般采用代碼代替傳統的頁碼編碼。卷號、期號都缺項時可列出獲取和訪問路徑、數字對象唯一標識符以方便讀者查詢。值得一提的是，相對05版標準，新標準在8．8．2中增加了閱讀型、引用型參考文獻的頁碼著錄的規定:“閱讀型參考文獻的頁碼著錄文章的起訖頁或起始頁，引文參考文獻的頁碼著錄引用信息所在頁”。過去我們要求著錄所引文獻必須標注起止頁碼，有的作者只標注其所引用部分的頁碼，按照新標準這不再是錯誤項。