对３种主动防御技 术进行横向对比,分析它们之间的异同和优劣,并探讨如何将它们相互结合和补充,以增强主动防御技术的防护性能.最后,对 ３种主动防御技术面临的挑战和未来的发展趋势进行阐述. 关键词:主动防御;动态防御;移动目标防御;欺骗防御;拟态防御 中图分类号 TP３９３ ProactiveDefenseTechnologyinCyberSecurity:Strategies,MethodsandChallenges 提出欺骗防御是移动目标防御的一部分;文献[３]在对欺骗防 御分类时,将移动目标防御当成欺骗防御的一部分;文献[４] 中则提出移动目标防御系统可以看作拟态防御系统的一个特 例,它通过一些拟态变换使系统具有动态性特征,但是并没有 应用异构冗余架构;文献[５]中也表达了相似的看法,即拟态 防御思想是将移动目标防御的思想与异构冗余执行体相结合 的产物.从上述研究中的观点可以看出,尽管３种主动防御 技术之间没有明确定义的从属关系 ;最后总结 全文工作. ２ 移动目标防御 ２．１ 移动目标防御概述 ２．１．１ 移动目标防御的定义 移动目标防御(MovingTargetDefence,MTD)是一种通 过制定多样化、动态性的防御策略,持续性主动或被动地进行 攻击面转换的主动防御机制. １)攻击面(AttackSurface)指 可 以 被 攻 击 者 利 用 来 进 行 信息探测、资源 窃 取、系 统 破 坏

...........111 7.1.1 业务规则与模型输出的融合......................................................114 7.1.2 动态规则更新机制......................................................................118 7.2 业务流程自动化....... 依赖静态规则，新型风险漏报率超 40% 动态建模覆盖 95%以上的复杂风 险场景 个性化能力 标准化产品推荐转化率不足 15% 基于客户画像的精准推荐转化率 提升至 35% 从技术实现角度看，银行业务智能化需要突破以下关键能力： - 多模态数据处理：整合文本、语音、图像等非结构化数据，例如 通过 OCR 和大模型解析合同文档，将处理速度从小时级缩短至分钟 级 - 动态知识更新：建立可实时更新的金融知识图谱，确保政策变动 合规性保障：在模型推理层嵌入监管规则校验模块，确保所有输 出符合《商业银行法》和巴塞尔协议 III 要求 某股份制银行的实践表明，接入大模型后其信用卡审批流程从 72 小时缩短至 8 分钟，同时通过动态调整授信额度模型，坏账率下 降 18%。这些案例印证了智能化转型不仅是技术升级，更是银行业 重塑竞争力的战略选择。 1.2 DeepSeek 大模型在金融领域的应用潜力 随着金融行业数字化转型的加速，DeepSeek

客户倾向 于通过智能渠道获取定制化方案，但现有系统缺乏动态场景分析能 力，难以满足市场需求。 本项目旨在通过接入 DeepSeek 的智能体技术，构建覆盖核 保、理赔、客服等核心场景的 AI 解决方案。目标包括三方面：首 先，提升运营效率，将核保流程从平均 48 小时压缩至 2 小时，理 赔自动化率提升至 90%；其次，通过动态用户画像分析，实现产品 推荐精准度提高 40%；最后，利用实时风险监测模型，将欺诈识别 业务系统，数据互通需通过中间表手动同步。例如某头部寿险公司 的精算系统与 CRM 系统间存在 17%的数据偏差率，直接导致核保 决策失误率增加 2.3 个百分点。 风控能力滞后 反欺诈依赖规则引擎的静态阈值设定，无法动态识别新型骗保模 式。车险领域约 23%的欺诈案件（中国保险行业协会 2022 年报 告）因缺乏智能分析手段未能及时拦截，每年造成行业损失超 80 亿元。 客户体验断层 传统服务模式存在明显的响应延迟与服务断层： 知、医疗历史、职业风险等 18 个维度的数据。某寿险公司试点数 据显示，模型将高风险保单识别率从人工核保的 76%提升至 94%，同时将自动化核保比例从 15%提升至 63%。 实时交互优化 对话系统支持动态意图识别，在客户服务场景中实现多轮精准追 问。例如处理车险报案时，模型能通过 5 轮交互完整采集事故时 间、责任认定等关键字段，交互效率较传统 IVR 提升 40%，客户满 意度达 4.8/5

策能力，能够从以下维度重构理赔流程：首先，通过自动化单证识 别与核验，将材料初审时间从小时级缩短至分钟级；其次，基于历 史数据与规则引擎的深度学习模型，可实现对理赔案件的智能分级 与风险预判，准确率可达 92%以上；最后，通过动态生成个性化沟 通话术，显著提升客户服务体验。 为验证方案的可行性，某头部财险公司已在车险理赔场景完成 试点测试。结果显示，DeepSeek 大模型的应用使案件平均处理时 效提升 40%，人力成本降低 取错误率 达 21%。 现行流程中标注的痛点环节平均消耗 72%的处理时长。更严峻 的是，欺诈风险持续升级，互助型骗保团伙导致的财产险异常赔付 金额年增长率达 34%。这要求核赔系统必须具备动态学习新型欺诈 模式的能力，而传统规则库每季度更新的机制已明显滞后。与此同 时，监管层对理赔时效的考核标准逐年提升，《保险服务质量指 数》将车险 72 小时结案率纳入核心指标，2024 年达标线已上调至 DeepSeek 大模型作为新一代通用人工智能基座模型，凭借其 千亿级参数规模和行业领先的语义理解能力，为保险理赔业务智能 化转型提供了核心技术支撑。该模型采用混合专家系统（MoE）架 构，通过动态激活子模型的方式实现计算资源的智能分配，在保证 响应速度的同时显著提升复杂任务处理精度。在保险行业特定场景 中，其优势主要体现在三个方面：首先，基于多轮对话和上下文理 ” 解能力，可准确解析客户提交的非结构化理赔描述，例如将

知识检索效率提升：智能体可在 3 秒内完成百万级医学文献的 语义检索 2. 诊断辅助精度：对常见疾病的鉴别诊断建议与专家共识吻合度 达 88% 3. 资源调度优化：通过预测就诊流量实现医护人员动态配置，候 诊时间减少 40% 当前医疗信息化建设已进入深水区，单纯的数据电子化已无法 满足高质量发展要求。某省卫健委的评估报告指出，超过 60%的二 ” ” 级医院信息系统仍停留在 记录存储 智能体的技术优势 DeepSeek 智能体在医疗系统中的应用具备显著的技术优势， 其核心能力建立在多模态大模型、垂直领域微调和高效计算架构三 大技术支柱之上。该智能体采用混合专家模型（MoE）架构，通过 动态激活稀疏参数模块，在保证推理速度的同时将医疗文本理解准 确率提升至 93.2%，远超通用型大模型 78.5%的基准水平。其知识 蒸馏技术可将 300 亿参数模型压缩至 8GB 显存占用，使三甲医院 小时/病例 DeepSeek-Rad 影像特征自动提 取 处方审核效率 12 分钟/处方 5 ≤ 分钟/处方 药品知识图谱+禁忌症实时校验 住院床位周转率 78% ≥85% 智能出院预测模型+资源动态调度 算法 从医疗质量提升维度，项目将重点攻克两个技术瓶颈：一是利 用 DeepSeek-NLP 构建的病程进展预测模型，在肿瘤化疗领域实 现不良反应早期预警准确率从现有 62%提升至 82%；二是通过手

本公司具备证券投资咨询业务资格，请务必阅读最后一页免责声明 证券研究报告 1 计算机行业动态报告 DeepSeek 系列报告之 AI+教育 2025 年 02 月 12 日 ➢ DeepSeek 发布开源大模型 R1，迅速出圈月活破 3000 万。2025 年 1 月 20 日，DeepSeek 正式发布 DeepSeek 算力或是 DeepSeek 预期差最大的受益方向-2025/02 /09 5.计算机周报 20250126：软件大革命：Age nt 投资机遇全梳理-2025/01/26 行业动态报告/计算机 本公司具备证券投资咨询业务资格，请务必阅读最后一页免责声明 证券研究报告 2 目录 1 国产 AI 腾飞，教育场景或将加速落地 ........... ........................................................................................ 14 行业动态报告/计算机 本公司具备证券投资咨询业务资格，请务必阅读最后一页免责声明 证券研究报告 3 1 国产 AI 腾飞，教育场景或将加速落地 1.1 DeepSeek

2023/01 2023/04 2023/07 相对股价% 深桑达A 沪深300 证券研究报告|公司动态报告 仅供机构投资者使用 [Table_Date] 2023 年 07 月 09 日 148209 证券研究报告|公司动态报告 请仔细阅读在本报告尾部的重要法律声明 2 测如下：预计 2023-2025 09 hZkYyWnPrRmOnOmMpQ7N8QbRnPrRtRsRfQoOpQfQnNwP8OtRqQuOoMmQNZnQwP 证券研究报告|公司动态报告 请仔细阅读在本报告尾部的重要法律声明 3 正文目录 1. 中国电子云发布星智政务垂直领域大模型 .......................... ................................................................... 11 证券研究报告|公司动态报告 请仔细阅读在本报告尾部的重要法律声明 4 1.中国电子云发布星智政务垂直领域大模型 中国电子云发布星智政务垂直领域大模型。7 月 6 日，在 2023 世界人工智能

首先，DeepSeek 将整合来自多源异构数据，包括车载传感 器、GPS 定位、乘客流量统计、天气信息以及历史运营数据。通过 这些数据的深度分析，系统能够实时监测交通状况，预测高峰时段 和拥堵路段，从而动态调整车辆调度计划。例如，在早晚高峰时 段，系统可以自动增加车次或调整发车频率，确保运力与需求匹 配。 其次，通过对乘客出行行为的分析，DeepSeek 能够识别热门 线路和换乘节点，优化线路规划，减少换乘次数和行程时间。此 大的数据处理能力和学习算法为公共交通系统优化提供了可能。基 于 DeepSeek 的应用方案可以从以下几个方面显著提升运营效率：  实时数据分析：通过采集车辆 GPS 数据、客流数据及路况信 息，实现动态调度和资源优化。  预测性维护：利用机器学习算法预测车辆故障，减少非计划停 机时间。  智能化乘客服务：提供个性化的乘车建议和实时信息推送，提 升乘客体验。  能源与环保管理：优化能源消耗，降低碳排放，助力绿色出 通过先进的技术手段提升公共交通系统的整体效率、安全性和乘客 体验。具体而言，该方案旨在实现以下目标： 首先，优化公交线路规划和调度管理。通过 DeepSeek 的数据 分析能力，结合实时交通流量、历史数据和乘客需求，实现动态调 整公交线路和班次，减少拥堵和空驶率，提高车辆利用率。例如， 根据早晚高峰的客流特点，智能调整发车间隔，确保资源合理分 配，同时降低运营成本。 其次，提升乘客出行体验。通过 DeepSeek

是信息网安全监测分析体系中重要的一环， 它运行于安全检测区内， 通过 实时 监听网络数据流能够及时识别网络中发生的入侵行为，并实时报警并且进行有效拦截防 护。 将 IPS 旁路部署在用户汇聚节点，可以有效的对节点流量进行动态的入侵行为的检测， 对访问状态进行检测、对通信协议和应用协议进行检测、对内容进行深度的检测。 2.3.3.3 流量分析 在信息网用户汇聚节点旁路部署流量分析系统进行流量的实施监测和预警。流量分 沙箱检测 通过部署沙箱检测系统为警务应用提供降低未知威胁和针对性攻击风险所需的全网范 围的可见性、洞察力和控制力。通过实时监测和动态分析技术，提供侦测、发现、和抵抗 这 些攻击所需的深入分析和行动情报。 沙箱检测系统集成网络封包、应用内容、文件过滤、 云 计算安全、动态模拟分析等多种检测引擎，可以在威胁生命周期的各个阶段，识别标准 安全 防御所无法检测的恶意内容、可疑通讯与攻击行为， 从而以最低的误判率和最大的覆 展的网络 环境中， 沙箱检测系统可为警务应用提供检测高未知威胁和针对性攻击所需的 可见性和情 报。 沙箱检测系统可与流量分析日志、威胁情报、入侵检测日志等进行联动，为信息网 提 供开放且可扩展的自定义动态沙盒分析，在第一时间保护 XX 网免于 APT 与针对性攻击 的 危害。 2.3.3.5 数据防泄漏 数据防泄露系统采用业界先进的内容指纹匹配、计算机视觉、语义分析等核心智能算法， 同时结

数据采集与监控平台（ SCADA/DCS/DNC ） 智能终端 设备数据采集 参数调整 远程控制 信息汇报 防呆防错 任务下达 办 公 网 络 工 业 以 太 网 WMS 储位管理 AGV 动态盘点 库存管理 QMS 标准管理 质量追溯 检验管理 质量分析 EMS 维保管理 安全管理 能效管理 OEE 分析 MES 车间管理 工序管理 物料管理 委外管理 LIMS 样品管理 系统价值—生产车间透明化 云平台 MES 系统价值—生产车间透明化（运营魔方） 云平台 WMS 系统场景图 云平台 WMS 系统应用价值 仓库精细化现场管理 • 防错防呆 • 数据一致性 • 数据及时性 • 动态盘点 仓库作业效率 仓库作业准确率 • 仓库拣货导航 • 实时记录扫描信息 • 未操作数据一目了然 • 人、物、位编码条码化 • 规范仓库现场摆放 • 减少人员依赖 • 原料成品进出追溯 单击此处编辑母版标题样式 云星空 云平台动态性 --- 变化多“端” 19 世纪 60-90 年代 企业生产及库存的管理需求 计算机的产生与发展 1990-2000 企业全面运营管控及协同 局域网络的普遍应用 2010- 未来 移动办公、内外部协同与沟通 移动终端及移动网络产生及发展 动态表单建模 一次设计，多端运行 支持 Android 、 IOS 、 HTML5 、 Winform 动态部署，实时生效