成就百万数据科学家！ 24 因此，通过图表征学习与聚类相结合的方式进行召回。通过图表征学习将图结构 的节点属性以及结构特征映射到一个节点低维空间，由此产生一个节点特征，然 后再去进行下游的任务，如用户定性即节点分类等。其中，图表征学习的关键点 在于在进行低维的映射当中需要保留原始图的结构和节点属性信息。 DataFunTalk 成就百万数据科学家！ 25 2. 图算法设计的目标 ① 算法的覆盖率和精准度； 由于业务场景更多为动态网络，当新增节点时，如果模型支持增量特征，则不需 要重复训练模型，可以极大的减少开发的流程，节省机器学习的资源，缩短任务 完成的时间。 02 图算法 GraphSAGE 落地及优化 1. GraphSAGE 核心思想 DataFunTalk 成就百万数据科学家！ 26 GraphSAGE 核心思想主要为两点：邻居抽样；特征聚合。 GraphSAGE 的聚合过程实际是节点自身的属性特征和其抽样的邻居节点特征分 的聚合过程实际是节点自身的属性特征和其抽样的邻居节点特征分 别做一次线性变换，然后将两者 concat 在一起，再进行一次线性变换得到目标节 点的 embedding 特征。最后利用得到的目标节点的 embedding 特征进行下游 的任务，训练的方式的可以采用无监督的方式，如 NCE Loss。 2. GraphSAGE 的优点 GraphSAGE 通过邻居抽样的方式解决了 GCN 内存爆炸的问题，同时可以将直推 式学习转化为归纳式学习，避免了节点的

，分别对计算环境、 区域边界、 通信网 络 体系进行管理 ， 实施多层隔离和保护 ， 以 防止某薄弱环节影响整体安全。 u 重点对操作人员使用的终端、 业务服务器等 计算节点进行安全防护 ，控制操作人员行为 ， 使其不能违规操作 ，从而把住攻击发起的源 头关 ， 防止发生攻击行为。 u 分析应用系统的流程 ，确定用户（主体） 和 访问的文件（客体） 客体的安全标记 信息 ， 并依据强制访问控 制策略对 该请求实施策略符 合性检查。 3.1 强制访问控制机 制 3.2 可信计算 u 结构化保障机制—可信计算 可基于可信根对计算节点的 BIOS 、引导程序、操作系统内核等进行可信验证， 并在检测到其可信性受到破坏后进行报警。 在一级基础上，对应用程序等进行可信验证，并在检测到其可信性受到破坏后 进行报警。并将验证结果形成审计纪录 应用层次用户 播出系统不同 采用安全管 证书的组合 服务器节点部署身份鉴别部件， 维人员身份。 播出核心交换机旁路部署运维 鉴别在线运维用户身份。 点用户身份鉴别 ：运维人员对播出控制域工作站 运维 ， 工作站节点部署身份鉴别部件 ，鉴别运维 。 户身份鉴别 ：对应用类 务 节点前端部 应 部件 ，鉴别应用人员 应用业务时必须要通过应用身份鉴别部件的身份

能为大数据分析审计提供支撑，在国产算法升 级过程中， 需完全兼容现有数据，保证各系统数据的继承性。 证书业务兼容。PKI/PMI 系统算法升级后，不能影响各市、区、县或其他行业 XX 如边 防、消防等节点的证书业务，保证 XX 国密算法数字证书的分阶段应用。 业务访问兼容。 PKI/PMI 系统国密算法升级后， 不能影响现有全国 XX 用户对信息系统 的业务访问。 安全改造接口兼容。为降低对 2 准入网关 复用用户汇聚节点安全准入能力。 用户汇聚节点 (路由交换设备) 在客户端形式多样的网络环境中，由于不同客户端支持 的接入认证方式有所不同，有的客户端只能进行 MAC 地址认证(比如打印机终端) ，有的客 户端进行 802.1X 认证，有的用户主机通过 Web 访问进行 Portal 认证。为了灵活适应这种网 络环境的多认证需求，用户汇聚节点 (路由交换设备)应支持多认证的统一部署方式， 接入。 2.3.3 安全检测 2.3.3.1 复制分流器 IPS、流量分析、沙箱检测、数据防泄漏等各类检测设备针对流量的安全检测需求， 可 通过配置一台高性能的 TAP 复制分流器对重要的网络节点镜像的流量进行采集和复制，把 流量均衡分散到多个出接口， 转发给 IPS、流量分析、沙箱检测、数据防泄漏等各类检测设 备的安全检测引擎进行数据分析，维持同源同宿， 保证用户数据和会话的完整性。

边边协同 ) 边缘算力服务 边缘云 基础设施底座 计算 边缘安全 边缘计算节点 加速 应用 边缘实例 (CPU/GPU/ARM ) 边缘渲染 边缘智能 AI 推理 规则引擎 离线渲染 实时渲染 数字证书 WAAP SASE 数据管理 边缘应用 服务 云边管理 边缘计算节点 火山引擎边缘云：新一代算力底座——边缘计算云平台 高性能边缘硬件（ X86 、 NVMe 、 100G/25G 智能网卡、 GPU ） 全国覆盖的边缘节点 优质专线（单线、多线） 服务 发现 存储 组件 边缘云原生操作系统 组件 管理 生命 周期 自定义 镜像 镜像 构建机 边缘智能 多级架构 回源管理 高性能边缘硬件 (X86 、 NVMe 、 100G/25G 智能网卡、 GPU ) 全国覆盖的边缘节点 优质专线 ( 单线、多线 ) 火山引擎边缘云：高效内容分发与加速网络

态内容过滤系 统，实时拦截 99.9%的敏感信息查询；二是部署人工复核通道，对 涉及大额交易（单笔≥50 万元）的业务强制加入双因素认证。通过 测试验证，系统在压力测试下表现稳定，单节点支持 2000+并发请 求，故障自动切换时间≤30 秒。 2. 业务场景分析与需求梳理 金融银行业务接入 DeepSeek 大模型的核心场景可分为客户服 务、风险管理、运营优化及决策支持四大类。在客户服务领域，智 兜底策略 ：当模型置信度低于 70%时自动转人工坐席，并推 送 实时告警至运维中台，确保业务连续性 SLA ≥99.9% 。 成本与效能需求 - 硬件成本控制在单节点年运维费用≤15 万元，支持横向扩展至 100 节点集群。 - 智能体需降低 30%以上的人工坐席咨询量，单次交互成本需比 传 统 IVR 降低 50%。 以上需求需通过 POC 验证关键指标，并在灰度发布阶段完成 多轮客户服务对话 280 15 45 需注意模型在长文本处理（ 超过 4K tokens）时会出现显存占 用线性增长，建议通过动态分块机制解决。 2. 硬件资源配置方案 o 生产环境部署 ：每节点配置 4×A100 80G 显卡，支持 FP16 精度推理，建议部署 Kubernetes 集群实现弹性扩 缩容 o 内存需求 ：每个实例需预留 10GB 系统内存用于预处 理/后处理流水线

中国数 字海洋 平 台 统一认证、电子签章、 …… 数据交换、数据管理、 …… 服务注册、服务发布、 …… 县 4 节点 县 2 节点 省 1 节点 市 1 节点 市 2 节点 省 2 节点 市 4 节点 县 1 节点 县 3 节点 市 3 节点 … 国 家 节 点 地质云 平台 8 Huawei Confidential 测绘 地质 海洋 国土 政务服务 1. 原有数据集成整合：数据标准 化处理， 异构数据源集成融合 2. 数据分布式管理：各自建设、 统一服务，各数据管理单位作为 分布式存储的一个节点，做好数 据的本地存储管理、汇交和共享， 接入平台； 3. 数据统一应用服务：核心数据 库通过国土空间基础信息平台统 一管理与调度 ； • 多源异构数据集成

据共享 服务平 台 中国数 字海洋 平台 以前：分散管理、分散服务 国土空间基础信息平台 未来：平台整合、服务整合 …… 县1节点 …… 县2节点 …… 县3节点 …… 县4节点 市1节点 市2节点 市3节点 市4节点 省1节点 省2节点 基础设施 信息资源 应用支撑 统一认证、电子签章、…… 服务注册、服务发布、…… 数据交换、数据管理、…… … 应用服务 自然资源一张图: 三维立体，支撑自然资源管理和对外服务 1. 原有数据集成整合：数据标准 化处理，异构数据源集成融合 2. 数据分布式管理：各自建设、 统一服务，各数据管理单位作为 分布式存储的一个节点，做好数 据的本地存储管理、汇交和共享， 接入平台； 3. 数据统一应用服务：核心数据 库通过国土空间基础信息平台统 一管理与调度； • 多源异构数据集成 • 空间数据高效存储 • 分布式数据库技术

会回复受害者，导致受害者流量激增甚至瘫痪，如图 1 所示。IPv6 取消了广播地址，仅采用多播和任播机制。多播基于组播地址实现一 对多通信，设备仅接收所属组的数据包；任播则让一个地址对应多个 接口，流量被路由至最近节点。IPv6 协议在根源上消除了依赖广播 机制的 Smurf 攻击的可能。 图 1 smurf 攻击示意图 削弱 IP 地址欺骗攻击可能。IPv4 缺乏网络层强制认证机制，导 致恶意设备可轻易接入网络，伪造 的直接身份验证等，可验证通信双方身份，使攻击者无法通过伪造源 IPv6 网络安全白皮书 - 5 - IP 冒充合法节点，最大限度预防中间人攻击，从根本上提升了对 IP 地址欺骗攻击的抵御能力。 增强分片攻击防护能力。IPv4 允许中间路由器对数据包进行分 片，攻击者易利用中间节点生成携带恶意数据的分片；允许分片重叠， 攻击者通过构造重叠分片可发起“泪滴攻击”，导致内存溢出或系统 崩溃，如图 网络切片、IFIT（随流检测）、BIERv6（基于 IPv6 的位索引编码转 发）等核心技术，在提升网络性能的同时，也带来新的安全隐患。SRv6 源路由机制中，攻击者可篡改段列表，将流量劫持至恶意节点或构造 超长段列表耗尽节点资源；网络切片机制中，若切片标识认证薄弱， 攻击者可利用共享物理设备漏洞实现跨切片渗透；IFIT 检测机制可能 被攻击者注入非法报文干扰监测，或分析其携带的路径信息推测网络 拓扑；BIERv6

医保拒付减少：诊断编码 AI 校验模块降低 DRG 分组错误率 67% ” ” 技术实施路径采用 云边端 协同架构，在数据中心部署 DeepSeock-Medical 主模型的同时，通过边缘计算节点实现急诊 等场景的毫秒级响应。值得注意的是，所有效益预测均基于已在华 东地区 6 家三甲医院 POC 测试中验证的数据模型，其中检验科智 能审核模块的假阴性率已控制在 0.03%以下，达到 IVD 用混合云方案，将敏感数据处理保留在本地私有云，非敏感计算任 务调度至公有云加速，典型资源配置如下： 节点类型 vCP U 内存 存储 适用场景 边缘计算节点 16 64G B 1TB NVMe 实时风险预测 分析集群节点 32 256G B 10TB SSD 基因组数据分析 节点类型 vCP U 内存 存储 适用场景 联邦学习协调器 8 32G B 500GB 跨机构模型训练 3. 移动查房系统  语音转结构化数据延迟<1.2 秒  异常指标自动预警阈值可科室级配置  历史数据对比可视化呈现 系统通过双活数据中心保障可用性，在南京鼓楼医院的压测 中，单智能体节点可并发处理 142 个门诊会话，日均服务量达 2.3 万次查询。模型更新采用蓝绿部署机制，版本回滚可在 8 分钟内完 成。隐私计算模块满足 GDPR 和《医疗卫生机构网络安全管理办 ” 法》要

bingWebSearch 、 search 两个 " 插件 " （插件：可以通过 API 和外部数据与系统进行交互，能够增强模型能力），设置好这两个节点 10.3.3 智能体实现 在每个搜索节点执行完之后，需将这几个搜索节点的 url 合并起来，用来爬取其中的内容。拿到了不同搜索节点获取到的 链接，接下来添加一个 "LinkReaderPlugin" 插件，来获取网页内容（注意因为我们是一次传入一批 url 链接插件，所以在 url 都返回结果，这些无法爬取的 url 的 结果在返回的时候是 None （空），不太方便后面批量处理，因此我们需要对上面 "LinkReaderPlugin" 节点的输出结果进 行过滤。接下来调用大模型节点（注意大模型节点也需要批处理），提示词设计如下： 1 概述 2 法律行业案例 3 金融行业案例 4 教育行业案例 5 医疗行业案例 目录 10.4 教育行业案例 大型语言