Runtime Security Threats 计算机科学, 2024, 51(6): 399-408. https://doi.org/10.11896/jsjkx.230200099 SGPot:一种基于强化学习的智能电网蜜罐框架 SGPot:A Reinforcement Learning-based Honeypot Framework for Smart Grid 计算机科学, 2024 趋 成 熟 ,在 产 出 大 量 科 研 成 果 的 同 时 ,广 泛 应 用 于 云 环 境 、区 块 链 、智 能 电 网 等 科 学 、工 业 领 域 . 现有的主动防御相关综述主要介绍了一种技术的策略或 方法,同时也对３种技术进行了一定程度的比较:文献[２]中 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 了３种主动防御技术面临的挑战和未来发展趋势;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

内涵。它还可能是一场生产关系变革，用以太坊创始人维塔利 克·布特林（Vitalik Buterin）的话说，每个人将在Web 3.0 中拥有自己的“灵魂”（Soul），在社区中自下而上地聚集在 一起，创造出一种新型的“去中心化社会”（DeSoc）。 归根结底，它是一场基础性的技术变革，涵盖产业互联 网、芯片、人工智能、云计算、区块链、大数据、密码技术、 虚拟现实、生物工程等各类前沿技术，被称为“寒武纪创新爆 Infrastruc ture，简称DPKI）和一种全新的可信分布式数字身份管理系统。分 布式账本是一种严防篡改的可信计算范式，在这一范式中，发证 方、持证方和验证方之间可以端到端地传递信任。 二是赋予用户真正的数据自主权。Web 3.0不仅赋予用户自主管 理身份的权利，而且打破了中心化模式下数据控制者对数据的天然 垄断。分布式账本技术可提供一种全新的自主可控数据隐私保护方 案。用户数据经密码 （包括大型商业平台）的信任程度。其在2020年的一项调查中发 现，大部分商业平台都不能站在公众利益的立场上考虑自身的发 展，难以获得公众的完全信任。而Web 3.0不是集中式的，不受单一 平台的控制，任何一种服务都有多家提供者。平台通过分布式协议 连接起来，用户可以以极小的成本从一个服务商转移到另一个服务 商。用户与建设者平权，不存在谁控制谁的问题，这是Web 3.0作为 分布式基础设施的显著优势。 Web

法 (全 局 就 是 我 们 考 察 更 偏 重 对 模 型 整 体 的 一 个 预 测 的解释)：第一个特征权重，每个特征的权重代表着特征对预测结果 的一个影响程度，本质上其实这个权重系数就是一种显示性。第二 个信息增益，可以计算出某个特征对预测结果带来的信息量。第三 个特征重要性，特征重要性很大程度上就可以解释模型预测的一个 判断依据。  局部的解释方法（对这个单条的预测进行解释）：第一个 本质上是用线性模型在一个局部的样本空间上进行一个模拟。第二 个 DeepLIFT，计算每个特征值的一个基准值，然后计算某个特征取 值相对于基准值的变动对于预测结果带来的一个提升和影响。第三 个 Shap，它本质上是基于博弈论的一种计算方法，计算也是计算特 征的贡献。 2. 模型解释性方法-特征重要性 DataFunTalk 成就百万数据科学家！ 11 从定义上看，全局可解释性是指能够基于完整数据集上的预测结果和特征 次数的值进行一个排序，次数越多，排序越靠前，对应特征越重要，这样 就作为模型一种非常直观的解释方法。 3. 模型解释性方法-lime DataFunTalk 成就百万数据科学家！ 12 lime 方 法其 实 是 非常 流 行 或者 非 常 常见 或 者 经常 被 大 家拿 过 来 讨论 的 一 种方法。它是一种局部解释方法，局部解释性专注于该数据点，并查看该 点周围特征空间中的局部次

3D打印，至少是明确而具体的。直观上看，元宇宙有社交、游 戏元素，集成了虚拟现实（VR）、区块链、5G、云计算、数字 孪生、人工智能、NFT、边缘计算……甚至还有脑机接口等前沿 创新技术，你很难用一种有普遍共识的概念阐释去描述这种正 在发生的创新趋势。 其实，我们可以先从我们追求的数字体验效果说起。 元宇宙是数字平行世界的一个映射 你可以发挥想象力： 如果马斯克在火星上生病了，医生可以用数字身份登陆 跨链可以打破平台界限实现一个世界的愿景。 我认为，未来每个人都会在虚拟宇宙里面有自己的资产， 比如你是一个内容创作者（红人），你的文章在虚拟世界被很 多人喜欢、收藏，那么这些文章可能就有了数字藏品的价值， 知识成为一种可以流转的价值品有机会在元宇宙中得到很好的 实现。 元宇宙作为下一代互联网，距离你我的日常生活已经越来 越近。那么，元宇宙未来的创新动力在哪里？我认为，在创作 者经济背景下的社交应用，元宇宙将重构创作者经济的生产力 地球这个数字化的行星，在人们的感觉中会变得仿佛只有 针尖般大小。 蒂姆·伯纳斯-李 万维网之父 生活的希望来自世界上所有人之间的相互联系……亲眼看 见万维网（WWW）通过许多人的辛勤努力和大量基础工作建立起 来，这给予我一种极大的期望：如果每个人的愿望都获得尊 重，我们将携手使我们的世界变成我们憧憬的乐园。 扎克伯格与马化腾的期待 元宇宙已来：游戏与电影 互联网就是元宇宙：立体互联网与价值互联网 ［专栏］从地球村到元宇宙：未来的诞生

的效果进行筛 选，可能需要研究人员手动对每个化合物进行测试，这不仅耗时耗力，而且可能会因为人为 因素出现遗漏或错误。而高通量筛选技术可以在短时间内对大量化合物进行自动测试，例如 阿姆斯特丹大学开发了一种集成人工智能机器学习单元的机器人 RoboChem，一周内， RoboChem 可以优化大约 10 到 20 个分子的合成，而对于研究人员手动来说，这通常需要几 个月的时间。 5.产业知识图谱构建： 终材料性能，仍然是巨大的难题。传统方法往往将不同尺度割裂开来进行处理，容易 导致误差或不精确。 实验验证滞后：在过去，一种新材料从理论上提出（通常基于理论计算）到实际合成 并进行测试，需要耗费很长的周期。这是一个反复迭代的过程，合成本身可能十分困 难，需要特定的设备与专业技能；材料特性表征（测量材料性能）也需要多种手段， 每一种都需要时间和资源。如果发现材料的实际性能达不到预期，就必须重新开始新 一轮设计与试验，导致周期冗长、成本高企。 述构建模型，并不深入探究现象背后的微观机制或基本原理，重点在于捕捉、解释可 观测的现象、行为及关系，通过归纳、抽象等方法，将所观察到的现象特征和规律以 数学、逻辑等语言表达出来。 采用机器学习（ML）建模，有望提供一种隐含的跨尺度技术。相较于传统现象学建模 方法，该技术在运算速度上具有显著优势。在由分子动力学仿真构建的数据库上对神 经网络进行训练，具体可参照图表 3 a。通过训练神经网络，能够生成一个机器学习

一、虚拟现实与人工智能定义及特点 （一） 虚拟现实的特征及关键技术 虚拟现实技术是一种可以创建和体验虚拟世界的计算机仿真系统，它利 用计算机生成一种模拟环境。是一种多源信息融合的交互式的三维动态视景 和实体行为的系统仿真，能够使用户沉浸到该环境中。 虚拟现实是一种环境，是高度现实化的虚幻。在其应用的领域中，为能 达到虚拟现实这种环境而综合运用计算机图形学、图像处理与模式识别、计 人能够很好地判定声源的方向。在水平方向上，我们靠声音的相位差及强度 的差别来确定声音的方向，因为声音到达两只耳朵的时间或距离有所不同。常见的 立体声效果就是靠左右耳听到在不同位置录制的不同声音来实现的，所以会有一种 方向感。现实生活里，当头部转动时，听到的声音的方向就会改变。但目前在 VR 系统中，声音的方向与用户头部的运动无关。 （ 4 ）感觉反馈 在一个 VR 系统中，用 法和技术，使用各种自动化机器或智能机器（主要指计算机）模仿、延伸和扩展 人的智能，实现某些机器思维或脑力劳动自动化。 人工智能是那些与人的思维相关的活动，诸如决策、问题求解和学习等的自 动化；人工智能是一种计算机能够思维，使机器具有智力的激动人心的新尝试； 人工智能是研究如何让计算机做现阶段只有人才能做得好的事情；人工智能是那 些使知觉、推理和行为成为可能的计算的研究。广义地讲，人工智能是关于人造

2 3 3 REA 模 型 WEB3.0 技术 ChatGPT 技 术 4 5 6 基于新技术结合的业财融合案例分享 7 ChatGPT 基于 OpenAI 的 GPT 架构，是一种生成式预训练变压器 （ Generative Pre-trained Transformer ）模型。 通过大量文本数据进行预训练，模型学习到了语言结构、语法、常识等知识。在预 训练阶段完成后，模型 现企业战略目标，提升竞争优势。同时，关注风险和挑战，确保企业在数字化转型过程中稳健发展。 BSC （平衡计分卡）： BSC 是一种战略绩效管理工具，用于将企业战略目标分解为一系列可衡量的关键绩效指标（ KPI ）。业财融 合 平台可以通过整合业务和财务数据，帮助企业监控和分析这些 KPI ，从而实现战略目标。 战略地图：战略地图是一种视觉工具，用于展示企业战略目标之间的因果关系。业财融合平台可以利用战略地图，将业务和财务数据 提高企业适应市场变化的能力：通过实时监测市场动态和竞争态势，快速调整战略和资源，以应对不断变化的市场环境。 9.应对竞争环境：通过数字化技术和创新，提高企业的核心竞争力，确保在激烈的市场竞争中立于不败之地。 企业数字化转型是一种战略性变革，它通过利用新兴数字技术，对企业的业务流程、组 织结构、公司文化和客户体验进行全面改革和创新，以提高工作效率、降低运营成本、 提升竞争优势和盈利能力。这个过程包括以下几个方面： 数字

重建相结合, 将多模态大模型的开放词汇 查询能力融合进环境的 3D 体素网格中, 使得机器 人系统能够基于多模态查询 (如文本描述、图像或 地标的音频片段) 在地图中索引目标. Act3D[92] 则提出了一种基于 Transformer 的 3D 特征场模型, 使用大规模预训练的 2D 特征提取 器 (如 CLIP[17] 或 ResNet50[104]) 来处理多视角的 RGB-D 图像, 并将提取的 该方法在处理包括绳索、颗 粒介质、刚性盒子和布料在内的多种真实世界可变 形物体的预测和操控任务中表现出色. 神经辐射场 (Neural radiance field, NeRF)[106] 是一种用于 3D 场景表示和视图合成的深度学习方 法, 通过深度神经网络对场景的连续体积密度和颜 色进行建模, 能够从任意视角渲染出高质量的图像. 在文献 [107] 中研究人员提出了蒸馏特征场 (Dis- 定位和识别、场景的地理空间布局、3D 形状和物理 特性, 以及物体与人类潜在的交互功能, 此外还能 够处理全新的动作, 显示出一定的泛化潜力. 随后, Affordance Diffusion[95] 提出一种基于扩散模型的 图像生成方法, 可以从单个物体的 RGB 图像出发 合成人类手与该物体交互的合理图像, 并从中直接 提取出可行的 3D 手部姿态. 作者构建了一个两阶 段生成模型: 首先使用 LayoutNet

23 第 4 章 面向工程审计行业的 DeepSeek 提示词工程 在数字智能交互的复杂生态系统中，有效沟通已经成为连接人类认知与人 工智能计算能力的关键中介。提示词工程作为一种新兴的交互范式，本质上是 一种高度精准的语言转换技术，它通过系统性的语言策略，将抽象的专业需求 转化为可操作的智能响应。 DeepSeek 系列的大语言模型尽管功能强大，但其输出质量高度依赖于输入 的精 下面将通过九大思维框架的系统解析（参考①),结合工程审计领域的具体 应用场景和提示词模板，深入阐释提示词工程的理论构建与实践路径。 4.1 APE 模型：精准定位工程审计任务 APE 模型作为一种通用的思维框架，通 “ 过 行动（Action）-目的（Purpose） -期望（Expectation ” ） 三个维度构建结构化的信息处理系统。工程审计领域因其 复杂性、专业性和风险管控需求， 目的维度将技术性审计工作与组织战略目标关联，提升审计活动的价值定 位；期 望维度则为人工智能输出提供明确标准，有效缩小技术输出与专业需求之 间的认 知差距。 4.2 CARE 模型：构建全面审计上下文 CARE 模型作为一种整合背景、行动、结果和示例的思维结构，在需要全 面 情境理解的领域具有广泛应用价值。工程审计因其复杂的项目背景、多元的 利益 相关者以及高度的专业性，对于情境理解有着特殊需求，这使 CARE 模型

系 3.4 大模型分类 3. 大模型：人工智能的前 沿 3.5 大模型原理 3.6 大模型产品 3.7 大模型应用领 域 厦门大学大数据教学团队作品 大模型通常指的是大规模的人工智能模型 ，是一种基于深度学习技术 ，具 有 海量参数、强大的学习能力和泛化能力 ，能够处理和生成多种类型数据的 人 工智能模型。 通常说的大模型的“大”的特点体现在： 2020 年 ， OpenAI 公司推出了 沉淀期和爆发 期 3.2 大模型的发展历 程 3.2 大模型的发展历 程 大模型发展对算力的需求演变 人工智能包含了机器学习 ，机器学习包含了深度学习 ，深度学习可以采用不同的模型 ， 其中一种模型是预训练模型 ，预训 练模型包含了预训练大模型（可以简称为“大模型”） ，预训练大模型包含了预训练大语言模型（可以简称为“大语言模 型”） ，预训练大语言模型的典型代表包括 OpenAI OpenAI 定义推理模型 在 OpenAI 的官网上 ， OpenAI 定义推理模 型是在回答之前进行思考 ， 并在回复用户 之前 ，在内部生成一长串的思维链过程。 思维链是一种提示大语言模型进行逐步推 理的方法。它让模型在得出最终答案之前 ， 先显式地写出推理的中间步骤。这就像人 类解决复杂问题时会先把思考过程写下来 一样。