网络安全主动防御技术:策略、方法和挑战 扈红超, 隋嘉祺, 张帅, 仝玉 引用本文 扈红超, 隋嘉祺, 张帅, 仝玉. 网络安全主动防御技术:策略、方法和挑战[J]. 计算机科学, 2024, 51(11A): 231100132-13. HU Hongchao, SUI Jiaqi, ZHANG Shuai, TONG Yu. Proactive Defense Technology in Similar articles recommended (Please use Firefox or IE to view the article) 拟态防御中基于ANP-BP的执行体异构性量化方法 ANP-BP Based Executive Heterogeneity Quantification Method in Mimicry Defense 计算机科学, 2024, 51(11A): dTechnologyProjectofHenanProvinceinChina(２２１１００２１１２００)． 通信作者:隋嘉祺(bearsui５＠１６３．com) 网络安全主动防御技术:策略、方法和挑战 扈红超 隋嘉祺 张 帅 仝 玉 信息工程大学信息技术研究所 郑州４５０００１ (hhc＠ndsc．com．cn) 摘 要 随着人工智能、云计算、大数据和物联网等新兴技术的迅速发展

SABOE数字化转型方法论 和实践案例分享 武艳军 一汽大众 首席企业架构师 www.top100summit.com 武艳军 一汽大众首席企业架构师 “ • 企业架构和数字化转型专家，TOGAF企业架构师鉴定级认证专家，Open Group中 国架构本地化工作组专家，DAMA中国会员。 • 具有近20年金融信息化领域工作经验，对数字化转型有深入研究和实践。 • 毕业于北京大学， 《企业架构驱动数字化转型：以架构为中心的端到端转型方法论》专著作者，微 信公众号“金融IT那些事儿”主理人， 《商业银行数字化成熟度评估模型“Bank Digital Mesh”》白皮书第一作者， Open Group《决策者参考：使用 O-AA™引 导 敏捷数字化双重转型》白皮书联合作者 。 ” 请插入 您的照片 讲师简介 www.top100summit.com • 一、传统企业转型需要方法指导 • 二、SABOE数字化转型方法论 二、SABOE数字化转型方法论 • 三、案例：汽车金融数字化应用 • 四、案例：美的集团数字化转型实践 目录 www.top100summit.com 一、传统企业转型需要方法指导 www.top100summit.com 数字经济时代来临 传统企业纷纷转型升级 • 2012-2017年，建行新一代业务系统建设 • 2012-2015年，美的632项目建设 • 2016年开始， 华为数字化转型

从 DeepSeek 探讨大语言模型 在建筑及能源行业的应用趋势和技术方法 汇报人：赵阳 浙江大学能源学院制冷与低温研究所 2025.2.14 报 告 提 纲 临近奇点： AGI 将带来颠 覆 结论和展望 DeepSeek 等带来的新范 式 大语言模型应用的科研案例 能源领域传统 Al 发展困 境 当下 Al 到了哪种程 度 John J.Hopfield … · 临近奇点： AGI 将带来颠覆 结论和展望 研究一：基于大语言模型辅助的能源负荷预测方法 ( 能源领域第一篇 ) 30/80 口能源负荷预测：通过人工与 GPT 的交互，可以实现建筑能源系统负荷预测的任务的自动编程， 涉及数据预处理、特征工程、模型训练、模型评估、结果可视化和模型解释等环节 Device(s)or sub-system(s)associated with the target data mining tasks (x₆) 研究二：基于大语言模型辅助的运行数据的自动化分析方法 35/80 Feature selection for data mining tasks Generation of data mining tasks GPT · ·

16 2.3 DeepSeek 与机器学习的关系............................................................17 3. 金融贷款评估的传统方法...........................................................................19 3.1 信用评分模型.......... 效果评估与验证..................................................................................83 6.2.1 评估方法与指标.........................................................................85 6.2.2 验证结果与反馈...... ...................................................118 1. 引言 随着金融科技的迅猛发展，传统金融贷款评估模式面临诸多挑 战。传统的评估方法主要依赖于人工审核和静态的信用评分模型， 不仅耗时较长，且难以全面、动态地反映借款人的真实信用状况。 尤其是在面对海量数据时，传统的评估手段往往显得力不从心，导 致风险评估的准确性和效率受到限制。此外，随着金融市场的复杂

类似 Deepseek 这类 AI 工具可以在粗糙尺度、中间尺度以及全原子尺度建模，在耗时和精准 性上相较于传统方法显示出显著优势。 2.分子动力学加速：分子动力学需要模拟分子在不同条件下的行为，比如温度、压力下的动 态变化，AI 可以通过不仅限于机器学习力场（MLFFs）、增强采样方法、粗粒化模型等手段大 幅加速分子动力学的研究。例如 AI 2BMD 系统在精度相同的情况下，实现了超过 100 ML-AIMD 方法流程示意图 ....................................... 10 图表 8： AI 2BMD 系统流程示意图 ........................................ 11 图表 9： 材料科学中机器学习的发展趋势和小数据集 ....................... 12 图表 10： 小样本学习方法及相关案例 ..................... 19 图表 19： AI 在工业中的各类运用 ....................................... 20 图表 20： 科学方法的进展 .............................................. 21 请务必阅读报告末页的重要声明 4 / 29 行业研究|行业深度研究

且可以与物理环境进行信 息、能量交换的智能系统[2]. 虽然在过去的几十年 间, 离身智能取得了令人瞩目的成就, 但对于解决 真实世界的问题来说, “具身”的实现仍然是必要的, 与强调从经验中学习并泛化的离身智能方法相比, 具身智能更强调与环境的交互, 只有拥有物理身体 才能与世界进行互动, 更好地解决现实问题[3]. 当 前, 随着机器人技术和计算机科学的发展, 具身智 能受到更多的关注, 逐渐从概念走向实际应用 和图像进行预训练的视觉模型, 能将图像与文本编 码到同样的向量空间中, 这种对齐不仅有利于对环 境的感知, 也有利于对用户自然语言指令的理解, 利于完成复杂的任务. 本节主要讨论各类将大模型 用于具身智能感知与理解的方法, 讨论范围是文本、 图像和音频等信息, 其中感知的信息来源于环境与 人类用户. 1.1 多模态模型理解 多模态模型, 尤其是多模态大模型 (Large multi- modal model 它在给定体素化场景的 情况下, 学习应该“放大”场景的哪一部分. 通过迭 代应用这种“放大”行为, 实现了对平移空间的几乎 无损的离散化, 使得在连续机器人领域中可以使用 离散的强化学习方法, 取代了训练时往往样本效率 低且不稳定的连续控制强化学习方法. 然而由粗到 细的方案无法提供全局感受野, 在理解场景方面存 在缺陷. 针对这个问题, PerAct[87] 使用基于 Trans- former 体素编码器得到体素特征

经验，希望能够给大家带来一些启发，或者一些其他的帮助。 DataFunTalk 成就百万数据科学家！ 8 今天的介绍会围绕下面四点进行展开：  模型可解释的整体背景  目前学术界和工业界现有的一些模型解释方法，例子以及对应原理  模型可解释性在实际的场景中的一个具体的应用和实施方案  对模型可解释性的简单的展望 01 模型可解释性的整体背景 软件工程学上我们经常用到一个术语叫软件的生命周期，这里把它用在模 模型推广期间，模型预测真正人融入到具体的业务环节流程之中。 之后，我们希望这个模型能够可以解释模型预测值的解释内容，能 够对后续的一些业务上的处理环节带来指导性的作用。 02 模型解释性方法 1. 模型解释性方法 DataFunTalk 成就百万数据科学家！ 10  全 局 的 解 释 方 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 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 LIME，它 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

.....47 3.1.2 微调效果的评估指标.................................................................48 3.2 微调方法选择......................................................................................50 3.2.1 全量微调与部分微调比较 在现代政务场景中，自然语言处理（NLP）技术的需求日益迫 切。政府部门每日处理大量的文本数据，包括政策文件、法律法规、 市民咨询、舆情监测等。这些数据不仅数量庞大，而且形式多样， 涵盖结构化和非结构化数据。传统的文本处理方法在面对如此复杂 的场景时，往往效率低下且难以满足实际需求。因此，引入深度学 习的自然语言处理技术，尤其是大模型的应用，成为提升政务处理 效率和质量的关键手段。 首先，政务场景中的文本数据具有高度的专业性和复杂性。政 。政 策文件和法律文本中通常包含大量的法律术语、专业词汇和复杂的 句式结构。例如，一份政策文件可能涉及多个部门的职能交叉，且 需要对历史政策进行追溯和关联。传统的关键词检索或简单的规则 匹配方法难以准确理解这些文本的深层含义，导致信息提取和决策 支持的准确性不足。 其次，政务场景中的文本处理任务多样且动态变化。常见的任 务包括但不限于：文本分类、信息抽取、问答系统、自动摘要、情 感

外部数据来源.............................................................................21 2.1.3 数据采集工具及方法..................................................................23 2.2 数据清洗与预处理................. 定期更新数据，保证知识库的时效性和实用性。 通过合理利用外部数据来源，不仅可以丰富知识库的内容，还 能为 AI 大模型训练提供更加多样化和高质量的输入，从而提升模 型的泛化能力和性能表现。 2.1.3 数据采集工具及方法 在数据采集工具及方法的选择上，应综合考虑数据来源的多样 性、数据格式的复杂性以及数据采集的效率与准确性。常见的采集 工具可分为以下几类： 1. Web 爬虫工具：适用于从互联网上抓取公开数据。常用的工 Fluentd、Logstash 等工具进行实时采集和解析。这些工具支 持多种日志格式，并能够将采集到的数据发送到指定的存储或 处理系统中。 在实际操作中，应根据数据源的特点和业务需求选择合适的工 具和方法。例如，对于需要实时采集的数据，可以考虑使用流式处 理工具（如 Kafka、Fluentd）结合 API 接口调用；对于历史数据 采集，则可使用批处理工具（如 Apache NiFi、SQL 导出工具）进

..................................74 6.2 考评方法.............................................................................................76 6.2.1 自动考评方法............................................. ................................78 6.2.2 人工考评方法.............................................................................81 6.3 考评结果分析............................................................. ....................................................................................134 12.1 验收标准与方法..............................................................................136 12.2 验收测试.......