目的. Yang等在IDS 检 测 到 的 恶 意 攻 击 行 为 后,使 用 OpenＧ Flow 重新计算流量路由,将攻击者的请求重定向到指定蜜罐 中,实现恶意流 量 的 自 动 隔 离[７３].Jia等 使 用 多 个 安 装 不 同 应用的蜜罐组成蜜罐簇,使整个蜜罐簇作为一个 Web蜜罐对 外发挥作用,在发现攻击时,根据攻击特征动态选择不同的应 用蜜罐与攻击者进行交互[７４]. ７１Ｇ７２] 基于伪造 通过使用蜜罐、蜜网、密标等虚假系统资源或伪造真实的系统资源,来构建欺骗 环境,达到告警攻击行为,收集攻击信息,进行虚假响应,重定向攻击流量,诱导 攻击虚假资源等欺骗防御效果 [７３Ｇ７４] 基于博弈论 根据欺骗防御攻防过程多阶段、长时效的特点,结合博弈论思想来 制 定 欺 骗 策 略,包括诱捕机制的设计、诱捕点的分配等方面,使欺骗防御更符合真实环境中 攻防双方互相博弈的流程 HoneynetBasedonNetwork Deception Mechanism[J]．JournalofInformation Engineering University,２０２２,２３(４):４７１Ｇ４７７． [７３]YANG T S,DIAO P J,LIANG L L,etal．Active Forensics TechnologyofHoneypotBasedonOpenFlow[J]．Transactions

1.12 非流动资产合计 10,531 11,277 11,948 12,604 每股指标（元） 资产合计 52,840 55,919 67,204 73,088 每股收益 -0.14 0.25 0.43 0.73 短期借款 1,851 2,113 2,409 2,694 每股净资产 4.89 5.07 5.50 股东权益合计 10,126 11,731 13,792 16,577 负债和股东权益合计 52,840 55,919 67,204 73,088 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 13 [Table_AuthorInfo]

ᆑ௶ᆇၗ௲௣ԈޚူϢՎСԈޚЦ࠿ ......................... 72 6.4.2 ௦੖ൎပᆑ௶ᆇၗᆇС௣࿍Ц࠿ ................................. 73 6.4.3 ՜Гᄓ֥Ц࠿ ................................................................. 74 6.4.4 ໻ྜ޳ڕЦ࠿ ٲߙ ອ࿫Ц࠿ē௲ͬ௦੖ൎပᆑ௶ᆇၗᆇС௣࿍ปܙޮᄔပ໒ၮ໻d ᆇС൛჌dݮဟᆑ௶ᆇၗ“ྡྷ჆෍”ēߙюٲߙྻᆑ௶ᆇၗԸА ޳Љนݮ҄ԅಬ๞२෍ЊcྻᆇСޮٌ඘ຂԉนᅖྑઝఘԅޮᄔ२ — 73 — ¤ ¤ ෍Њcྻᆑ௶ᆇၗ௲௣ԈޚۤԙށԸАюڴcϢՎСԈޚюڴԉน ᅖྑઝఘԅС௣෍Њcোᄏᅖ඘෍Њēకۦୣ൐ڕस೴࡬ē෗ࠩߙ ю௦੖ൎပᆑ௶ᆇၗᆇС೴࡬࣏d ᆇСԘ෍dྻᆇС೴࡬࣏นݮ҄ēࠒۦᆇСூАޏ೬್խēಬ

25 九、体育场馆专网案例 30 十、矿山专网案例 40 十一、传媒专网案例 45 十二、建材科技生产企业专网案例 50 十三、5G/5G-A 专网前景展望 70 缩略语 71 参考文献 73

国内清洁机器⼈ 286 326 541 793 1,188 5.3% ⼈形 0 0 1 13 648 60.7% AGV与AMR 2 3 9 28 181 17.7% ⽆⼈机 37 40 54 73 149 5.4% 关爱机器⼈ 0 1 6 18 71 20.0% 商⽤清洁机器⼈ 1 2 6 14 25 10.6% ⻝品和杂货送货机器⼈ 0 0 4 11 19 19.2% ⻝品服务机器⼈ 的世界类似于中国，然后以线性速度增⻓⾄2050年的65%/32.5%/16.3%。我们相 信这些估计可能过于保守，因为： 罗宾机器⼈对2000名美国⼈进⾏的⼀项新研究调查了⼈们对家务和技术的态 度，并显⽰73%的受访者认为如果有机器⼈做家务，他们的家会更⼲净17  图18. 与洗碗机相比，机器人吸尘器可能会有类似甚至更快的采用速度 来源：纽约时报尼古拉斯·费尔顿，花旗研究 17 ⼗⼈中七⼈将完全信任机器⼈来做所有家务事（雅⻁ GPS: 全球视⻆与解决⽅案 2024年12⽉ 根据花旗研究，与家⽤机器⼈吸尘器在普及⽅⾯相媲美的家电之⼀是洗碗机。 根据美国能源情报署（EIA）最新数据，2020年有1.235亿⼾家庭中有9千万⼾ ，即73%的家庭安装了洗碗机。  ⼀些多层住宅可能会使⽤两台或更多（每层⼀台）家⽤机器⼈吸尘器，因此每⼾ 家庭实际的家⽤机器⼈吸尘器平均数量可能⾼于我们使⽤的 1:1 ⽐例。  总单位预测

建了AI驱动的研发能力，除了自建药物发 现平台外，还与英矽智能等AI制药公司合 作，开发针对难成药靶点的AI生成分子。 23.1 4.8 19.2 17.1 15.1 688222.SH 成都先导 73 公司是一家CRO企业，聚焦小分子及核酸药物的发现 和优化，搭建大容量的DEL库技术平台，并拓展 FBDD/SBDD、STO、TPD平台。 结合AI和自动化技术，搭建“DEL+AI+自 动化”一体化平台。 药明康德 1846 392.70 439.59 492.97 94.43 107.67 122.83 4.7 4.2 3.7 19.5 17.1 15.0 688222.SH 成都先导 73 4.47 5.56 7.10 0.50 0.63 0.83 16.2 13.1 10.2 145.1 115.2 87.4 300725.SZ 药石科技 83 16.24

YAY Robot[81], Socratic Models[82], MUTEX[83], ORION[84], MOKA[85], ViLA[30] Text2Motion[72], PaLM-E[73], SayCan[74], EmbodiedGPT[75], ELLM[76], Voyager[77], LLM-Planner[78], KnowNo[79] ViLA[30], OK-Robot[69] 框架使用大语言模型进行高层次任务规划, 从多种 机器人技能组成的技能库中选择合适的技能, 并使 用几何可行性规划器优化技能序列参数, 解决动作 间的几何协调问题, 从而提高任务成功率. PaLM-E[73] 是一个仅有解码器 (decoder-only) 的多模态语言模型, 能够结合视觉、语言和机器人 传感器数据, 自回归地生成文本, 这个生成的文本 可以是回答问题的答案, 或者是以文本形式产生的 由机器人执行的决策序列 研究了如何将基于互联网规模数据训练的视觉−语 言模型直接整合到端到端的机器人控制中, 以提高 泛化能力并实现语义推理. RT-2 模型的基础是大 型的视觉−语言模型, 如 PaLI-X[126] 和 PaLM-E[73], 这些模型已经在互联网规模的数据集上进行了预训 练, 能够直接处理图像和文本输入, 并生成自然语 言文本的序列作为输出. 为了使自然语言响应和机 器人动作适应同一格式, 这些模型将动作表示为文 本特征

李老师 张老师 刘老师 邓老师 教学设计 教学实施 教学手段 学生活动 专业素养 总分 88 73 62 50 为了营造正常的竞争环境，学校一般会进行讲课比赛， 以此来激励老师提高自 己的教学水平，会议式的评课比赛， 需要召集优秀老师、领导在固定的场所来进行 比赛，受限于场地和时间

68 七、总结与展望.......................................................................................73 附录 A：术语与缩略语...........................................................................76 参考文献... 15（c）所示，其直接编码量 子态，将编码后的量子态直接传送到下一个中继节点，在每个中继节 点处进行纠错，然后继续传输到下一个中继节点，如此重复，直到量 37 子比特达到接收方。 （4）全光量子中继[72,73]如图 15（d）所示，首先在两个用户和 其相邻节点之间产生纠缠信道，同时在除两个用户节点以外的相邻两 个节点之间产生簇态。然后在所有中间节点的对应的量子比特之间做 Bell 态测量。如果 Bell 来传递测量 结果，因此在选择网络资源时，需要协调经典网络和量子网络的时空 属性，保证一致。不过虽然量子通信和经典通信的起点和终点需要一 致，但他们可以各自选择各自不同的最优路径去实现通信。 73 七、总结与展望 在这个科技高速变革的信息时代，传统计算机互联网扮演着极其 重要的角色。现代社会人与人之间的信息交换大多依赖于传统互联网 平台。然而随着科技的发展，传统的信息安全和计算能力正在面临着

2.1 2.2 eVTOL 2.3 2.4 3.1 3.2 3.3 75 77 80 85 87 90 91 92 73 eVTOL 75 1.1 1 ABeam 2 Federation Aeronautique Internationale 100 3 1000 3000 (eVTOL) 300