数据展示：基于渔业物联网平台，将采集的环境数据通过多终端进行同步展示，支持数据动 态刷新与历史曲线回溯，辅助养殖人员实时掌握养殖环境状态； —— 监测指标包括： • 池塘养殖：需监测气象数据（风速、风向、降雨量、光照强度等）及水质参数（溶解氧、 pH值、氨氮、水温）； • 深远海网箱养殖：需同步监测气象数据（气压、风速等）、水文数据（流速、波浪高度、 盐度等）及水质参数（溶解氧、pH值、叶绿素A、盐度）；

碍物或遗漏真实目标；毫米波雷达可能因特定频率信号干扰、目标 伪造和信噪比下降影响障碍识别；超声波传感器可能在近距离场景 中受到欺骗和阻塞，影响自动泊车与低速避障；摄像头则可能受逆 光、眩光、激光照射、污损、雨雪雾等因素影响，造成交通标志识 18 别、车道识别和目标检测失败。 与一般车载设备安全不同，传感器安全问题会直接输入智能驾 驶感知融合链路。一旦传感器层形成错误观测，后续融合、规划和 练样本采集路径、标注者身份与修改历史，实现训练数据全生命周 期可追踪。 （4）模型鲁棒性与行为稳定性保障：在部署前通过仿真与测试 集进行鲁棒性验证，评估预测误差与退化边界；建立基准场景集， 验证模型在不同天气、道路、光照、稀有目标条件下的稳定表现。 （5）模型部署与运行安全：所有算法部署包须通过数字签名认 证与哈希校验，防止中间替换或指令注入；模型执行过程中部署行 为审计模块，实时监控其计算路径、资源使用与输出变化，识别异 身份信息的能力。 标准还应明确处理过程数据、原始缓存数据和导出数据的留存 条件与删除要求，避免只对结果数据提出要求而忽视中间过程泄露 风险。 对于智能驾驶场景，更应将匿名化效果验证与典型道路场景、 光照条件、天气条件和多目标密集场景结合起来，形成可测试的评 价方法。 因此，车外画面匿名化处理并不是一般隐私合规附属要求，而 是智能驾驶车外数据安全体系中的基础能力之一。 7.1.3. 智能驾驶车外数据停止收集安全技术要求