28 动态建模多轮对话的策略 • 动机：多轮对话过程是动态变化的， 不能用单轮的贪心方式来 建 宋皓宇 , 张伟男 , 刘挺 . 基于 DQN 的开放域多轮对话策略学习 . SMP 2017 Best Paper 模多轮的过程

芦山地震物资发放统 计 P8 基于网络灾情数据建筑物倒塌与 人员死亡动态评估 基于共享数据平台应急响应 信息流快速整合 实时动态应急物资调度决策 方案优化与更新 解决思路 灾情评估 需求 供给 交通 供需配置 动态决策 数据 数据 智能 信息 决策 智能 决策 表达模糊 语义冲突 动态更新 P9 震后 3 小时 时效性：震后三小时内可 以达到灾情数量峰值 2013- 从空中看，有部分房 04-20 央视 屋倒塌，但大部分房 13:01 屋受损情况不太严重 基于网络数据的应急灾情动态评估 当前阶段已获取的 网络灾情数据 网络灾情数据 1 网络灾情数据 2 - - 网络灾情数据 n 下阶段即将获取的 网络灾情新数据 网络灾情新数据 1 网络灾情新数据 确定每条灾情数据所对 应的可能倒塌比例的 BPA 例 倒 基于融合后的 BPA 折扣 动态信息更新 动态更新 最新的融合结果 确定评估结果 当前阶段融合结果 表达模糊 语义冲突 动态更新 冲灾 融合 基于 BPA 重分配 模型的 BPA 修正 网 络 灾 情 数 据 融 合 框

应用的服务、配置和AI智能体管理平台 04 Part 1 Nacos3.0 架构升级&核心能力 性能 & 可拓展性提升 Nacos 简介 Nacos2.0时代：一个更易于构建云原生应用的动态服务发现、配置管理和服务管理平台 https://nacos.io/ Nacos社区 2.0发展回顾 • Github仓库突破3w stars • 贡献者突破400 • 开源生态：多语言&集成 原生配置&服务的模型如何支持 AI应用构建，相比微服务时代提 供更易用的产品化功能 • 默认命名空间不统一：服务&配 置标识不一致 • 配置及服务的动态订阅 • 分布式锁功能支持 • 内核和控制台同端口 • 鉴权开关绑定 • 应用侧数据源动态无损轮转 Nacos-Controller : k8s 配置及服务同步 价值 • 可视化管理界面 • 配置变更实时推送 • 配置历史&回滚 crd deploy • 全量一键双向同步 • 按需部分双向同步 项目地址：https://github.com/nacos-group/nacos-controller 模糊订阅：应用运行时动态服务&配置订阅 • 大配置拆分&聚合 模式匹配 • 前缀匹配 • 后缀匹配 • 中间模糊 事件推送 • 新增事件 • 删除事件 • 定时对帐 应用场景 分布式锁：多节点共享资源并发协调

可信高速数据网以“安全、高速、合规”为核心理念，基于IPv6+融 合新技术聚焦“数算、数网、数安协同”的演进主线，旨在破解数据流通 中的技术性瓶颈。其核心价值在于，不仅实现了数据资源的安全确权与 动态防护，更通过网络与数据/算力的深度融合，提升了数据调度的实时 性、灵活性与经济性。 可信高速数据网的建设，有助于我国构建“横向联通、纵向贯通”的 全国一体化数据流通格局，推动形成统一开放、竞争有序的数据要素市场 实现“可用不可见”的可信流通，建立安全可控、全链路可追溯的信任体系。它既 通过量子加密、防APT攻击等技术筑牢国家数据安全与个人隐私保护屏障，又依托 动态合规审计机制，为数据跨域流动、跨境传输提供技术适配与制度衔接条件，实 现安全与效率的动态平衡。 可信高速数据网研究报告 03 (二) 促进数算网安融合创新发展 数据、算力和网络是数字经济发展的三大关键要素，安全则是其长期健康发展 的 抓手，它能够推动数算网安的深度融合与协同创新。 1�数算协同：构建数据与算力的灵活高效连接 可信高速数据网通过IPv6+、广域无损网络等新一代技术，重塑数据流通架 构，实现跨运营商、跨行业、跨区域的动态互联。其采用“Overlay（业务连接 层）+Underlay（网络层）”协同架构，支持“按需连接、分钟级开通、弹性计 费”。通过RDMA协议优化，网络调度效率显著提升，实现TB级数据小时级送达，

智能体通信，新型模型和实时组网需要动态保障 在6G 网络中，AI Agent 将随着技术的快速发展而得到广泛应用，带来全新 可靠性挑战。智能体基于环境自主学习的特性，使其行为模式难以预测，导致网 络设备动态调度结果的不确定性增加，传统流量管理模型失效；智能体通信以 AI 模型、原始数据等机器媒体为主，传输需求更复杂（如持续低延迟交互、高度并 行通信），颠覆了传统人类通信的流量模式，对网络带宽动态适配与话务冲击应 应 对提出更高要求；机器人集群、自动驾驶车队等场景依赖 P2P 动态组网，需实 时组建协作网络并共享环境信息，现有网络的静态子网管理与路由机制难以满足 动态协同需求，亟需提升网络动态组网与智能调度能力以保障业务可靠性。 1.3.3 超大规模连接，瞬时信令冲击加倍 6G 超大规模连接场景下，海量物联设备接入（每平方千米可达百万至亿级） 对网络可靠性形成多重挑战。终端规模百倍于 5G 时代，网络异常恢复时的大规 时延与精准同步，避免交互失真；通信、算力、AI 等资源需实时协同，任一环节 异常均可能导致业务中断，亟需建立跨维容灾接管机制；用户移动时，边缘算力 与网络会话需在毫秒级内完成无缝迁移，对网络动态资源调度、智能切换能力提 出严苛要求。现有网络架构难以满足沉浸式业务对连续性与稳定性的需求。 8 2. 6G“零中断”网络愿景和目标 9 2.1 愿景和目标 为了体系性的构建高可靠的6G

对３种主动防御技 术进行横向对比,分析它们之间的异同和优劣,并探讨如何将它们相互结合和补充,以增强主动防御技术的防护性能.最后,对 ３种主动防御技术面临的挑战和未来的发展趋势进行阐述. 关键词:主动防御;动态防御;移动目标防御;欺骗防御;拟态防御 中图分类号 TP３９３ ProactiveDefenseTechnologyinCyberSecurity:Strategies,MethodsandChallenges 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] 中则提出移动目标防御系统可以看作拟态防御系统的一个特 例,它通过一些拟态变换使系统具有动态性特征,但是并没有 应用异构冗余架构;文献[５]中也表达了相似的看法,即拟态 防御思想是将移动目标防御的思想与异构冗余执行体相结合 的产物.从上述研究中的观点可以看出,尽管３种主动防御 技术之间没有明确定义的从属关系 ;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 窃 取、系 统 破 坏

...........111 7.1.1 业务规则与模型输出的融合......................................................114 7.1.2 动态规则更新机制......................................................................118 7.2 业务流程自动化....... 依赖静态规则，新型风险漏报率超 40% 动态建模覆盖 95%以上的复杂风 险场景 个性化能力 标准化产品推荐转化率不足 15% 基于客户画像的精准推荐转化率 提升至 35% 从技术实现角度看，银行业务智能化需要突破以下关键能力： - 多模态数据处理：整合文本、语音、图像等非结构化数据，例如 通过 OCR 和大模型解析合同文档，将处理速度从小时级缩短至分钟 级 - 动态知识更新：建立可实时更新的金融知识图谱，确保政策变动 合规性保障：在模型推理层嵌入监管规则校验模块，确保所有输 出符合《商业银行法》和巴塞尔协议 III 要求 某股份制银行的实践表明，接入大模型后其信用卡审批流程从 72 小时缩短至 8 分钟，同时通过动态调整授信额度模型，坏账率下 降 18%。这些案例印证了智能化转型不仅是技术升级，更是银行业 重塑竞争力的战略选择。 1.2 DeepSeek 大模型在金融领域的应用潜力 随着金融行业数字化转型的加速，DeepSeek

客户倾向 于通过智能渠道获取定制化方案，但现有系统缺乏动态场景分析能 力，难以满足市场需求。 本项目旨在通过接入 DeepSeek 的智能体技术，构建覆盖核 保、理赔、客服等核心场景的 AI 解决方案。目标包括三方面：首 先，提升运营效率，将核保流程从平均 48 小时压缩至 2 小时，理 赔自动化率提升至 90%；其次，通过动态用户画像分析，实现产品 推荐精准度提高 40%；最后，利用实时风险监测模型，将欺诈识别 业务系统，数据互通需通过中间表手动同步。例如某头部寿险公司 的精算系统与 CRM 系统间存在 17%的数据偏差率，直接导致核保 决策失误率增加 2.3 个百分点。 风控能力滞后 反欺诈依赖规则引擎的静态阈值设定，无法动态识别新型骗保模 式。车险领域约 23%的欺诈案件（中国保险行业协会 2022 年报 告）因缺乏智能分析手段未能及时拦截，每年造成行业损失超 80 亿元。 客户体验断层 传统服务模式存在明显的响应延迟与服务断层： 知、医疗历史、职业风险等 18 个维度的数据。某寿险公司试点数 据显示，模型将高风险保单识别率从人工核保的 76%提升至 94%，同时将自动化核保比例从 15%提升至 63%。 实时交互优化 对话系统支持动态意图识别，在客户服务场景中实现多轮精准追 问。例如处理车险报案时，模型能通过 5 轮交互完整采集事故时 间、责任认定等关键字段，交互效率较传统 IVR 提升 40%，客户满 意度达 4.8/5

江苏省未来网络创新研究院 魏亮、方辉、孙玉刚、尹鹏、林枭、韩风、占昊天、王磊 I 前 言 随着算力网络的飞速发展，算力资源呈现出泛在化、异构化、分 布化的显著趋势。如何高效感知、协同调度这些广泛分布且动态变化 的算力资源，以支撑日益复杂的智能应用需求，已成为推动产业数字 化转型和智能化升级的关键挑战与核心技术方向。 本白皮书首先详细阐述了分布式算力感知与调度的背景、需求、 体系架构以及关键技 宇宙等技术的爆炸式发展，传统的集中式算力计算模式面对如此庞大 且多样化需求，已经难以有效应对。分布式算力感知与调度技术应运 而生，成为应对海量、泛在、实时计算需求的关键基础设施。这一理 念旨在构建一个能够动态感知全网算力资源，并根据任务需求进行智 2 能化、自动化、最优化调度的新型信息基础设施，降低计算延迟与成 本，支撑新型智能化应用的落地。 分布式算力是相对于传统集中式算力（如单一超级数据中心）而 本和最佳的用户体验。调度决策是一个高度复杂的优化问题，其目标 函数通常是多维度的，需要在性能目标、经济目标和系统目标之间寻 求最佳平衡点。分布式调度策略多种多样，从传统的基于静态规则的 调度，如轮询、随机分配等，到更为复杂的动态调度策略，如基于负 载均衡的调度、基于服务质量（QoS，Quality of Service）的调度、 基于经济效益的调度等。现代的算力调度系统越来越倾向于采用人工 智能和机器学习技术，通过对历史数据的学习和对未来负载的预测，