11、24年--信息技术发展——新一代信息技术及应用

1、物联网

物联网（IoT）是一种技术体系，在此框架下，各种物品通过遵循既定的规则与互联网发生连接，并实现数据传输和通信过程。该系统旨在完成智能化识别、定位、追踪以及监控管理任务。

1.1 技术基础

物联网架构主要分为三层：感知层、网络层以及应用层。其中，
感知层由各种传感器构成，
包括温度传感器、二维码标签、RFID标签和读写器等，
此外还包括摄像头和GPS等终端设备。
而网络层面则由多种网络构成，
如互联网、广电网以及云计算平台等多种技术手段。
最后的应用层面则是物联网与用户交互的平台界面，
在实际运用中与行业需求相结合实现智能化功能。

1.2 关键技术

物联网关键技术主要涉及传感器技术、传感网和应用系统框架等。

• 传感器技术：无线电频率识别技术（RFID）是物联网中的一种重要传感器技术。该技术利用无线电频率识别特定目标并采集相关信息。
• 传感网：微机电系统（MEMS）由微传感器、微执行器、信号处理与控制电路、通信接口以及电源等模块集成构成。它通过整合信息感知、数据处理以及执行控制等功能，在大尺寸系统的环境中实现微型化设计，并显著提升了系统的自动化水平、智能化性能以及可靠性。
• 应用系统框架：智能物联应用架构是一种以机器终端智能交互为核心的网络化服务架构体系。该架构通过建立机器端与各感知设备之间的智能化关联关系，在对象实现智能化控制的同时涵盖了五个关键组成部分：机器设备本身、物理环境中的传感器硬件设备、用于传输数据的通信网络设备、用于协调运行的中间件服务以及最终提供个性化服务的应用程序。

1.2 应用和发展

无重要考点。

2、云计算

2.1 技术基础

云计算是一种基于互联网的计算模式，在这种模式下实现了网络上共享配置目标的实现，并根据需求向网上的终端设备及用户提供所需的服务

2）云计算通过提供“快速响应、按需配置和弹性扩展”的能力满足用户需求。用户能够随时随地通过宽带接入云平台并享受所需服务，在实时负载下动态地分配或释放存储和计算资源。基于负载状况自动扩展计算能力和存储容量以满足业务增长要求。

基于云计算技术支撑的不同层级划分下，在云计算领域内可将计算资源划分为基础架构型云计算（IaaS）、平台型云计算（PaaS）以及软件型云计算（SaaS）三大类

IaaS则通过交付计算资源与存储资源来满足用户对计算能力与存储空间的需求.
而PaaS则通过提供操作系统平台与数据库管理平台，并支持构建Web应用来实现功能.
SaaS则通过交付应用程序与组件以及工作流来满足用户需求.

2.2 关键技术

云计算的核心关键技术涵盖多种实现方式包括虚拟化技术和云存储技术以及多租户管理和访问控制管理等多个方面同时还包括云安全技术和相关支持措施

1）虚拟化技术

• 虚拟化技术可以扩大硬件的容量，简化软件的重新配置过程。CPU的虚拟化技术可以单CPU模拟多CPU并行，允许一个平台同时运行多个操作系统，并且应用程序都可以在互相独立的空间内运行而互不影响，从而显著提高计算机的工作效率。
• 虚拟化技术与多任务以及超线程技术使完全不同的。多任务是指在一个操作系统中多个程序同时并行运行，而在虚拟化技术中，则可以同时运行多个操作系统，而且每一个操作系统中都有多个程序运行，每一个操作系统都运行在一个虚拟的CPU或者虚拟主机上。超线程技术只是单CPU模拟双CPU来平衡程序运行性能，这两个模拟出来的CPU是不能分离的，只能协同工作。
• 容器技术是一种全新意义上的虚拟化技术，属于操作系统虚拟化的范畴，也就是由操作系统提供虚拟化的支持。目前最受欢迎的容器环境是Docker。容器技术将单个操作系统的资源划分到孤立的组中，以便更好的在孤立的组之间平衡有冲突的资源使用需求。

2） 云存储技术 ：分布式文件系统作为构成云存储技术的重要组成部分，在保证兼容性的前提下，对系统复制和容错功能进行了强化提升。同时，在此基础上通过科学合理的资源调度与配置实现系统的扩展能力，在模块之间进行合理配对的基础上完成了各种类型的网络存储问题、联合式的存储问题以及多节点协同下的存储挑战的解决方案设计与实施。在实现过程中，则是基于分布式文件结构，在充分考虑硬件支持的基础上对硬件运行环境进行了优化配置，并在此基础上实现了数据传输效率的最大化；同时通过适度扩展成本较低度的硬件资源提升了系统的总成本控制水平。

3）多租户和访问控制管理

• 云计算领域的权限管理研究主要包括以下几个方面：一是云计算环境下的Access Control Model（ACM），二是基于Attribute-Based Encryption（ABE）框架下的云计算Access Control方案研究；三是针对多租户环境下的云存储服务中的Access Control问题展开深入探讨。
• 云计算Access Control Model是一种通过特定的Access Strategy来描述安全系统特性并建立安全Model的方法论。它允许用户（即租户）通过Access Model获得相应的Permission Rights，并据此对云端存储的数据进行操作；这种方法常用于实现静态分配权限。
• 根据具体的安全功能需求和技术实现思路的不同，在理论研究与实践应用方面形成了多种不同的Access Control方案类型。其中包括但不限于：
  • 基于Task Type的任务属性型Access Control Model；
  • 基于Attribute Model的安全系统架构；
  • 基于UCON协议框架的安全机制设计；
  • 基于BLP规则的安全框架构建等。
• 在基于ABE密码机制的应用场景中通常涉及四个关键角色：数据提供方（Data Provider, DP）、可信第三方授权中心（Trusted Third Party Authorization Center, TATC）、云端存储服务提供商（Cloud Storage Service Provider, CSP）以及最终用户或客户端（User）。

云安全技术：在研究云安全时主要包含两大核心内容：其一是云计算自身提供的安全保障措施，在这一过程中需要综合考虑数据完整性和可用性、隐私保密性和服务可靠性等多个维度；其二是通过依托云端服务来加强客户端信息安全防护，在这一环节中利用云计算技术实现网络信息安全防护工作，并涵盖基于云端的技术手段用于病毒防御和恶意软件检测等关键环节。

2.3 应用和发展

自己可以读课本，不是重点。

3、大数据

大数据（Big Data）是指难以通过常规软件工具捕捉、管理及处理的数据集合；这类数据资源库不仅海量丰富，并且具备决策效能、分析深度以及流程优化能力。

3.1 技术基础

大数据信息包含体量大、结构多样以及时效性强等特点，在处理大数据时通常会采用新型计算架构和智能算法等新技术手段。从数据源到最终价值实现这一过程通常包括数据准备阶段、数据存储与管理步骤、数据分析与计算环节、数据治理及知识展现阶段等多个方面。这些过程涉及的数据模型构建、处理模型设计以及相关的计算理论研究还包括分布式计算与存储平台技术的开发应用，并结合数据清洗与挖掘技术提升效率，在流式计算和增量处理技术的支持下实现精准分析，并通过完善的数据治理体系来保障信息的准确呈现。
总体而言，大数据的主要特性体现在：

• 数据规模庞大：大数据呈现出庞大的体量。
  • 数据种类丰富：大数据包含多种类型的数据，在实际应用中通常被划分为结构化和非结构化两大类。
  • 数据价值密度较低：其价值密度与其总量呈负相关关系。
  • 高效处理能力：为了从大规模的数据集中迅速提取有价值的信息，在方法上需要对不同类型的数据显示出高效的处理能力。

3.2 关键技术

大数据架构主要由多种核心技术组成，
包括基于分布式计算的数据处理体系与规模化的数据管理系统，
此外则涵盖了广泛的应用技术和配套服务系统。

1）大数据获取技术

• 研究聚焦于数据采集、整合与清洗三个核心环节。
  • 数据采集技术通过获取数据源，并完成相应的处理。
  • 首先采用分布式爬虫等技术从网站上收集信息；其次利用DPI和DFI等方法管理网络流量；此外还涉及高可靠性的数据采集和全网数据映像。
  • 在整合阶段，在确保实体识别的基础上完成高质量的数据整合工作；包括多种模型集成、智能转换算法以及容错机制等技术；最后对整合后的信息进行验证和评估以确保可用性。
  • 数据清洗过程主要依据正确性条件与约束规则，在保证准确性的同时剔除异常值并修复关键信息；具体涵盖语义模型构建、错误识别学习框架等多个环节，并建立完善的检测与修复机制以提高整体质量。

2）分布式数据处理技术

分布式计算伴随着分布式系统的发展逐渐兴起，并集成了多台服务器协同工作的方式，在并行处理机制下实现了对大量任务的有效分配与执行，在提升整体计算效率的同时也显著缩短了运行时长。目前主流的应用场景包括Hadoop、Spark和Storm三大框架：其中Hadoop主要用于离线复杂的大数据分析；Spark则专注于离线快速的数据流分析；而Storm则擅长应对在线实时的数据流采集与传输。
在大数据分析与挖掘领域内主要包含以下几个方面的研究内容：首先是优化现有数据挖掘技术和机器学习算法；其次是研发基于分布式架构的数据网络挖掘方法以及异构数据群组挖掘算法；再次是在对象导向环境下创新性地构建高效的数据融合技术体系；最后则是突破传统模式下的用户行为特征识别、网络行为预测以及情感信息提取等关键技术瓶颈。

3）大数据管理技术

• 大数据管理技术在数据管理方面主要集中在存储、协同管理和安全隐私等关键领域。
  • 在存储技术方面，则主要包含基于MPP架构的新型数据库集群、采用列存储和粗粒度索引等技术以及高效的分布式计算模式。
  • 此外，在Hadoop生态系统中衍生出了许多相关技术和解决方案来处理传统关系型数据库难以处理的数据类型和场景。
  • 最后，在多数据中心协同管理方面，则通过分布式工作流引擎实现资源调度与均衡分配，并整合各数据中心的计算与存储资源以构建统一的大数据服务平台。
  • 在隐私保护方面，则主要研究新型数据发布技术和相关方法以尽量减少信息损失的同时最大限度地保护用户隐私。
  • 在保证数据信息完整性与保护用户隐私之间存在权衡问题。

4）大数据应用和服务技术

• 大数据应用与服务技术涵盖分析应用技术和可视化技术两大核心领域。
  • 数据分析服务主要是基于分布式海量数据分析与挖掘的整体架构设计的一类技术支持方法。该类方法以满足不同业务需求为导向，在多个领域中开展针对性的数据分析任务，并通过其提供的智能决策支持功能为用户提供高效便捷的数据服务。
  • 其 visualize 技术主要集中于以下几大类：文本型 visualize 技术（Text Visualization）、网络（图）型 visualize 技术（Network/Graph Visualization）、时空型 visualize 技术（Space-Time Visualization）、多维型 visualize 技术（Multi-Dimensional Visualization）以及交互式 visualize 技术（Interactive Visualization）。从技术和方法层面关注In Situ Interactive Analysis等核心技术算法的发展，在技术和方法层面关注In Situ Interactive Analysis等核心技术算法的发展的同时也在多个领域内发展出了相应的工具库。

3.3 应用和发展

大家自己读课本，无考试重点。

4、区块链

区块链技术是以分布式存储网络为基础，在保障数据隐私保护措施的同时，能够有效防止数据篡改，并建立了开放性、分散性和容错能力的事务处理系统。它是构建新一代匿名在线支付、转账和数字资产交易平台的关键技术基础。

4.1 技术基础

从技术架构来看, 区块链概念可被视为基于非对称加密算法, 并采用改进型默克尔树作为数据存储结构. 采用共识机制与点对点网络等核心技术协同运作而成的分布式数据库体系. 根据应用场景的不同特性, 区块链主要可分为公有链. 联盟链. 私有链以及混合链四大类.

从技术架构来看, 区块链概念可被视为基于非对称加密算法, 并采用改进型默克尔树作为数据存储结构. 采用共识机制与点对点网络等核心技术协同运作而成的分布式数据库体系. 根据应用场景的不同特性, 区块链主要可分为公有链. 联盟链. 私有链以及混合链四大类.

2）区块链的典型特征：

4.2 关键技术

1）分布式账本

• 分布式账本的基本概念在于：通过多个分散在不同地点的节点共同处理交易记账事务，并确保每个节点都拥有一个独立完整的副本记录；这些副本记录不仅内容一致且可追溯，在发生任何变动时会在所有副本中同步显示；由于系统的高可用性依赖于具备足够数量和可靠性的记账节点，在理论上只有当全部记账节点遭受攻击时系统才可能出现不可逆转的状态变化。
• 分布式账本中的资产范畴涵盖了法律规定的所有合法财产类型包括但不仅限于金融产品实体资产和电子文件等有价证券；为了保障这些财产的安全性和完整性分布式系统采用公私钥认证机制以及共识算法来管理对账户数据的空间控制；同时系统设计允许单个参与者一部份参与者或全体参与方共同参与数据更新过程以增强系统的容错能力和安全性。

2）加密算法

在区块链系统中，绝大多数加密技术主要可分为两类：散列（哈希）算法与非对称加密技术。其中，
典型的散列算法主要包括MD5、SHA-1/SHA-2以及SM3等多种类型；当前，
区块链系统中应用最广泛的散列函数为SHA-2系列中的SHA256。
在非对称加密领域，
主流的实现方案涵盖了RSA、Elgamal、D-H以及ECC（椭圆曲线加密技术）等多种方案。

3）共识机制

• 共识算法能够确保分布式的计算机或软件程序之间实现协调一致，并对系统的输入输出产生正确响应。
  • 区块链的共识机制的核心思想是：在不依赖中心化的协调机构的情况下，在某个记账节点提议区块数据增加或减少后将其传递给所有参与方；所有参与方则按照既定的规则和流程进行判断与处理。

目前常见的共识机制主要包括Proof of Work（PoW）、Proof of Stake（PoS）、Delegated Proof of Stake（DPoS）、Practical Byzantine Fault Tolerance（Paxos）以及Public贝叶斯共识协议（PBFT）等技术。在对共识机制进行系统性地进行研究和评估时。

• 合规监管：该类监管机制能否覆盖超级权限节点对整个网络及其数据的监控？
• 性能效率：在该系统共识过程运行中交易达成率与确认速度的具体表现如何？
• 资源消耗：共识机制运行期间主要消耗哪些计算资源以及带宽占用情况如何？
• 容错性：系统具备抵御攻击和欺诈事件的能力达到什么水平？

4.3 应用和发展

大家自己读课本，无重要考点。

5、人工智能

5.1 技术基础

大家自己读课本，自己理解。

5.2 关键技术

人工智能的关键技术主要涉及机器学习、自然语言处理、专家系统等技术。

1）机器学习

• 机器学习是一种自动化地将模型与数据对应起来的技术，并通过训练模型对数据进行处理以实现特定功能。
• 神经网络是机器学习的一个子领域，在分类型任务中发挥重要作用。
• 深度学习是一种基于多层次特征提取的方法，在预测结果方面表现出色。
• 强化学习是一种通过逐步行动积累奖励来优化系统行为的学习策略。
• 从理论支撑的角度来看，在使用统计方法进行对比分析时能够体现出显著的优势。
• 相比传统回归分析方法等人为假设导向的传统手工分析手段，
  这类现代机器学习算法不仅提升了准确性，
  还带来了更高的复杂性和难以解释的特性。
• 相较于传统方法，
  自动化程度更高的现代算法更容易构建，
  并能够深入挖掘数据潜在特征。

2）自动语言处理

• 自然语言处理（NLP）是计算机科学与人工智能的重要交叉领域之一。它涉及多种理论和方法以实现人与计算机之间有效的人工语言交流。
• 自然语言处理并非单纯地研究自然语言本身,而是专注于开发能够高效利用自然语言进行通信的计算机系统,尤其是软件系统部分.因此,它属于计算机科学的重要组成部分。
• 自然语言处理在机器翻译、舆情监测智能化技术应用以及文本智能分析等多个领域都有广泛的应用。

3）专家系统

该智能型软件系统由人机交互界面...等六个主要组成部分构成...其内部存储了丰富且专业的领域的知识和经验...它能够有效地利用人工智能技术和计算机技术...实现推理能力和判断力...从而模仿人类专家在该领域的决策过程...最终解决那些复杂的问题...

5.3 应用和发展

大家自己读课本，了解内容。

6、虚拟现实

6.1 技术基础

VR作为一种构建和沉浸式体验虚拟世界的先进技术平台。通过虚拟现实技术所构建的信息网络已被发展成为一种多层次的信息网络。人类的直觉思维与逻辑分析能力能够在这样的多层次信息网络中得到全面的应用和发展。

2）虚拟现实技术的核心特性包括沉浸体验、互动能力、多感官反馈、构想能力（亦称想象空间）以及自主决策能力。随着虚拟现实技术的迅速发展态势，在依据不同‘沉浸体验’水平以及互动深度的区分下，“桌面虚拟现实系统、沉浸式虚拟现实系统、分布式虚拟现实系统等”已逐步向增强式虚拟现实系统（AR）及元宇宙等前沿领域演进

6.2 关键技术

虚拟现实的关键涵盖领域包括人机交互相关技术、感知相关技术和动态环境建模相关技术等。

人机交互系统：虚拟现实中的人机交互系统与传统的操作方式仅限于键盘输入与鼠标操作存在显著差异。这种新型的人机互动模式通过集成VR眼镜、控制手柄等先进传感器设备，能够为用户提供真实的环境感知体验。该系统将三维空间中的立体式人机界面与实时语音识别、语音输入装置以及用于采集人体动作数据的传感器集成在一起，在实现对用户的全方位行为反馈方面具有显著优势。

2）传感器技术：随着VR技术的进步受限于传感器技术的发展状况。现有VR设备存在的不足与传感器灵敏度有着密切的关系。例如VR头显设备（如VR眼镜）过重、分辨率低下、刷新频率较慢等问题容易造成视觉疲劳；数据手套等设备同样存在延迟较长、使用灵敏度不足的问题。因此，提升传感器技术性能对于优化VR人机交互至关重要。

动态环境下建模的技术：在VR中构建虚拟环境中设计的关键环节是什么？该方法主要基于三维空间的数据处理能力来生成相应的实体模型。当前广泛采用的技术是计算机辅助设计（CAD）系统，在此框架下操作者可以通过相关软件获得高质量的数据集，并根据这些信息生成符合预期的实际应用场景的三维模型。其中一种常见的操作流程如下：首先操作者可以调用 CAD 技术来采集必要的几何信息；其次根据这些信息运用专业软件生成相应的三维图形并完成整体布局规划。此外，在某些情况下也可以借助视觉重建的方法进行补充训练；将多种手段结合起来能够更全面地捕捉场景细节并提升最终效果

4）系统集成技术：VR系统中的集成技术涵盖了信息同步与处理、数据转换与处理、模型标定与校准、识别技术和合成与呈现等多个方面。由于VR系统存储了丰富的语音输入数据和感知信号，并且包含大量复杂的数据模型，因此其系统的集成技术在应用中显得愈发关键。

6.3 应用和发展

大家自己读课本，了解内容。