本期要點
本文為節選
AI 基本術語
大語言模型
解釋：基于海量文本數據訓練的人工智能模型，通過深度學習技術（如 Transformer 架構）實現自然語言的理解、生成、推理等功能，具備處理長文本、上下文關聯和復雜語義的能力。
應用場景：廣泛應用于自然語言處理任務，如智能對話（Chatbot）、文本生成（文案創作、代碼編寫）、情感分析、機器翻譯等，典型代表包括 DeepSeek、GPT-4、Llama 等。
多模態模型
解釋：支持文本、圖像、語音、視頻等多種數據類型輸入輸出的模型，通過跨模態融合技術實現對復雜信息的綜合處理，打破單一模態的局限性。
應用場景：覆蓋智能交互（如圖文理解、視頻分析）、內容創作（圖文生成、語音合成）、輔助決策（醫療影像與文本報告結合）等場景，例如 DeepSeek VL2 在電商商品圖文分析、蘇商銀行票據識別中的應用。
混合專家模型
解釋：通過動態路由機制將輸入任務分配至多個 " 專家模塊 " 處理的架構，每個專家專注于特定子任務，實現模型參數的高效利用，降低整體算力消耗。
應用場景：適用于大規模模型訓練（如萬億參數模型），典型案例為 DeepSeek 核心架構通過 MoE 提升多任務處理效率，在保持性能的同時減少計算資源占用。
自托管 AI
解釋：企業在自有服務器、私有云或本地化基礎設施上獨立部署 AI 模型的模式，擁有對數據、模型和服務的完全控制權。
應用場景：適用于對數據隱私、合規性要求高的行業（如金融、政務），如數禾科技、中原銀行通過自托管部署保障用戶數據本地化處理，避免第三方依賴風險。
第三方托管 AI
解釋：依賴云服務商（如 OpenAI、Azure、阿里云）提供的 AI 平臺或 API 服務，無需自建基礎設施即可調用模型能力。
應用場景：適合中小企業快速落地 AI 應用（如客服機器人、圖像識別），但需關注第三方服務的安全性（如數據泄露、服務中斷），典型案例為企業通過調用 GPT-3 接口實現文本生成功能。
本部分為節選
安全機制術語
解釋：基于人工智能構建的實時威脅響應機制，通過機器學習分析攻擊模式，自動化調度防御資源，形成 " 以 AI 對抗 AI" 的智能防護體系，實現對新型網絡攻擊的動態識別與自適應防御。
技術實現：：
智能流量清洗：利用 AI 算法實時識別 DDoS 攻擊流量（如僵尸網絡發起的 NTP/SSDP 反射攻擊），通過 Anycast 架構將流量分散至全球節點（如 DeepSeek 部署 12 個區域集群），確保服務可用性。
攻擊預測與響應：通過歷史數據訓練異常檢測模型，提前預判攻擊峰值并自動擴容算力，可大大縮短遭受攻擊導致服務中斷時間。
對抗樣本
解釋：對抗樣本是對原始輸入數據（如圖像、文本）添加人類難以察覺的微小擾動后生成的樣本，可誤導機器學習模型輸出錯誤結果（如將熊貓圖像誤判為長臂猿）。
核心特性：核心利用模型對輸入特征的過度敏感，通過精心設計的擾動（如像素級噪聲、語義模糊文本）欺騙模型決策邊界，具有 " 擾動微小但破壞力強 "" 依賴模型特異性 " 的特點，暴露模型魯棒性不足的問題。
對抗訓練
解釋：對抗訓練是通過向輸入數據添加精心設計的微小擾動（對抗樣本），迫使機器學習模型學習抵御此類攻擊、提升魯棒性的技術。
核心機制：在訓練過程中，同時優化模型對原始數據和對抗數據的正確分類能力，使模型學會識別數據中的關鍵特征而非表面噪聲，從而增強對對抗攻擊（如圖片添加人眼不可見擾動導致分類錯誤）的抵抗力。
差分隱私
解釋：差分隱私是一種嚴格的隱私保護模型，通過向數據中添加可控噪聲（如拉普拉斯、高斯噪聲），確保單個個體數據的存在與否對分析結果影響可忽略。同時，使攻擊者無法通過輸出結果推斷特定個體是否參與數據集合，從理論上保障數據隱私的嚴格性。
應用場景：廣泛應用于數據發布（如醫療統計、人口普查）、機器學習（隱私保護聯邦學習）等場景，在釋放數據價值的同時避免個體信息泄露。
聯邦學習
解釋：聯邦學習是一種分布式機器學習框架，允許多個參與方（如企業、設備）在本地數據不出域的前提下協作訓練模型。
應用場景：各節點基于本地數據獨立訓練，上傳模型參數或梯度至中央服務器聚合，形成全局模型。優勢在于平衡數據共享與隱私保護，避免原始數據泄露，適用于醫療、金融、物聯網等敏感領域。
量子比特
解釋：量子比特（Qubit）是量子計算的基本信息單元，不同于經典比特（0 或 1 的確定態），它能以疊加態存在，即同時處于 | 0 和 | 1 的線性組合（如 α |0 + β |1 ，α + β =1）。此外，多個量子比特可通過 " 糾纏 " 產生關聯，其狀態變化會瞬時影響彼此。
核心優勢：這種疊加與糾纏特性賦予量子計算并行處理和高效解決復雜問題的能力。
抗量子算法
解釋：抗量子算法是專為抵御量子計算機攻擊設計的密碼學算法，針對傳統公鑰密碼（如 RSA、ECC）在量子計算下的安全漏洞（如 Shor 算法破解大數分解和離散對數問題）。
技術優勢：通過基于新型數學難題（如格理論、編碼理論、多變量多項式）構建加密體系，確保密鑰生成、加密解密過程在量子計算環境下仍具不可破解性，為數據長期安全提供保障。
零信任架構
解釋：零信任架構是一種網絡安全模型，遵循 " 永不信任，始終驗證 " 原則，摒棄傳統邊界防護思維，對所有訪問請求（包括內部）持續驗證身份、設備安全狀態及訪問權限。
核心機制：通過動態身份認證（如多因素認證）、最小權限分配（按需授權）、實時風險評估，構建 " 身份 - 設備 - 行為 " 三位一體的信任體系，確保每次訪問均經過細粒度校驗，從源頭阻斷非授權訪問。
來源：重慶信通設計院天空實驗室
