2025年技术实务期末试题及答案

2025年技术实务期末试题及答案一、单项选择题（每题2分，共30分）1.以下不属于物联网三层体系结构的是（）A.感知层B.网络层C.应用层D.处理层2.某智能工厂部署工业互联网平台时，若需实现设备实时数据的毫秒级响应，应优先选择的计算模式是（）A.集中式云计算B.边缘计算C.雾计算D.分布式数据库3.在机器学习中，用于解决分类问题且输出为概率值的典型算法是（）A.K近邻B.支持向量机C.逻辑回归D.决策树4.大数据处理流程中，将非结构化日志文件转换为结构化数据的步骤属于（）A.数据采集B.数据清洗C.数据转换D.数据存储5.5G网络中，用于支持大规模机器类通信（mMTC）的关键技术是（）A.超密集组网B.毫米波通信C.低时延高可靠（URLLC）D.海量连接技术6.区块链系统中，采用PoS（权益证明）共识机制时，节点获得记账权的主要依据是（）A.计算能力B.持有的代币数量C.网络带宽D.历史交易记录7.某企业部署零信任架构时，核心原则是（）A.默认信任内部网络B.持续验证访问请求C.仅验证用户身份D.开放所有端口8.边缘计算节点与云计算中心的协同模式中，适用于实时性要求极高的场景是（）A.云边协同训练B.边云数据缓存C.边缘实时处理+云端长期存储D.云端决策+边缘执行9.自然语言处理（NLP）中，用于捕捉长距离语义依赖的模型是（）A.RNNB.LSTMC.TransformerD.CNN10.工业机器人运动控制中，实现精准轨迹规划的关键参数是（）A.重复定位精度B.最大负载C.自由度数量D.工作半径11.网络安全领域，针对APT（高级持续性威胁）的主要防御手段是（）A.防火墙B.入侵检测系统（IDS）C.威胁情报分析与持续监控D.病毒扫描12.量子计算中，利用量子叠加和纠缠特性实现并行计算的基本单位是（）A.量子比特（Qubit）B.经典比特（Bit）C.量子门D.量子寄存器13.智能传感器设计中，为降低功耗同时保证数据精度，通常采用的技术是（）A.全时采样B.事件触发采样C.高频采样D.模拟信号直接传输14.大数据平台中，用于处理实时流数据的开源框架是（）A.HadoopHDFSB.SparkSQLC.FlinkD.HBase15.人工智能伦理中，“可解释性”要求模型能够（）A.输出预测结果B.说明决策依据C.自动优化参数D.处理多模态数据二、多项选择题（每题3分，共15分，多选、错选不得分）1.以下属于工业互联网标识解析体系核心功能的有（）A.设备唯一身份编码B.数据跨平台互认C.实时控制指令下发D.产品全生命周期追溯2.深度学习模型训练中，导致梯度消失的可能原因包括（）A.使用Sigmoid激活函数B.网络层数过深C.学习率设置过高D.批量归一化（BatchNorm）层缺失3.5G网络切片技术的优势包括（）A.按需分配网络资源B.隔离不同业务的可靠性要求C.降低网络部署成本D.完全替代传统核心网4.数据隐私保护技术中，符合“隐私计算”范畴的有（）A.联邦学习B.同态加密C.数据脱敏D.区块链存证5.智能驾驶系统中，多传感器融合的常用传感器包括（）A.激光雷达（LiDAR）B.摄像头C.毫米波雷达D.惯性测量单元（IMU）三、简答题（每题8分，共40分）1.简述边缘计算与云计算的协同关系，并举例说明其在智能交通系统中的应用场景。2.对比监督学习与无监督学习的核心区别，分别列举一个典型应用场景。3.说明工业物联网（IIoT）中设备接入的主要挑战及解决方案。4.解释网络安全中“零信任”架构的核心原则，并说明其与传统边界安全的主要差异。5.描述大数据分析中“数据湖”与“数据仓库”的区别，指出各自适用的业务场景。四、案例分析题（共15分）某制造企业计划构建智能工厂，需部署以下系统：①设备实时监控与预测性维护系统；②生产流程数字孪生系统；③供应链协同平台。已知企业现有网络为百兆工业以太网，核心服务器部署在本地机房，数据存储采用传统关系型数据库。问题：（1）分析现有基础设施在支持上述系统时可能存在的瓶颈（5分）；（2）提出针对性的技术改进方案，包括网络、计算、存储三个层面（10分）。-答案及解析一、单项选择题1.D（物联网标准体系为感知层、网络层、应用层）2.B（边缘计算在设备侧就近处理数据，满足实时性要求）3.C（逻辑回归输出概率值，用于二分类；SVM输出类别标签）4.C（数据转换包括结构化处理，清洗是去除错误/重复数据）5.D（mMTC对应海量连接，URLLC对应低时延高可靠）6.B（PoS根据持币量和时长决定记账权，PoW依赖计算能力）7.B（零信任核心是“永不信任，持续验证”）8.C（边缘处理实时数据，云端存储长期数据，平衡实时性与存储成本）9.C（Transformer通过自注意力机制捕捉长距离依赖，LSTM缓解短期依赖）10.A（重复定位精度直接影响轨迹规划的准确性）11.C（APT需结合威胁情报与持续监控，传统工具难以应对）12.A（量子比特是量子计算的基本单位，支持叠加态）13.B（事件触发采样仅在数据变化时采集，降低功耗）14.C（Flink是流处理框架，HDFS是存储，SparkSQL是批处理）15.B（可解释性要求模型能说明决策逻辑，避免“黑箱”）二、多项选择题1.ABD（标识解析不涉及实时控制，主要是身份标识与数据关联）2.AB（Sigmoid导数在两端趋近0，深层网络梯度连乘导致消失；学习率过高可能梯度爆炸）3.ABC（网络切片是逻辑隔离，不替代传统核心网）4.AB（隐私计算强调“数据可用不可见”，联邦学习和同态加密符合；脱敏是显式处理，存证是存储）5.ABCD（多传感器融合需激光雷达、摄像头、雷达、IMU等互补）三、简答题1.协同关系：边缘计算在设备侧就近处理实时数据，减少网络传输延迟；云计算提供海量数据存储、复杂模型训练和全局决策支持。二者通过“边缘预处理-云端深度分析”实现互补。智能交通应用：路口摄像头（边缘节点）实时检测车辆密度，本地计算提供临时信号灯调整策略；云端汇总全城交通数据，训练长期优化模型，反馈至各边缘节点调整策略。2.核心区别：监督学习使用带标签数据，目标是学习输入到标签的映射；无监督学习使用无标签数据，目标是发现数据内在结构。应用场景：监督学习（如垃圾邮件分类，标签为“垃圾/非垃圾”）；无监督学习（如客户分群，根据消费行为自动划分群体）。3.主要挑战：设备异质性（协议多样）、网络环境复杂（工厂内干扰多）、数据安全（设备直接连接互联网易受攻击）。解决方案：采用工业协议网关（如OPCUA）实现多协议转换；部署工业级无线专网（如5G定制网）提升抗干扰能力；为设备配置轻量级防火墙，通过零信任机制认证接入。4.零信任核心原则：默认不信任任何内外实体（用户、设备、应用），所有访问需持续验证身份、设备状态、环境安全；传统边界安全依赖“网络边界”，默认信任内部流量，仅验证外部访问。差异：零信任无固定边界，强调“持续验证”；传统安全依赖“一次验证+边界防护”。5.数据湖：存储原始、多格式数据（结构化/非结构化），支持灵活分析（如机器学习、探索性分析），适用于需要保留全量数据、分析需求不明确的场景（如用户行为分析）。数据仓库：存储结构化、清洗后的数据，支持固定查询（如报表提供），适用于业务逻辑明确、需高效查询的场景（如财务报表）。四、案例分析题（1）瓶颈分析：网络层面：百兆工业以太网带宽不足，无法支持设备实时监控的高频数据传输（如传感器每秒1000次采样）；计算层面：本地机房服务器算力有限，难以支撑数字孪生系统的高并发仿真计算和预测性维护的机器学习模型训练；存储层面：传统关系型数据库难以处理非结构化设备日志、视频监控等数据，且扩展性差，无法应对海量数据增长。（2）改进方案：网络：升级为工业万兆以太网，并部署5G工业专网（uRLLC切片），满足设备数据实时传输需求；计算：构建“边缘+云端”计算架构——在车间部署边缘计算节点（如MEC服务器）处理设备实时监控数据（如振动、温度异常检测）；云端部署AI训练