2026年数据与信息测试题及答案

2026年数据与信息测试题及答案

一、单项选择题（每题2分，共20分）1.在信息生命周期管理中，决定数据何时从“在线”迁移到“近线”存储的主要依据是A.数据体积B.数据价值密度C.访问频率D.数据所有者2.下列哪一项最能体现大数据“4V”特征中的“Veracity”问题A.传感器每秒上传百万条温度记录B.社交媒体文本存在大量拼写错误与歧义C.电商平台单日订单量突破十亿D.视频流数据以4K分辨率实时传输3.对关系型数据库进行第三范式分解时，消除的主要异常是A.丢失更新B.插入异常C.死锁D.脏读4.在IPv6地址中，前缀2001:db8::/32通常被用于A.全球单播地址B.链路本地地址C.文档与教学示例D.组播地址5.采用Huffman编码对信源编码后，其平均码长必定A.小于信源熵B.等于信源熵C.大于或等于信源熵D.与熵无关6.在差分隐私机制中，隐私预算ε越小，意味着A.加入的噪声越小B.隐私保护强度越高C.查询精度越高D.系统吞吐量越大7.下列关于RAID5的描述正确的是A.允许两块盘同时失效B.写惩罚为1C.校验信息分布在所有磁盘上D.至少需要四块磁盘8.在机器学习中，F1-score是A.精确率与召回率的调和平均B.准确率与召回率的算术平均C.ROC曲线下面积D.对数损失9.区块链采用Merkle树的主要目的是A.提高交易速度B.降低智能合约Gas消耗C.快速校验区块数据完整性D.实现跨链通信10.在信息检索评价中，MAP指标考虑的是A.单次查询的首位结果是否正确B.所有查询的平均准确率C.点击通过率D.查全率为0.5时的查准率二、填空题（每题2分，共20分）11.信息论中，熵的最大值出现在信源符号概率呈________分布时。12.在NoSQL的CAP定理里，当网络发生分区时，系统必须在________与________之间做出选择。13.数据仓库的多维模型中，事实表的一行对应一个________，维度表的一行对应一个________。14.采用AES-256加密，密钥长度为________位，其理论暴力破解复杂度为________。15.在OSI七层模型中，负责端到端可靠传输的是________层，负责路由选择的是________层。16.对文本进行TF-IDF加权时，若某词在全部文档中出现频率过高，其IDF值将趋近于________。17.在Pythonpandas中，对DataFrame按列去重应调用________方法。18.在TCP报文段中，窗口大小字段占用________字节，因此最大通告窗口为________字节。19.采用B+树作为索引结构时，所有数据指针都存储在________节点，从而支持高效的________遍历。20.在数据治理成熟度模型中，最高级通常被称为________级，其特征是数据作为________被企业全面管理。三、判断题（每题2分，共20分，正确打“√”，错误打“×”）21.数据清洗阶段处理缺失值时，均值填补法对类别型属性同样适用。22.在公钥基础设施PKI中，CA的核心职能是签发并管理数字证书。23.采用UDP协议的应用层程序无法保证数据按序到达接收端。24.在深度学习中，批归一化层的作用是减少模型对初始权重的敏感度。25.信息系统的可用性指标MTBF越大，代表系统平均修复时间越短。26.在关系代数中，选择操作与投影操作满足交换律。27.采用ZigBee协议的传感器网络可直接接入互联网而无需网关。28.在数据挖掘中，Apriori算法采用自底向上的搜索策略生成频繁项集。29.在Git版本控制中，执行gitreset--hard后，工作区与暂存区的修改均可恢复。30.在JSON数据格式中，键值对之间必须使用分号分隔。四、简答题（每题5分，共20分）31.简述数据湖与数据仓库在Schema设计上的差异，并指出各自适用的业务场景。32.说明MapReduce计算框架中“Shuffle”阶段的主要任务及其对性能的影响。33.列举并解释三种常见的特征选择方法，分别指出其优缺点。34.描述零信任安全模型的核心理念，并给出企业落地该模型的两项关键技术措施。五、讨论题（每题5分，共20分）35.随着大模型参数规模扩大，训练数据质量比数据量更重要。请结合实例讨论如何在万亿级语料中高效识别并剔除低质量文本。36.在跨境数据流动监管日益严格的背景下，企业如何平衡数据本地化与全球协同分析的需求？请提出可操作的合规技术方案。37.联邦学习在保护隐私的同时可能引入模型投毒攻击，请讨论攻击机理并给出防御策略。38.量子计算对现有公钥加密体系构成威胁，请评估RSA-2048被破解的时间窗口，并阐述迁移到后量子加密算法的路线图。答案与解析一、单项选择题1.C2.B3.B4.C5.C6.B7.C8.A9.C10.B二、填空题11.均匀12.一致性、可用性13.业务事件、维度属性14.256、2^25615.传输、网络16.017.drop_duplicates18.2、6553519.叶子、范围20.优化、资产三、判断题21×22√23√24√25×26×27×28√29×30×四、简答题31.数据湖采用“读时模式”（schema-on-read），原始数据先存储后解析，适合探索式分析与机器学习；数据仓库采用“写时模式”（schema-on-write），数据入库前需定义严格模式，适合固定报表与BI场景。32.Shuffle负责将Map输出的中间键值对按Key哈希分发至Reduce节点，涉及磁盘溢写、网络传输与排序，是MapReduce的性能瓶颈；优化手段包括Combiner、压缩、调整并行度等。33.(1)过滤法：用统计指标（方差、卡方）快速筛选，优点速度快，缺点忽略特征交互；(2)包装法：用模型性能评价子集，优点精度高，缺点计算量大；(3)嵌入法：在模型训练过程中完成选择（L1正则），兼顾效率与效果，但依赖特定算法。34.零信任强调“永不信任、持续验证”，默认内网也不安全；关键技术包括动态身份认证（多因子、IAM）与微分段（软件定义边界SDP），通过细粒度访问控制与加密通道实现最小权限。五、讨论题35.可采用“质量评分+主动学习”框架：先用规则模型（语言识别、困惑度、重复字符比例）快速粗排，再训练小体量BERT分类器对边缘样本精细打分，最后引入人工标注闭环，迭代提升精度；对万亿级语料使用分布式Spark流水线，每轮过滤后重训评分模型，实现高效迭代。36.建议采用“数据分层+可计算加密”策略：敏感原始数据留在本地，脱敏后特征向量或同态加密中间结果出境；使用跨国部署的联邦学习平台，模型参数通过差分隐私保护；同时建立数据出境风险评估系统，动态监测合规性，实现“数据不动模型动”。37.投毒攻击者上传恶意梯度使全局模型偏向错误分类；防御可在服务器端检测梯度异常（余弦相似度、范数阈值），或采用鲁棒聚合（Median、TrimmedMean）降低恶意梯度权重；结合区块链记录客户端信誉，实施梯度审计与淘汰机制，提高攻击成本。38.基于Shor算法，估计需数千逻