2026年广西壮族自治区公务员考试(大数据+人工智能与大数据侦察职位专业科目)综合练习题及答案

2026年广西壮族自治区公务员考试(大数据+人工智能与大数据侦察职位专业科目)综合练习题及答案一、单项选择题（每题1分，共25分）1.大数据的主要特征通常概括为"4V"，其中"Velocity"指的是（）。A.数据规模巨大B.数据类型多样C.数据处理速度快D.数据价值密度低答案C解析"4V"即Volume（大量）、Variety（多样）、Velocity（高速）、Value（价值）。Velocity强调数据产生和处理的实时性、快速性。2.在Hadoop生态系统中，用于分布式存储的核心组件是（）。A.MapReduceB.HDFSC.YARND.ZooKeeper答案B解析HDFS（HadoopDistributedFileSystem）是Hadoop的分布式文件系统，负责海量数据的存储；MapReduce负责计算，YARN负责资源调度。3.下列哪种数据结构适合用于实现"大数据侦察"中嫌疑人员关系的快速查找与去重？（）A.栈B.队列C.哈希表D.二叉树答案C解析哈希表通过哈希函数实现O(1)时间复杂度的插入和查找，适合大规模数据下的快速匹配与去重操作。4.在机器学习中，用于解决"过拟合"问题的常用方法不包括（）。A.L1/L2正则化B.增加训练数据量C.增加模型复杂度D.Dropout（随机失活）答案C解析增加模型复杂度（如增加网络层数、特征维度）通常会加剧过拟合。正则化、扩充数据、Dropout等均是抑制过拟合的常用手段。5.大数据侦察中，对海量日志数据进行实时流式处理时，宜采用下列哪种框架？（）A.ApacheFlinkB.ApacheHiveC.ApachePigD.Sqoop答案A解析Flink是分布式流处理引擎，支持毫秒级延迟的实时计算；Hive、Pig多用于离线批处理，Sqoop用于数据导入导出。6.下列关于人工智能中"深度学习"的说法，正确的是（）。A.深度学习只能处理结构化数据B.卷积神经网络（CNN）常用于处理序列数据C.循环神经网络（RNN）适用于处理时间序列数据D.深度学习的训练不需要大量标注数据答案C解析RNN具有记忆单元，适合处理文本、语音等序列数据。CNN主要应用于图像数据；深度学习依赖大规模标注数据，且能处理非结构化数据。7.在数据清洗环节，对于包含大量缺失值的属性列，下列处理方法最为合理的是（）。A.直接删除整张表B.用该列均值/中位数/众数填充C.将所有缺失值置为0D.随机填充任意值答案B解析按数据类型选择均值（数值型）、中位数（含离群值）或众数（分类型）填充是规范做法。直接置0或随机填充会引入偏差，整表删除损失过大。8.大数据侦察中，从网络流量数据中发现异常行为模式，通常属于（）的应用场景。A.描述性分析B.诊断性分析C.预测性分析D.规范性分析答案C解析基于历史流量数据训练模型，预测并识别潜在异常行为，属于预测性分析范畴。9.SQL语言中，用于对分组后的数据进行条件筛选的关键字是（）。A.WHEREB.GROUPBYC.HAVINGD.ORDERBY答案C解析WHERE在分组前过滤行，HAVING在分组后对聚合结果进行条件过滤。10.下列哪个算法属于无监督学习？（）A.线性回归B.K-Means聚类C.支持向量机D.决策树答案B解析K-Means聚类不需要标签数据，通过样本间的相似度自动划分簇，属于无监督学习。其余选项均为监督学习算法。11.在分布式计算中，MapReduce的"Shuffle"阶段主要完成的工作是（）。A.数据的持久化存储B.将Map输出按key分区、排序并传输给ReduceC.对数据进行压缩D.将结果返回给客户端答案B解析Shuffle阶段负责将Map端输出的中间结果按key进行分区、排序、合并，并传输到对应的Reduce节点。12.自然语言处理（NLP）中，将文本转换为词向量常用的模型之一是（）。A.Word2VecB.HDFSC.MapReduceD.ZooKeeper答案A解析Word2Vec是Google提出的经典词嵌入模型，通过神经网络将词语映射为稠密向量。13.大数据侦察中，对嫌疑人通话记录进行关联分析，构建社交网络图，宜采用（）技术。A.图数据库（如Neo4j）B.关系型数据库（如MySQL）C.键值存储（如Redis）D.文档数据库（如MongoDB）答案A解析图数据库以节点和边存储实体及其关系，适合社交网络、资金流向等强关联数据的深度查询与分析。14.下列哪项不属于《中华人民共和国数据安全法》确立的基本制度？（）A.数据分类分级保护制度B.数据安全审查制度C.数据出境安全评估制度D.数据自由无限流通制度答案D解析《数据安全法》确立了分类分级、安全审查、出境评估等制度，但数据流通必须在安全可控前提下进行，并非"无限流通"。15.在Python数据分析中，用于数据清洗和结构化操作的核心库是（）。A.NumPyB.PandasC.MatplotlibD.Scikit-learn答案B解析Pandas提供DataFrame结构，支持缺失值处理、过滤、分组聚合等数据清洗与操作功能；NumPy偏数值计算，Matplotlib偏可视化，Scikit-learn偏机器学习。16.下列关于区块链技术的说法，错误的是（）。A.区块链具有去中心化、不可篡改的特性B.区块链上的数据对所有节点完全公开C.共识机制是区块链的核心技术之一D.智能合约是运行在区块链上的自动执行程序答案B解析区块链分为公有链、联盟链和私有链，并非所有数据对所有节点公开。联盟链和私有链均设有访问权限控制。17.大数据侦察中，利用车辆卡口数据研判嫌疑车辆轨迹，主要采用（）分析方法。A.时间序列分析B.空间聚类分析C.轨迹挖掘与时空关联分析D.文本情感分析答案C解析车辆轨迹研判需综合时间与空间维度，通过轨迹挖掘和时空关联分析还原嫌疑车辆行驶路线。18.在数据可视化中，用于展示数据分布情况（如年龄分布）最为直观的图表是（）。A.折线图B.直方图C.饼图D.散点图答案B解析直方图通过等宽区间展示数据频数分布，适合观察数据的集中趋势和离散程度。19.下列哪种攻击方式最容易导致大数据平台中的隐私数据泄露？（）A.拒绝服务攻击（DDoS）B.差分攻击C.SQL注入D.中间人攻击答案C解析SQL注入可通过构造恶意SQL语句直接读取数据库中的敏感数据，是大数据平台面临的主要数据泄露风险之一。差分攻击多用于统计数据库，DDoS偏可用性破坏。20.在Spark中，RDD的"惰性求值"特性指的是（）。A.所有操作立即执行并返回结果B.转换操作（Transformation）不会立即计算，而是延迟到行动操作（Action）触发时执行C.数据只在内存中计算D.计算结果自动缓存答案B解析Spark中Transformation操作（如map、filter）只构建血统（Lineage），不立即执行；遇到Action操作（如count、collect）才真正触发计算。21.大数据侦察中，对海量文本情报（如论坛帖子、聊天记录）进行主题归类，宜采用（）算法。A.线性回归B.K-Means聚类C.LDA主题模型D.Apriori关联规则答案C解析LDA（LatentDirichletAllocation）是经典的主题模型，可将文档集合按潜在主题进行聚类，适合文本情报挖掘。22.下列哪项技术主要用于解决大数据环境下数据隐私保护问题？（）A.数据脱敏B.数据压缩C.数据分区D.数据备份答案A解析数据脱敏通过替换、遮蔽、泛化等手段去除或模糊敏感信息，是隐私保护的核心手段。23.在深度学习框架中，TensorFlow和PyTorch共同支持的核心概念是（）。A.张量（Tensor）与自动微分B.关系型数据库C.数据仓库D.数据挖掘答案A解析张量是数据的基本载体，自动微分（Autograd）实现反向传播计算梯度，二者是主流深度学习框架的基石。24.大数据侦察中，针对电信网络诈骗案件，通过资金流水数据识别"洗钱"团伙的层级结构，宜采用（）技术。A.关联规则挖掘B.资金网络图谱分析C.时间序列预测D.文本分类答案B解析资金网络图谱将账户作为节点、转账关系作为边，通过图算法（如PageRank、社区发现）可揭示团伙层级和资金流向。25.下列关于数据仓库与大数据平台的区别，说法正确的是（）。A.数据仓库仅能处理结构化数据，大数据平台可处理多类型数据B.数据仓库处理能力一定强于大数据平台C.大数据平台不支持SQL查询D.两者没有本质区别答案A解析传统数据仓库面向结构化数据（ETL后入库），大数据平台（如Hadoop、Spark）可处理结构化、半结构化和非结构化数据，且多支持SQL接口（如Hive、SparkSQL）。二、多项选择题（每题2分，共20分）1.大数据侦察中，常用的数据采集方式包括（）。A.网络爬虫抓取公开信息B.传感器与物联网设备采集C.业务系统数据库对接D.人工手工录入纸质档案答案ABCD解析数据采集渠道多元，既包括自动化采集（爬虫、传感器、系统对接），也包含传统人工录入，实际工作中常多源融合。2.下列属于监督学习算法的有（）。A.逻辑回归B.K近邻（KNN）C.AprioriD.随机森林答案ABD解析逻辑回归、KNN、随机森林均需使用标注数据进行训练；Apriori是关联规则挖掘算法，属于无监督学习。3.大数据平台的常见部署架构包括（）。A.裸金属服务器集群B.私有云部署C.公有云部署D.混合云部署答案ABCD解析根据安全等级、成本和弹性需求，大数据平台可灵活选择上述四种部署方式，公安领域多采用私有云或混合云。4.下列关于数据库事务ACID特性的描述，正确的有（）。A.原子性（Atomicity）：事务中的操作要么全部成功，要么全部失败B.一致性（Consistency）：事务执行前后数据库完整性约束不被破坏C.隔离性（Isolation）：并发事务之间互不干扰D.持久性（Durability）：事务提交后对数据的修改永久保存答案ABCD解析ACID是关系型数据库事务的四大核心特性，四项描述均正确。5.大数据侦察中，人脸识别技术可能面临的挑战有（）。A.光照变化影响识别精度B.遮挡（口罩、墨镜）导致特征丢失C.跨年龄识别准确率下降D.深度伪造（Deepfake）攻击答案ABCD解析人脸识别受光照、遮挡、年龄变化等因素影响，且深度伪造技术可生成虚假人脸，对识别系统构成安全威胁。6.下列属于数据预处理环节的操作有（）。A.数据清洗B.数据集成C.数据变换D.数据规约答案ABCD解析数据预处理包含清洗（缺失值、异常值）、集成（多源合并）、变换（归一化、离散化）、规约（降维、压缩）四大步骤。7.关于K-Means聚类算法，下列说法正确的有（）。A.K值需要预先指定B.对初始聚类中心敏感C.擅长处理任意形状的簇D.对离群点敏感答案ABD解析K-Means需预设K值，结果受初始中心影响较大，且基于距离的划分方式易受离群点干扰；其对非凸形状的簇效果较差。8.大数据侦察中，可用于话单数据分析的技术有（）。A.频繁项集挖掘发现常联系号码B.社区发现算法识别犯罪团伙C.时间序列分析刻画通联规律D.文本情感分析判断通话语气答案ABC解析话单为结构化通话记录，可进行频繁项集、社区发现、时间序列等分析；D项文本情感分析适用于文本内容，不适用于话单元数据。9.下列属于大数据安全防护关键技术的有（）。A.数据加密B.访问控制C.安全审计D.态势感知答案ABCD解析四者均为大数据安全体系的重要环节，涵盖数据保密性、权限管理、行为追溯和主动防御。10.关于图计算在大数据侦察中的应用，下列说法正确的有（）。A.可用于资金流向追踪B.可用于社交网络团伙识别C.可用于最短路径分析D.可用于文本词频统计答案ABC解析图计算擅长处理实体间关联关系，适用于资金追踪、社交网络分析、路径规划；词频统计属于文本处理范畴，不涉及图结构。三、判断题（每题1分，共15分）1.大数据分析中，数据量越大，分析结果一定越准确。答案错误解析数据质量、特征选择、模型适用性等同样影响结果准确性。噪声数据过多反而会降低模型性能。2.HDFS适合存储大量小文件。答案错误解析HDFS元数据存储在NameNode内存中，海量小文件会耗尽内存并降低读写效率，适合存储大文件。3.在监督学习中，训练集和测试集可以有重叠。答案错误解析若训练集与测试集重叠，会导致模型评估结果虚高，无法反映真实泛化能力，必须严格分离。4.数据脱敏可以完全杜绝隐私泄露风险。答案错误解析脱敏技术（如k-匿名、差分隐私）能降低风险，但在重识别攻击下仍有泄露可能，需结合访问控制、审计等多种手段。5.卷积神经网络（CNN）也可以用于处理文本分类任务。答案正确解析CNN通过卷积核提取局部n-gram特征，可应用于文本分类，且在短文本任务中表现良好。6.大数据侦察中，所有的数据源都必须经过清洗后才能使用。答案错误解析不同场景对数据质量要求不同，实时流处理可能容忍一定噪声，需根据业务需求决定清洗策略，而非一律强制清洗。7.Spark比MapReduce更适合迭代式计算。答案正确解析Spark基于内存计算，迭代式算法（如机器学习）无需反复读写磁盘，效率远高于MapReduce。8.数据仓库中的数据通常是实时更新的。答案错误解析传统数据仓库多采用批量ETL方式周期性更新（如每日），实时性较弱，与流式数据处理平台不同。9.在关联规则挖掘中，支持度表示规则在所有事务中出现的概率。答案正确解析支持度Su10.线性回归模型可以用于分类任务。答案错误解析线性回归输出连续值，用于分类需经过Sigmoid等函数转换（如逻辑回归），直接使用线性回归进行分类效果不佳。11.差分隐私技术通过向查询结果中添加噪声来保护个体隐私。答案正确解析差分隐私的核心机制是随机化噪声，使攻击者无法判断某个个体是否在数据集中，从而保护隐私。12.公安大数据平台的数据只能来源于公安内部系统。答案错误解析可依法整合社会资源数据（如水电、通信、交通等），实现多源数据融合，但需遵守合法合规原则。13.在K折交叉验证中，K值越大，模型评估的方差越大。答案错误解析K越大，训练集越接近全量数据，评估结果偏差越小，但计算开销增大；方差通常随K增大而减小。14.词频-逆文档频率（TF-IDF）中，IDF值越大表示词语越具有区分度。答案正确解析IDF（逆文档频率）衡量词语的稀有程度，IDF越大说明该词在少数文档中出现，区分能力强。15.区块链技术可应用于电子证据存证，利用其不可篡改性保证证据完整性。答案正确解析区块链的哈希链结构和共识机制可防止电子证据被篡改，适用于司法存证场景。四、简答题（每题5分，共20分）1.简述大数据侦察的基本流程。答案大数据侦察基本流程包括五个环节：(1)数据采集：通过爬虫、传感器、系统对接等多种渠道获取多源异构数据；(2)数据预处理：对原始数据进行清洗、集成、变换和规约，解决缺失值、噪声、格式不一致等问题；(3)数据存储与管理：根据数据类型和查询需求选择分布式文件系统、数据仓库或图数据库等存储方案；(4)数据分析与挖掘：运用统计分析、机器学习、图计算等技术发现数据中的规律、关联和异常；(5)结果可视化与研判应用：将分析结果以图表等形式呈现，辅助侦查人员研判决策，形成情报产品。2.简述机器学习中"训练集""验证集""测试集"三者的区别与作用。答案(1)训练集用于训练模型参数，使模型学习数据中的规律；(2)验证集用于模型选择与超参数调优，在训练过程中评估模型表现并防止过拟合；(3)测试集在模型训练完成后使用，用于评估最终模型的泛化能力，测试集数据在训练和调参阶段均不可接触。三者严格分离，确保模型评估的客观性和可靠性。3.大数据侦察中，如何保障公民个人信息安全？请列举至少三条措施。答案(1)数据脱敏处理：对身份证号、手机号、住址等敏感字段进行遮蔽、泛化或加密处理；(2)访问权限控制：实行最小权限原则，按岗位职责分级授权，并采用双人操作、操作留痕等机制；(3)数据加密传输与存储：对敏感数据采用国密算法加密，防止传输和存储环节泄露；(4)安全审计与追溯：记录所有数据访问和操作日志，定期审计，发现违规行为及时追责；(5)依法合规使用：严格遵守《个人信息保护法》《数据安全法》等法律法规，坚持"最小必要"原则。4.简述图数据库相比关系型数据库在大数据侦察中的优势。答案(1)关联查询高效：图数据库以节点和边直接存储关系，多跳关系查询（如"嫌疑人的朋友的朋友"）性能远优于关系型数据库的多表JOIN；(2)模型表达自然：社交网络、资金流向等场景天然呈图结构，图模型直观贴合业务逻辑；(3)灵活扩展：图结构无需预定义严格模式，新增节点和关系类型灵活，适应动态变化的侦查需求；(4)图算法支持：内置最短路径、社区发现、中心性等图算法，便于团伙识别、关键节点挖掘等分析任务。五、案例分析题（每题10分，共20分）1.某市公安局在侦办一起跨区域电信网络诈骗案件中，获取了以下数据：嫌疑人使用的50余个银行账户流水记录（约120万条）、30余部涉案手机的通话记录（约8万条）以及部分涉案人员的社交软件聊天记录。请回答：(1)针对上述多源异构数据，请设计合理的数据存储方案（4分）。(2)如何利用大数据技术分析该诈骗团伙的组织架构和资金流向？（6分）答案(1)数据存储方案设计（4分）：•银行流水和通话记录为结构化数据，可采用分布式数据库（如HBase）或数据仓库（如Hive）存储，按账号、时间建立分区索引；•社交聊天记录含文本等半结构化数据，可采用文档数据库（如MongoDB）或Elasticsearch存储，便于全文检索；•整体数据可存储在HDFS上，利用Spark进行批量分析，实时性要求高的场景（如紧急资金拦截）可引入Flink流处理。(2)团伙架构与资金流向分析（6分）：•资金流向分析：以银行账户为节点、转账关系为边构建资金网络图，运用图数据库（如Neo4j）和图算法（如PageRank、社区发现）识别资金归集账户和核心枢纽节点，还原"分散转入-归集-转出"的洗钱路径；•团伙架构分析：对通话记录进行频繁项集挖掘，找出高频通联号码组合；