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)复习题及答案

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)复习题及答案一、单项选择题（每题1分，共30分）1.在Python语言中，用于读取文件内容并返回列表的方法是？A.read()B.readline()C.readlines()D.close()答案C2.大数据技术生态中，负责分布式资源调度的核心组件通常是？A.HDFSB.MapReduceC.YARND.ZooKeeper答案C3.在机器学习中，用于评估分类模型混淆矩阵中，真正率（TPR）的计算公式是？A.TB.TC.TD.T答案B4.下列关于数字取证中“哈希值”作用的描述，错误的是？A.用于验证数据的完整性B.用于快速查找重复文件C.可以直接还原出原始文件内容D.用于唯一标识电子证据答案C5.深度学习中，常用的防止过拟合的方法不包括？A.DropoutB.数据增强C.增加网络层数D.L1/L2正则化答案C6.在关系型数据库中，SQL注入攻击主要利用了应用程序未严格过滤？A.数字类型参数B.用户输入的字符串参数C.日期格式参数D.布尔类型参数答案B7.Pandas库中，用于创建一个空DataFrame的正确代码是？A.pd.DataFrame([])B.pd.DataFrame()C.pd.frame()D.pd.empty()答案B8.在网络侦察中，通过搜索引擎辅助搜集目标敏感信息的技术被称为？A.暴力破解B.社会工程学C.GoogleHackingD.DNS爬取答案C9.决策树算法中，用于衡量节点纯度的常用指标是？A.均方误差B.交叉熵C.信息增益或基尼系数D.欧氏距离答案C10.Hadoop分布式文件系统（HDFS）默认的数据块大小是？A.64MBB.128MBC.256MBD.512MB答案B11.下列IP地址中，属于私有地址范围的是？A.B.0C.D.答案B12.在数据预处理阶段，将数值型数据缩放到[0A.标准化B.归一化C.离散化D.二值化答案B13.K-means聚类算法中，确定聚类数量的常用方法是？A.交叉验证B.轮廓系数C.混淆矩阵D.ROC曲线答案B14.电子数据取证中，镜像文件通常使用的后缀名是？A..isoB..img或.ddC..zipD..log答案B15.下列关于卷积神经网络（CNN）的描述，正确的是？A.主要用于处理序列数据B.全连接层是其核心特征C.具有平移不变性D.无法处理图像数据答案C16.在Linux系统中，查看当前系统进程状态的命令是？A.lsB.psC.chmodD.df答案B17.在大数据侦察中，对海量日志数据进行实时分析处理的常用架构是？A.BatchProcessingB.StreamProcessing(如Flink/SparkStreaming)C.OLAPD.OLTP答案B18.支持向量机（SVM）中，核函数的主要作用是？A.增加数据维度B.解决非线性可分问题C.加速训练速度D.减少噪声影响答案B19.根据《中华人民共和国数据安全法》，国家建立数据分类分级保护制度，对数据实行？A.自愿保护B.部分保护C.分类分级保护D.统一标准保护答案C20.在Spark中，RDD的核心特性是？A.可变、分布式B.不可变、分布式、可缓存C.可变、内存存储D.必须持久化到磁盘答案B21.下列哪种算法属于生成式模型？A.逻辑回归B.支持向量机C.高斯混合模型D.K近邻答案C22.在网络流量分析中，识别DDoS攻击的主要特征通常是？A.单个IP发送大量请求B.流量包大小异常巨大C.使用非常见的端口号D.流量中包含特定恶意字符串答案A23.NumPy数组arr=np.array([[1,2],[3,4]])，执行arr.sum(axis=0)的结果是？A.[3,7]B.[4,6]C.10D.[1,3]答案B24.某算法的时间复杂度为O(n2A.2倍B.4倍C.8倍D.n倍答案B25.在反爬虫策略中，通过识别HTTP头中的哪个字段可以初步判断访问者是否为浏览器？A.CookieB.User-AgentC.RefererD.Host答案B26.下列关于非关系型数据库Redis的描述，错误的是？A.支持持久化B.是键值对存储数据库C.通常不支持复杂的事务操作D.仅支持字符串类型的数据答案D27.在人工智能伦理中，算法模型在训练过程中由于数据偏差导致的对特定群体的不公平现象称为？A.过拟合B.欠拟合C.算法歧视D.梯度消失答案C28.正则表达式^\d{3}-\d{8}$可以匹配下列哪个字符串？A.123-45678B.1234-56789012C.123-45678901答案C29.在计算机取证中，为了确保证据的法律效力，对介质的操作顺序应当是？A.先分析，后写入保护B.先备份镜像，再对镜像进行分析C.直接在原介质上打开文件查看D.先格式化，再恢复数据答案B30.ETL过程是指？A.Extract,Transform,LoadB.Evaluate,Test,LogC.Encrypt,Transmit,LockD.Enter,Transfer,Leave答案A二、多项选择题（每题2分，共30分）1.下列属于大数据特征（5V）的是？A.Volume（大量）B.Velocity（高速）C.Variety（多样）D.Value（低价值密度）E.Veracity（真实性）答案ABCDE2.下列哪些是Python常用的Web开发框架？A.DjangoB.FlaskC.ScrapyD.NumPyE.FastAPI答案ABE3.机器学习中，常见的损失函数包括？A.均方误差（MSE）B.交叉熵损失C.HingeLossD.准确率E.召回率答案ABC4.在大数据侦察与安全分析中，常见的数据源包括？A.防火墙日志B.Web服务器访问日志C.系统登录日志D.数据库审计日志E.员工考勤记录答案ABCD5.下列关于神经网络的激活函数，描述正确的有？A.Sigmoid函数输出值在(0,1)之间B.ReLU函数可以缓解梯度消失问题C.Tanh函数输出值在(-1,1)之间D.Softmax常用于多分类问题的输出层E.线性激活函数常用于隐藏层以引入非线性答案ABCD6.Hadoop生态系统中的常用组件包括？A.HBaseB.HiveC.PigD.SparkE.Kafka答案ABCDE7.下列属于常见网络攻击手段的是？A.XSS（跨站脚本攻击）B.CSRF（跨站请求伪造）C.SQL注入D.SYNFloodE.BruteForce（暴力破解）答案ABCDE8.在使用Pandas进行数据清洗时，常见的处理缺失值的方法有？A.dropna()删除缺失值B.fillna()填充缺失值C.interpolate()插值D.isnull()检测缺失值E.直接忽略不处理答案ABCD9.下列哪些算法属于无监督学习？A.K-MeansB.PCA（主成分分析）C.逻辑回归D.Apriori（关联规则）E.DBSCAN答案ABDE10.数字取证的原则包括？A.及时性原则B.合法性原则C.连续性原则D.环境安全性原则E.随意性原则答案ABCD11.下列属于深度学习框架的是？A.TensorFlowB.PyTorchC.KerasD.Scikit-learnE.Caffe答案ABCE12.在数据可视化中，常用的Python库有？A.MatplotlibB.SeabornC.PlotlyD.RequestsE.BeautifulSoup答案ABC13.关于特征工程，下列操作正确的有？A.对类别特征进行One-Hot编码B.对数值特征进行标准化处理C.删除相关性过高的冗余特征D.直接使用原始数据不做任何处理E.利用PCA进行降维答案ABCE14.人工智能在公共安全领域的应用场景包括？A.视频监控的人脸识别B.网络舆情情感分析C.犯罪热点区域预测D.智能交通流量控制E.自动生成法律文书答案ABCDE15.下列关于TCP/IP协议的描述，正确的有？A.TCP是面向连接的可靠传输协议B.UDP是无连接的不可靠传输协议C.IP协议位于网络层D.HTTP协议基于TCPE.Ping命令使用TCP协议答案ABCD三、判断题（每题1分，共15分）1.深度学习模型不需要人工提取特征，可以直接从原始数据中学习特征表示。答案正确2.在Python中，列表是可变类型，元组是不可变类型。答案正确3.HDFS是为了存储海量小文件而设计的。答案错误解析HDFS适合存储海量大文件，存储大量小文件会产生严重的内存开销问题。4.只要有足够的数据，深度学习模型在任何任务上的表现都会优于传统机器学习模型。答案错误5.在电子数据取证中，取证人员可以直接在嫌疑人计算机上安装分析软件进行操作。答案错误解析必须先进行镜像备份，在备份文件上操作，以保证原始数据的完整性。6.逻辑回归只能用于解决二分类问题。答案错误解析通过扩展（如Softmax回归）可以用于多分类问题。7.Redis是基于内存运行的，因此其读写速度通常比MySQL快。答案正确8.K-近邻算法（KNN）是一种懒惰学习算法，训练阶段几乎不做计算。答案正确9.MAC地址是物理地址，在全球范围内是唯一的。答案正确10.在数据挖掘中，支持度和置信度是评估关联规则的重要指标。答案正确11.Python中的is操作符用于比较两个对象的值是否相等。答案错误解析is比较的是对象的内存地址（身份），==比较的是值。12.公钥加密算法中，公钥用于加密，私钥用于解密，反之亦然。答案正确13.SVM在处理非线性可分数据时，必须使用核函数将数据映射到高维空间。答案正确14.大数据技术完全可以替代传统的关系型数据库。答案错误15.梯度下降算法中，学习率过大可能导致无法收敛，过小会导致收敛速度过慢。答案正确四、简答题（每题5分，共15分）1.简述过拟合产生的原因及常用的解决方法。答案原因：(1)训练数据量太少，无法代表总体分布。(2)模型过于复杂（参数过多），导致模型学习了训练数据中的噪声。解决方法：(1)获取更多训练数据。(2)使用正则化方法（L1,L2正则化）。(3)降低模型复杂度（如减少网络层数、神经元个数）。(4)使用Dropout（针对神经网络）。(5)数据增强。2.在大数据侦察中，什么是“用户画像”？请列举其构建过程中常用的数据维度。答案用户画像是指根据用户的行为数据、属性数据等信息，抽象出的标签化模型，用于刻画用户特征。常用数据维度包括：(1)自然属性：性别、年龄、地域、职业等。(2)社会属性：婚姻状况、收入水平、教育程度等。(3)行为属性：浏览习惯、消费频度、活跃时间段、设备偏好等。(4)心理属性：兴趣爱好、价值观等。(5)风险属性：信用评分、违规记录等。3.简述MapReduce的工作流程。答案MapReduce将计算过程分为两个主要阶段：(1)Map（映射）阶段：输入数据被切分成若干小片，由多个Map任务并行处理。每个Map任务处理一部分输入数据，输出一系列的中间键值对（Key-Value）。(2)Reduce（归约）阶段：系统将Map阶段输出的中间键值对按照Key进行汇总和排序，然后将相同的Key及其对应的Value列表传递给Reduce任务。Reduce任务对数据进行聚合处理，输出最终结果。五、案例分析题（每题5分，共10分）1.某单位Web服务器日志显示，大量来自不同IP地址的请求在短时间内访问了同一个登录接口/login，且请求频率远超正常用户操作频率。请分析这可能是什么类型的攻击？作为大数据安全分析师，你会利用哪些特征来检测这种攻击？答案：攻击类型：这很可能是一场分布式拒绝服务攻击或撞库攻击（针对登录接口）。检测特征：(1)流量特征：单位时间内请求总量的突增。(2)IP特征：请求IP数量巨大，且可能来自不同地理位置或属于僵尸网段。(3)行为特征：访问路径单一（集中在/login），User-Agent可能异常或缺失。(4)失败率特征：如果返回大量401（未授权）或403（禁止访问）状态码，可能是撞库；如果是大量连接导致服务不可用，则是DDoS。(5)频率特征：单个IP或整体对特定接口的访问频率超过阈值。2.给定一个数据集包含“年龄”、“收入”、“职业”三个特征，目标是预测用户是否会购买某款理财产品（分类任务）。在数据预处理阶段发现“职业”字段包含大量缺失值，且“收入”字段呈现长尾分布（少数极高收入