2026年信息技术期末考试题及答案

2026年信息技术期末考试题及答案一、单项选择题（每题2分，共30分）1.以下关于IPv6地址的描述中，正确的是（）。A.地址长度为32位，采用点分十进制表示B.地址长度为128位，采用冒号分隔十六进制表示C.地址长度为64位，支持自动配置功能D.地址长度为128位，保留了广播地址机制答案：B2.某机器学习模型在训练时使用交叉熵损失函数，其主要适用于（）任务。A.回归预测B.图像分割C.分类预测D.聚类分析答案：C3.区块链技术中，以下不属于共识机制的是（）。A.工作量证明（PoW）B.权益证明（PoS）C.分布式哈希表（DHT）D.实用拜占庭容错（PBFT）答案：C4.量子计算中，量子比特（Qubit）的基本特性是（）。A.只能处于0或1的确定状态B.可以处于0和1的叠加态C.存储容量是经典比特的2倍D.必须通过量子纠缠实现信息传递答案：B5.5G网络的关键技术“网络切片”指的是（）。A.将物理网络划分为多个逻辑独立的虚拟网络B.对用户数据进行分片传输以提高效率C.在基站侧切割频谱资源分配给不同用户D.通过软件定义网络（SDN）实现硬件资源切割答案：A6.以下数据结构中，适合实现“后进先出”操作的是（）。A.队列B.链表C.栈D.二叉树答案：C7.数据库事务的ACID特性中，“I”指的是（）。A.原子性（Atomicity）B.一致性（Consistency）C.隔离性（Isolation）D.持久性（Durability）答案：C8.在Python中，执行“print(type(1+2j))”的输出结果是（）。A.<class'int'>B.<class'float'>C.<class'complex'>D.<class'str'>答案：C9.以下属于计算机网络应用层协议的是（）。A.TCPB.IPC.UDPD.HTTP答案：D10.信息加密技术中，AES属于（）。A.非对称加密算法B.哈希算法C.对称加密算法D.数字签名算法答案：C11.某图像分辨率为4096×2160（4K），颜色深度为24位，存储该未压缩图像需要的字节数约为（）。A.4096×2160×24B.4096×2160×3C.4096×2160×24/8D.4096×2160×3×8答案：B（注：24位=3字节，总字节数=分辨率×颜色深度/8=4096×2160×3）12.以下关于人工智能（AI）的描述中，错误的是（）。A.机器学习是AI的核心技术之一B.提供对抗网络（GAN）可用于图像提供C.自然语言处理（NLP）不涉及情感分析D.强化学习通过“试错”与环境交互学习答案：C13.在数据挖掘中，关联规则挖掘的经典算法是（）。A.K-meansB.AprioriC.SVMD.决策树答案：B14.云计算的服务模式中，“PaaS”指的是（）。A.基础设施即服务B.平台即服务C.软件即服务D.数据即服务答案：B15.以下关于计算机病毒的描述中，正确的是（）。A.病毒只能通过移动存储设备传播B.宏病毒主要感染可执行文件（.exe）C.勒索病毒通过加密用户文件索要赎金D.防火墙可以完全阻止病毒入侵答案：C二、填空题（每空2分，共20分）1.计算机中，CPU的主要组成部分是运算器和______。答案：控制器2.大数据的“4V”特性包括Volume（大量）、Velocity（高速）、Variety（多样）和______。答案：Value（价值）3.深度学习中，卷积神经网络（CNN）的核心操作是______。答案：卷积运算（或“卷积”）4.物联网（IoT）的三层体系结构包括感知层、网络层和______。答案：应用层5.在关系型数据库中，主键的作用是______。答案：唯一标识表中的每一行记录6.计算机网络中，DNS的主要功能是______。答案：将域名解析为IP地址（或“域名到IP地址的映射”）7.数据压缩技术中，哈夫曼编码属于______编码（填“有损”或“无损”）。答案：无损8.操作系统的主要功能包括进程管理、内存管理、文件管理、设备管理和______。答案：用户接口（或“作业管理”）9.区块链的三大核心特征是分布式账本、______和智能合约。答案：共识机制（或“加密算法”）10.在Python中，使用______关键字定义类。答案：class三、简答题（每题8分，共40分）1.简述TCP三次握手的过程及其目的。答案：TCP三次握手是建立可靠连接的过程，步骤如下：（1）客户端向服务器发送SYN（同步）报文，包含初始序列号x，请求建立连接；（2）服务器收到后，回复SYN+ACK报文，包含自身初始序列号y和确认号x+1，表示确认客户端请求；（3）客户端发送ACK报文，包含确认号y+1，确认服务器的连接请求。目的：通过三次交互，双方确认彼此的发送和接收能力正常，避免过时的连接请求干扰，确保连接的可靠性。2.比较监督学习与无监督学习的区别（至少列出3点）。答案：（1）数据标签：监督学习使用带标签的训练数据（如输入x对应输出y）；无监督学习使用无标签数据（仅输入x）。（2）任务类型：监督学习用于分类、回归等有明确目标的任务；无监督学习用于聚类、降维、关联规则挖掘等探索性任务。（3）评价标准：监督学习通过预测结果与真实标签的误差（如准确率、均方误差）评估；无监督学习通过聚类效果（如轮廓系数）、数据分布合理性等评估。（4）典型算法：监督学习包括决策树、支持向量机（SVM）；无监督学习包括K-means、PCA（主成分分析）。3.说明区块链的“不可篡改性”是如何实现的。答案：区块链的不可篡改性主要通过以下机制实现：（1）哈希链结构：每个区块包含前一区块的哈希值，若修改任一区块数据，其哈希值会改变，导致后续所有区块的哈希链断裂，容易被检测。（2）共识机制：所有节点通过共识算法（如PoW、PoS）验证交易，只有多数节点认可的区块才能被添加到链上，单个节点无法篡改。（3）加密技术：区块数据通过非对称加密（如椭圆曲线加密）保护，私钥仅持有者拥有，确保数据来源不可抵赖。（4）分布式存储：区块链数据存储在多个节点，篡改需控制超过51%的节点（“51%攻击”），成本极高。4.列举5G网络的三大应用场景，并简要说明其技术需求。答案：（1）增强移动宽带（eMBB）：满足高清视频、AR/VR等大带宽需求，要求峰值速率达20Gbps，用户体验速率100Mbps以上。（2）海量机器类通信（mMTC）：支持大规模物联网设备连接（如智能城市传感器），要求每平方公里连接数达100万，低功耗长待机。（3）超高可靠低时延通信（URLLC）：适用于自动驾驶、工业控制等场景，要求时延低于1ms，可靠性达99.999%。5.简述数据库规范化（Normalization）的目的及主要步骤。答案：目的：消除数据冗余，避免插入、更新、删除异常，提高数据存储效率和一致性。主要步骤：（1）第一范式（1NF）：确保每个字段不可再分，原子性。（2）第二范式（2NF）：消除非主属性对候选键的部分依赖，所有非主属性完全依赖于主键。（3）第三范式（3NF）：消除非主属性对候选键的传递依赖，非主属性仅依赖于主键。（4）BC范式（BCNF）：进一步消除主属性对候选键的部分或传递依赖，增强表结构的稳定性。四、综合应用题（共30分）1.（15分）某学校需构建一个“学提供绩管理系统”，要求支持学生信息录入（姓名、学号、班级）、成绩录入（语文、数学、英语）、成绩查询（按学号或班级）、统计分析（班级平均分、学科最高分）功能。请完成以下设计：（1）设计数据库表结构（要求包含必要字段、主键、外键）；（2）写出查询“2023级计算机1班”数学成绩平均分的SQL语句；（3）分析系统可能面临的安全风险及防范措施。答案：（1）数据库表结构设计：学生表（students）：字段：学号（s_id，主键，VARCHAR(10)）、姓名（s_name，VARCHAR(20)）、班级（s_class，VARCHAR(20)，如“2023级计算机1班”）。成绩表（scores）：字段：记录ID（r_id，主键，INT自增）、学号（s_id，外键，引用students表s_id）、语文（chinese，FLOAT）、数学（math，FLOAT）、英语（english，FLOAT）。（2）查询SQL语句：SELECTAVG(math)AS数学平均分FROMscoresWHEREs_idIN(SELECTs_idFROMstudentsWHEREs_class='2023级计算机1班');（3）安全风险及防范：风险：数据泄露：学生隐私（如学号、成绩）可能被未授权访问；SQL注入：用户输入未过滤，恶意输入导致数据库被攻击；越权操作：教师或学生可能访问非授权班级的成绩。防范措施：访问控制：采用角色权限管理（如管理员、教师、学生），限制不同角色的操作范围；输入校验：对用户输入（如学号、班级）进行正则表达式验证，防止SQL注入；数据加密：存储时对敏感字段（如学号）进行哈希处理（如SHA-256），传输时使用HTTPS加密；日志审计：记录所有数据操作（增删改查），便于追踪异常行为。2.（15分）某公司计划开发一个“智能垃圾分类助手”APP，要求支持“拍照识别垃圾类别”“语音查询分类规则”“附近回收点导航”功能。请结合人工智能与移动开发技术，设计系统架构并说明各模块功能。答案：系统架构设计（分层结构）：（1）客户端层（APP端）：拍照模块：调用手机摄像头采集垃圾图像，压缩后上传至服务端；语音交互模块：使用手机麦克风录制语音（如“电池属于什么垃圾？”），转换为文本后发送至服务端；地图导航模块：调用高德/百度地图API，获取用户位置，查询附近回收点并规划路线；UI界面：展示识别结果、分类规则、导航信息，支持用户反馈（如纠正识别错误）。（2）服务端层：图像识别服务：基于深度学习模型（如ResNet或YOLO），训练垃圾图片数据集（可回收物、有害垃圾、厨余垃圾、其他垃圾），接收客户端上传的图像并返回类别；自然语言处理（NLP）服务：使用预训练模型（如BERT）对用户语音转换的文本进行意图识别（如查询分类规则），从知识库中检索答案并返回；数据管理服务：维护垃圾知识库（分类规则、回收点信息），支持管理员更新数据；接口网关：统一管理客户端请求，实现负载均衡、身份验证（如JWT令牌）、流量控制。（3）数据层：图像训练数据集：包含各类垃圾的样本图片（如塑料瓶、电池、果皮），用于模