一、信息系统与信息技术发展

1. 【信息化】内涵与特征

1.1 信息化的特征

• 广泛性
• 深度性
• 快速性
• 数据量巨大
• 信息交流快速
• 信息处理能力强大
• 跨界整合
• 社会生产力方式改变
• 信息安全问题突出

1.2 我国信息化发展战略

• 《国家信息化发展战略纲要》：
  • （1）第一步到2020年，核心关键技术部分领域达到国际先进水平
  • （2）第二步到2025年，建成国际领先的移动通信网络
  • （3）第三步到21世纪中叶，信息化全面支撑富强民主文明和谐的社会主义现代化国家建设

2. 【信息系统】内涵与特征

2.1 信息系统的特征

• 复杂性
• 动态性
• 可扩展性
• 易用性
• 实时性
• 安全性
• 可靠性
• 成本效益

2.2 信息系统生命周期

• 系统规划（可行性分析与项目开发计划）
• 系统分析（需求分析）
• 系统设计（概要设计、详细设计）
• 系统实施（编码、测试）
• 系统运行和维护

2.3 信息系统的结构

信息系统的结构分为物理结构与逻辑结构两种。

• 物理结构：集中式结构和分布式结构
• 逻辑结构
  • 基础设施层
  • 资源管理层
  • 中间件层
  • 业务逻辑层
  • 应用表现层
    

2.4 信息系统发展

诺兰将计算机信息系统的发展道路划分为六个阶段：初始阶段、传播阶段、控制阶段、集成阶段、数据管理阶段和成熟阶段。
前三个阶段具有计算机时代的特征，后三个阶段具有信息时代的特征。
【初传->控集->数成】

• 初始阶段：个别人掌握计算机能力，一般在财务部门
• 传播阶段：计算机开始流行，数据处理能力快速提高，但出现各种问题，效率偏低
• 控制阶段：数据库技术开始应用，出现管理组织，但是各个系统之间还是信息孤岛
• 集成阶段：建立集中式管理，高效利用现有资源，增加大量硬件，预算迅速增长
• 数据管理阶段：统一的数据库平台，统一数据的管理和使用，基本实现资源整合和信息共享
• 成熟阶段：真正把IT与管理过程结合起来

二、信息技术及其发展

1. OSI模型与TCP/IP模型的对比

2. SDN

• SDN的整体架构由下到上（由南到北）分为数据平面、控制平面和应用平面
• SDN中的接口具有开放性，以控制器为逻辑中心
• 南向接口负责与数据平面进行通信
• 北向接口负责与应用平面进行通信
• 东西向接口负责多控制器之间的通信
• 最主流的南向控制数据平面接口（Control Data Plane Interface, CDPI）采用的是 OpenFlow 协议
  

3. 5G

• 特点：高速率、低时延和大连接
• 技术：正交频分多址(OFDMA)和多入多出(MIMO)
• 应用：国际电信联盟(ITU)定义了 5G的三大类应用场景，即增强移动宽带(eMBB)、超高可靠低时延通信(uRLLC)和海量机器类通信(mMTC)。

4. 数据存储和数据库

4.1 数据存储技术

数据存储技术架构从底层到上层，由五个部分组成。

• 存储介质：硬盘、磁带、光盘
• 组网方式：IP，FC，IB
• 存储协议和类型：文件存储、对象存储、块存储
• 存储架构：集中式、分布式
• 连接方式：SAN、NAS、DAS

4.2 数据结构模型

常见的数据结构模型有三种：层次模型、网状模型和关系模型（二维表格）。层次模型和网状模型又统称为格式化数据模型。

4.3 常用数据库类型

• 关系型数据库（SQL）：支持事务的ACID原则，即原子性（Atomicity）、一致性（Consistency）、隔离性（Isolation）、持久性（Durability）,这四种原则保证在事务过程当中数据的正确性
  • 优点：容易理解、使用方便、易于维护
  • 缺点：高并发读写性能不足、固定表结构扩展困难
• 非关系型数据库（NoSQL）：分布式的、不保证遵循ACID原则的数据存储系统。不需要固定的表结构，通常也不存在连接操作。非关系型数据库在大数据存取上具备关系型数据库无法比拟的性能优势
  • 键值数据库（Redis）：类似哈希表。可以通过key来添加、查询或者删除数据库，优势在于简单、易部署、高并发
  • 列存储数据库：一个列族存储经常被一起查询，常用来应对分布式存储海量数据
  • 面向文档数据库（MongoDB）：键值数据库的升级版，比键值数据库的查询效率更高，将数据以文档形式存储
  • 图形数据库：如知识图谱
  • 优点：高并发及大数据场景下性能较强、分布式、简单
  • 缺点：通用性差、复杂场景支持较差
    

4.4 数据仓库

数据仓库（类似驾驶舱）是一个面向主题的、集成的、非易失的且随时间变化的数据集合，用于支持管理决策。
体系结构包括①数据源、②数据的存储与管理、③联机分析处理服务器（OLAP）、④前端工具

5. 信息安全

5.1 信息安全技术和措施

信息安全的主要技术和措施包括：①身份认证（Authentication）、②访问控制（AC）、③入侵检测系统（IDS）、④防火墙(FW)、⑤网闸（GAP）、⑥防病毒（AV）和⑦数据加密技术（Encryption）等。

5.2 安全行为分析技术

用户和实体行为分析(User and Entity Behavior Analytics, UEBA)是一个完整的系统，涉及算法、工程等检测部分以及用户与实体风险评分排序、调查等用户交换、反馈。从架构来看，UEBA系统通常包括数据获取层、算法分析层和场景应用层。

• 基本分析方法：利用签名的规则、模式匹配、简单统计、阈值等
• 高级分析方法：监督和无监督的机器学习等

5.3 网络安全态势感知

网络安全态势感知的关键技术主要包括：海量多元异构数据的汇聚融合技术、面向多类型的网络安全威胁评估技术、网络安全态势评估与决策支撑技术、网络安全态势可视化等。

• 网络安全态势评估与决策支撑技术：对安全事件，尤其是对网络空间安全相关信息进行汇聚融合后所形成的针对人、物、地、事和关系的多维安全事件知识图谱，是网络安全态势评估分析的关键。
• 网络安全态势可视化是一个层层递进的过程，包括数据转化、图像映射、视图变换三个部分
  • 数据转化：把分析处理后的数据映射为数据表，将数据的相关性以关系表的形式存储
  • 图像映射：把数据表转换为对应图像的结构和图像属性
  • 视图变换：通过坐标位置、缩放比例、图形着色等方面来创建视图，并可通过调控参数，完成对视图变换的控制

三、新一代信息技术及其发展

1. 物联网

物联网具有三个特点：互联、识别与通信、智能化。物联网架构可分为三层：感知层、网络层和应用层。

• 感知层：由各种传感器构成，是物联网识别物体、采集信息的来源
• 网络层：由各种网络，包括互联网、广电网、网络管理系统和云计算平台等组成，负责传递和处理感知层获取的信息
• 应用层：物联网和用户的接口，它与行业需求结合以实现物联网的智能应用

1.1 关键技术

• 传感器技术：常用技术射频识别技术（RFID），
• 传感网：微电子机械系统（MEMS）是由微传感器、微执行器、信号处理和控制电路、通信接口和电源等部件组成的一体化的微型器件系统。
• 应用系统框架

2. 区块链

区块链是一种按照时间顺序将数据区块以顺序相连的方式组合成的一种链式数据结构，并以密码学方式保证的不可篡改和不可伪造的分布式账本。区块链可以理解为一个多方协作数据库，区块链技术是一种分布式账本的记账技术（狭义上）。

2.1 特点

• 多中心化：去中心化
• 多方维护：激励机制可确保分布式系统中的所有节点均可参与数据区块的验证过程
• 时序数据：带有时间戳信息的链式结构来存储数据信息，数据信息有时间维度的属性，从而可实现数据信息的可追溯性
• 智能合约：以代码形式定义的自动化协议，当预设条件满足时，智能合约会自动触发并完成交易或操作
• 不可篡改
• 开放共识：任意节点可自由加入且拥有一份完整的数据库拷贝
• 安全可信：数据安全可通过基于非对称加密技术对链上数据进行加密来实现

2.2 关键技术

• 分布式账本：核心技术，交易记账由分布在不同地方的多个节点共同完成，而且每一个节点保存一个唯一、真实账本的副本
• 加密算法：研究和关注的重点，主要用到散列（哈希）算法和非对称加密算法，主要使用SHA256算法、RSA等
• 共识机制：将提议广播给所有的参与节点，所有节点对这一提议是否能够达成一致进行计算和处理，主要有PoW、PoS、DPoS、Paxos、PBFT等，共识机制的分析可基于以下几个维度：
  • 合规监管
  • 性能效率
  • 资源消耗
  • 容错性

2.3 应用

• 数字货币
• 金融服务创新
• 供应链管理
• 数据安全与隐私保护

3. 云计算

云计算是分布式计算的一种，实现了 “快速、按需、弹性”的服务，云计算以实现一切即服务(Everything as a Service, EaaS)为首要任务。分为基础设施即服务(Infostructure as a Service,laaS)、平台即服务(Platform as a Service, PaaS)和软件即服务(Software as a Service, SaaS)三种服务类型。按部署范围的不同，云计算可以分为公有云、私有云和混合云。

3.1 关键特点

• 虚拟化技术：与多任务、超线程技术完全不同，容器（如docker）是一种虚拟化技术
• 云存储技术：分布式文件存储
• 多租户和访问控制管理：访问控制管理是核心问题之一
  • 云计算访问控制模型：多用于静态分配用户的权限
  • 基于ABE密码机制的云计算访问控制：参数方包括数据提供者、可信第三方授权中心、云存储服务器和用户
  • 云中多租户及虚拟化访问控制：云中多租户及虚拟化访问控制是云计算的典型特征，主要是对多租户的隔离和虚拟机的访问控制
• 云安全技术：包含云计算安全性、保障云基础设施的安全性、云安全技术服务

4. 大数据

数据是重要的生产要素，大数据是数据的集合，以容量大、类型多、速度快、精度准、价值高为主要特征。

4.1 特点（4V特性）

• 规模性(Vblume)：TB-》EB-》ZB
• 多样性(Variety)：相对于以文本为主的结构化数据，非结构化数据越来越多，包括网络日志、音频、视频、图片、地理位置信息等
• 价值密度(Value)：其价值往往呈现稀疏性的特点，单位数据的价值密度在不断降低，但是数据的整体价值在提高。如何通过强大的机器算法更迅速地完成数据的价值“提纯”，成为目前大数据背景下亟待解决的难题
• 速度(Velocity)：要求大数据的处理速度快、时效性高，实时分析而非批量式分析

4.2 关键技术

• 大数据获取技术：采集、整合和清洗
• 分布式数据处理技术：主流的分布式计算系统有Hadoop、Spark和Storm
  • Hadoop常用于离线的、复杂的大数据处理
  • Spark常用于离线的、快速的大数据处理
  • 而Storm常用于在线的、实时的大数据处理
• 大数据管理技术：大数据存储、大数据协同和安全隐私
• 大数据应用和服务技术：分析应用技术和可视化技术

5. 人工智能

人工智能是利用计算机或者计算机控制的机器来模拟、延伸和扩展人类的智能和感知环境的能力，从而获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。

5.1 特点

• 由人类设计，为人类服务，本质为计算，基础为数据：必须以人为本，其本质体现为计算
• 能感知环境，能产生反应，能与人交互，能与人互补
• 有适应特性，有学习能力，有演化迭代，有连接扩展

5.2 关键技术

人工智能技术的研究主要聚焦在热点技术、共性技术和新兴技术三个方面。其中以机器学习为代表的基础算法的优化、改进和实践，以及以神经网络、深度学习、强化学习、迁移学习、多核学习和多视图学习等为主的新型学习方法是研究与探索的热点；与自然语言处理相关的特征提取、语义分类、词嵌入等基础技术和模型研究，以及智能自动问答、机器翻译等应用研究也取得了诸多成果；以知识图谱、专家系统为逻辑的系统化分析也在不断地取得突破，大大拓展了人工智能的应用场景，对人工智能未来的发展具有重要的潜在影响。人工智能的关键技术领域还包括人机交互、机器思维、机器感知、机器行为、计算智能、分布智能、人工心理和人工情感、大模型等。

• 机器学习：机器获取知识的根本途径，同时也是机器具有智能的重要标志。机器学习模型是以统计为基础的，相比于传统的统计分析，自动化机器学习模型更容易创建，而且能够揭示更多的数据细节
• 自然语言处理(Natural Language Processing, NLP)：解决的核心问题是信息抽取、自动文摘/分词、识别转化等
  • 深度学习是自然语言处理的重要技术支撑，例如卷积神经网络、循环神经网络等，通过对生成的词向量进行学习，以完成自然语言分类、理解的过程
  • 主要应用于机器翻译(利用计算机实现从一种自然语言到另外一种自然语言的翻译)、语义理解(利用计算机理解文本篇章内容，并回答相关问题)、问答系统(让计算机像人类一样用自然语言与人交流)，以及舆情监测、自动摘要、观点提取、文本分类、文本语义对比、语音识别、中文OCR等方面
• 计算机视（CV）
• 知识图谱：用于反欺诈、不一致性验证、组团欺诈等对公共安全保障形成威胁的领域，需要用到异常分析、静态分析、动态分析等数据挖掘方法。知识图谱在搜索引擎、可视化展示和精准营销方面有很大的优势，已成为业界的热门工具
• 大模型：指在机器学习中模型参数数量庞大的模型。这些模型通常由深度神经网络构建而成，大模型在自然语言处理、计算机视觉和推荐系统等领域取得了显著成果

6. 边缘计算

边缘计算是一种将主要处理和数据存储放在网络边缘节点的分布式计算形式，在网络边缘侧的智能网关上就近采集并且处理数据，不需要将大量未处理的原生数据上传到远处的大数据平台。

6.1 特点

边缘计算的业务本质是云计算在数据中心之外汇聚节点的延伸和演进，以“边云协同”和“边缘智能”为核心能力发展方向。

• 联接性：联接性是边缘计算的基础
• 数据第一入口：作为物理世界到数字世界的桥梁
• 约束性：适配工业现场相对恶劣的工作条件与运行环境
• 分布性：天然具备分布式特征

6.2 关键技术

• 边云协同：云计算擅长全局性、非实时、长周期的大数据处理与分析；边缘计算更适用于局部性、实时、短周期数据的处理与分析。因此边缘计算与云计算之间不是替代关系，而是互补协同关系
• 边缘计算的安全：边缘安全是边缘计算的重要保障

7. 数字孪生

数字挛生技术是跨层级、跨尺度的现实世界和虚拟世界建立沟通的桥梁，是第四次工业革命的通用目的技术和核心技术体系之一。
将现有的或将有的物理实体对象的数字模型，通过实测、仿真和数据分析来实时感知、诊断和预测物理实体对象的状态，通过优化和指令来调控物理实体对象的行为，通过相关数字模型间的相互学习来进化自身，同时改进利益相关方在物理实体对象生命周期内的决策。可以预见数字孪生在研发设计和生产制造环节将会起到越来越大的作用，成为智能制造的基石。

7.1 关键技术

• 建模：建立物理实体的数字化模型或信息建模是创建数字孪生、实现数字孪生的源头和核心技术，也是“数字化”阶段的核心。数字模型的视角类型的三个维度（需求指标、生存期阶段和空间尺度）构成了数字孪生建模技术体系的三维空间
• 仿真：建模是模型化，是对物理世界或问题的理解，那么仿真就是用于验证和确认这种理解的正确性和有效性，数字化模型的仿真技术是创建和运行数字挛生、保证数字挛生与对应物理实体实现有效闭环的核心技术
• 基于数据融合的数字线程：除了核心的建模和仿真技术，目前虚拟现实（VR）、增强现实（AR）以及混合现实（MR）等、数字线程、MBSE、物联网、云计算、雾计算、边缘计算、大数据、机器学习和区块链技术，也是数字孪生构建过程中的内外围核心技术

8. 新一代信息技术发展

• 新型基础设施建设（新基建）：主要包括信息基础设施、融合基础设施和创新基础设施。包含了5G基建、特高压、城际高速铁路和城际轨道交通、新能源汽车充电桩、大数据中心、人工智能、工业互联网等七大领域。
• 新基建信息基础设施：主要指基于新一代信息技术演化生成的基础设施
  • 以5G、物联网、工业互联网、卫星互联网为代表的通信网络基础设施
  • 以人工智能、云计算、区块链等为代表的新技术基础设施
  • 以数据中心、智能计算中心为代表的算力基础设施等