关键词： 僵尸网络   域名生成算法   域名检测   机器学习  

摘要： 僵尸网络通过域名生成算法（Domain Generation Algorithms,DGA）能够动态生成大量难以预测的域名，从而规避传统静态检测机制，提升恶意活动的隐蔽性与持久性。随着DGA技术的不断演进，传统检测方法面临的挑战愈加严峻。如何高效识别与防范此类域名成为网络安全领域的关键问题。本文系统分析当前主流的DGA检测技术，涵盖基于统计特征、机器学习及深度学习的方法，深入探讨其工作原理、适用场景与性能表现，揭示现有研究在误报率、计算复杂度、数据集规模及新型DGA适应性等方面的不足。最后，本文提出深度学习优化与跨域协同检测的创新方向，并结合流量行为分析与生成规律阻断机制，构建多层次、综合性的DGA防御体系，为提升检测技术的有效性、准确性与适应性提供新思路。

关键词： 电弧增材制造   机器学习   过程监测   工艺参数优化  

摘要： 电弧增材制造技术具有成形效率高、成本低等优势，已成为金属增材制造技术不可或缺的一部分。然而，电弧增材制造稳定性较差，成形过程需大量人工干预，存在智能化程度低等难题。基于机器学习的电弧增材制造分析方法，对于促进电弧增材制造技术智能化具有重要意义。本文主要围绕电弧增材制造设计、过程监测、工艺参数与成形零件性能关系三个方面，总结了机器学习在电弧增材制造工艺流程中的应用。通过对该领域文献调研，综述了在上述三个方面的机器学习方法研究及应用进展。在此基础上，指出了该领域面临的挑战与发展前景。

关键词： 人工智能   3D打印   胰腺外科   规培教学  

摘要： 目的 探究人工智能（artificial intelligence，AI）与3D打印技术在胰腺外科规培教学中的协同应用效果。方法 选取华中科技大学同济医学院附属同济医院胰腺外科规培的学员共60名为研究对象，随机分为试验组（n=30）与对照组（n=30）。对照组采用传统教学模式，试验组在传统教学基础上引入AI联合3D打印技术。教学结束后统一组织闭卷理论测试、临床实践技能考核和满意度调查。结果 试验组理论考核平均成绩为（90.17±3.49）分，高于对照组的（87.57±5.60）分，差异具有统计学意义（t=2.16，P＜0.05）；在临床实践技能考核方面，试验组平均成绩为（87.07±4.81）分，高于对照组的（83.27±8.17）分，差异具有统计学意义（t=2.19，P＜0.05）；学员满意度调查显示，试验组满意度为90%，对照组仅为63.3%，差异具有统计学意义(χ2=12.57，P＜0.05)。结论 人工智能联合3D打印技术在胰腺外科规培教学中，相较于传统教学模式，能明显提升学员理论成绩和临床实践能力，学员满意度高。

关键词： 机器学习   电力系统   泛化能力  

摘要： 为保证机器学习模型的泛化性能，统计学习理论通常假设数据独立同分布。然而，由于电力系统的开放性和实际数据的动态演化性，数据分布的偏移难以避免，导致训练良好的模型在应用时效果往往大打折扣。为此，本文重点研究当数据非独立同分布时的机器学习问题，即分布外泛化问题（Out-of-distribution generalization， OODG）。首先，结合电力机器学习特点，建立OODG的分析框架。在此基础上，通过理论分析和案例介绍相结合，探究数据分布偏移的量化方法，OODG能力的提升策略及其评估技术。深化OODG的认识和研究，有利于提升电力机器学习方法的生命力和实用价值。

关键词： 人工智能   电影工业   技术创新   隐私保护   版权归属  

摘要： 人工智能技术在电影工业中的应用日益广泛[1],从剧本创作到后期制作各环节推动了技术创新与效率提升,但也带来隐私泄露、版权争议等伦理问题。研究提出加强法律建设、提升行业自律及促进跨学科合作等策略,以平衡技术进步与伦理规范,促进产业可持续发展。

关键词： 人工智能   人类分析师   投资建议   算法厌恶   投资者判断  

摘要： 随着人工智能技术的广泛应用，证券公司和股票信息平台可以通过多种方式向投资者提供投资建议，主要包括人类分析师提供投资建议、人工智能提供投资建议、人工智能与人类分析师结合形成投资建议三种方式。本文基于心理学中算法偏误、信息来源可信性理论，并结合实验研究方法，分析和检验了提供投资建议的上述三种方式对非职业投资者投资判断的影响。研究发现，与人类分析师提供投资建议相比，在人工智能提供投资建议的情况下，非职业投资者判断的投资吸引力更低；与人工智能提供的投资建议相比，在人工智能与人类分析师结合提供投资建议的情况下，非职业投资者判断的投资吸引力更高；非职业投资者判断的投资吸引力在人类分析师提供的投资建议、人工智能与人类分析师结合提供投资建议的情况下，不存在明显差异。同时，研究还揭示了投资建议的提供方式作用于非职业投资者判断的机制。本文拓展了人工智能对资本市场相关主体的影响的研究，并对了解非职业投资者的相关行为、改进投资建议的提供方式具有重要的意义。

关键词： 机器学习   生物毒素   食品安全   模型优化  

摘要： 随着全球食品安全问题的日益严峻，快速预测食品中的潜在毒素变得至关重要。传统预测方法如化学分析和生物测定法，虽能提供精确结果，但耗时长、成本高且操作复杂，难以满足大规模筛查需求。近年来，机器学习技术凭借其强大的数据处理能力和模式识别优势，在食品生物毒素预测领域展现出广阔应用前景。本文首先论述了生物毒素预测在食品安全领域的重要性。随后详细介绍了机器学习的基础理论与关键算法模型，并重点讨论了其在生物毒素预测中的应用，分析了不同算法和模型的实际效果。针对机器学习在生物毒素预测中存在的问题，探讨了模型优化与改进策略，包括特征选择、超参数调整和集成学习等技术，并指出实际应用中可能面临的挑战，如数据可用性、模型泛化能力以及跨学科合作的复杂性等，同时提出潜在研究方向。展望未来，随着机器学习技术的不断进步及食品生物毒素数据集的逐步扩增，预计其在食品生物毒素预测领域的应用将进一步发展，为环境保护和人类健康提供更有力支持。

关键词： 数字鸿沟   数字不平等   网络平台   人工智能  

摘要： 信息技术与数字媒体普及过程中所引发的社会分化与不平等现象，一直是学界和政府高度关注的重要问题。作为数字鸿沟与不平等研究领域的先驱性学者，简·梵·迪克教授自20世纪90年代以来，围绕数字鸿沟的历史特征与发展趋势、理论模型与实证测量、后果影响与干预措施等问题，开展了一系列卓有成效的学术研究工作。通过评析迪克教授的新书The Digital Divide（《数字鸿沟》），着重梳理其理论体系的建构逻辑与发展脉络，深入探讨网络平台与人工智能等新技术背景下的数字鸿沟与不平等演化特征，并结合中国数字化发展的具体情境，提出了本土化研究的潜在路径，强调要在技术革新与社会变迁之间构建动态平衡。

关键词： 人工智能   时间配置   性别收入差距  

摘要： 人工智能给市场劳动和家庭劳动带来的深刻变革会影响个体时间分配的行为决策，不同性别劳动者在市场生产、家庭生产和闲暇之间的时间配置差异会对收入产生不同的影响。通过构建人工智能指标体系，结合2014、2016、2018和2020四年中国家庭追踪调查（CFPS）的面板数据探究人工智能通过影响个体时间配置能否缓解性别间的收入差距。研究发现，人工智能能够增加劳动力的收入水平并且对女性劳动力的收入提升大于男性。在时间配置方面，人工智能减轻了劳动力的家务负担，增加了闲暇时间，并且女性的工作时间显著增加。提高了女性在劳动力市场有偿劳动的相对供给，减少了在家庭部门无偿劳动的时间消耗。人工智能提升了低技能女性的劳动参与，在家庭部门具有比较优势的低技能女性劳动力流向就业市场，女性群体的收入增加。异质性分析表明，对于不同年龄段的群体，人工智能显著增加了青年女性群体的收入；对于收入不同分位数水平下的劳动力，中低收入女性劳动者由于人工智能对就业市场的改善得到了相比于男性更多的工资溢价。基于此，建议提高家用智能产品的财政补贴和税收优惠，鼓励和保障新型就业模式，提升女性数字技能与人工智能的应用能力，进一步释放技术红利。

关键词： 空气放电   气体传感器   低气压环境   小样本数据增强   机器学习  

摘要： 空气绝缘的室内电力设备发生放电故障时，利用半导体气体传感器检测空气放电分解物的成分和含量，能够判断放电故障的严重程度，因此研发智能、精准的机器嗅觉算法对监测室内电力设备的正常运行有着重要意义。文中搭建了空气放电实验平台，模拟了低气压高海拔条件下的火花和局部放电故障，通过基于半导体传感器阵列的空气放电分解物检测装置对不同放电故障的气体分解物进行特征提取，然后利用基于主成分分析的小样本扩充增强方法对数据集进行丰富和精简，最后采用随机森林算法对放电分解故障进行分类。结果表明随机森林算法平均识别准确度97.22%，并对低气压高海拔下不同放电故障的预测准确率能够达到98.24%。文中提出的基于小样本随机森林模型的空气放电分解物识别方法，适用于小样本数据集，具有识别精准等显著优势，在空气放电故障检测领域具有广阔的前景。