本博客地址：https://security.blog.csdn.net/article/details/136632895
一. 信息物理系统
1、信息物理系统（CPS）通过集成先进的感知、计算、通信、控制等信息技术和自动控制技术，构建了物理空间与信息空间中人、机、物、环境、信息等要素相互映射、适时交互、高效协同的复杂系统，实现系统内资源配置和运行的按需响应、快速迭代、动态优化。
2、CPS 的体系结构分为：单元级、系统级、SOS 级。
3、CPS 技术体系主要包括 CPS 总体技术（顶层设计技术）、CPS 支撑技术（基于应用支撑）、CPS 核心技术（基础技术）。
4、CPS 技术了分为四大核心技术要素：一硬（感知和自动控制，是 CPS 实现的硬件支撑）、一软（工业软件，CPS 核心）、一网（工业网络，是网络载体）、一平台 （工业云和智能服务平台，是支撑上层解决方案的基础）。
5、CPS 典型应用场景有：
● 智能设计方面：产品及工艺设计、生产线/工厂设计。
● 智能生产方面：设备管理应用场景、生产管理应用场景、柔性制造应用场景。
● 智能服务方面：健康管理、智能维护、远程征兆诊断、协同优化、共享服务。
● 智能应用方面：无人装备、产业链互动、价值链共赢。
6、CPS 的建设路径是：CPS 体系设计、单元级 CPS 建设、系统级 CPS 建设、SOS 级 CPS 建设。
二. 人工智能
1、人工智能是利用数字计算机或数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、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。
2、人工智能的发展历程：图灵测试→人工智能术语→机器学习→专家系统→计算机战胜双陆棋世界冠军→决策树模型和神经网络→IBM 深蓝战胜国际象棋世界冠军→深度学习→爆发式发展。
3、人工智能关键技术
● 自然语言处理：包括机器翻译、语义理解、问答系统等。
● 计算机视觉：如自动驾驶、机器人、智能医疗。
● 知识图谱：可用于发欺诈、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。
● 人机交互：传统的基本交互、图形交互、语音交互、情感交互、体感交互及脑机交互等。
● 虚拟现实或增强现实：在一定范围内生成与真实环境在视觉、听觉等方面高度近似的数字化环境。
4、机器学习
● 按学习模式不同分为监督学习（需提供标注的样本集）、无监督学习（不需提供标注的样本集）、半监督学习（需提供少量标注的样本集）、强化学习（需反馈机制）。
● 按学习方法不同分为传统机器学习（需手动完成）、深度学习（需大量训练数据集和强大GPU 服务器提供算力）。
● 机器学习常见算法：迁移学习、主动学习、演化学习。
三. 机器人技术
1、机器人的定义：具体脑、手、脚等三要素个体；具有非接触传感器和接触传感器；具有平衡觉和固定觉的传感器。
2、机器人的发展历程：第一代机器人（示教再现型机器人）→第二代机器人（感觉型机器人）→第三代机器人（智能型机器人）。
3、机器人 4.0 核心技术包括云—边—段的无缝协同计算、持续学习与协同学习、知识图谱、场景自适应和数据安全。
4、机器人分类：
● 按控制方式分类包括：操作机器人、程序机器人、示教再现机器人、智能机器人和综合机器人。
● 按应用行业分类包括：工业机器人、服务机器人、特殊领域机器人。
四. 边缘计算
1、边缘计算就是将数据的处理、应用程序的运行以及一些功能服务的实现，由网络中心下放到网络边缘节点上。
2、边缘计算的特点包括联接性、数据第一入口、约束性、分布性。
3、边缘安全的价值体现在：提供可信的基础设施、为边缘应用提供可信赖的安全服务、提供安全可信的网络和覆盖。
4、边缘计算应用场合包括智慧园区、安卓云与云游戏、视频监控、工业物联网、Cloud VR。
5、边云协同
● 资源协同：边缘节点提供计算、存储、网络、虚拟化等基础设施资源，具有本地资源调度管理能力，同时可与云端协同，接受并执行云端资源调度管理策略，包括边缘节点的设备管理、资源管理以及网络连接管理。
● 数据协同：边缘节点主要负责现场/终端数据的采集，按照规则或数据模型对数据进行初步处理与分析，并将处理结果以及相关数据上传给云端；云端提供海量数据的存储、分析与价值挖掘。
● 智能协同：边缘节点执行推理，实现分布式智能；云端开展模型训练，并将模型下发边缘节点。
● 应用管理协同：边缘节点提供应用部署与运行环境，并对本节点多个应用的生命周期进行管理调度；云端主要提供应用开发、测试环境，以及应用的生命周期管理能力。
● 业务管理协同：边缘节点提供模块化、微服务化的应用/数字孪生/网络等应用实例；云端主要提供按照客户需求实现应用/数字孪生/网络等的业务编排能力。
● 服务协同：边缘节点按照云端策略实现部分 ECSaaS 服务，通过 ECSaaS 与云端 SaaS 的协同实现面向客户的按需 SaaS 服务；云端主要提供 SaaS 服务在云端和边缘节点的服务分布策略，以及云端承担的 SaaS 服务能力。
五. 数字孪生
1、数字孪生体是现有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、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。
2、数字孪生体的核心技术：建模、仿真和基于数据融合的数字线程。
3、数字孪生体主要应用于制造、产业、城市和战场。
六. 云计算和大数据
1、云计算是同时描述一个系统平台或一类应用程序的术语，包含平台和应用。
2、云计算的服务方式有：
● 软件即服务（SaaS）：服务提供商将应用软件统一部署在云计算服务器上。
● 平台即服务（PaaS）：服务提供商将分布式开发环境与平台作为一种服务来提供。
● 基础设施即服务（IaaS）：服务提供商将多台服务器组成“云端”基础设施作为计量服务提供给客户。
3、云计算的部署模式：公有云、社区云、私有云、混合云。
4、大数据分析步骤：数据获取/记录→信息抽取/清洗/注记→数据集成/聚集/表现→数据分析/建模→数据解释。
5、大数据应用领域：制造业、服务业、交通行业、医疗行业。
