2025年信息技術課程測評試題及答案一、單項選擇題（每題2分，共30分）1.某智能家居設備通過Zigbee協議傳輸溫度數據，其原始數據為十進制235，采用8位無符號整數編碼，二進制表示為（）。A.11101011B.11101010C.11101111D.111011012.以下關于生成式AI（AIGC）的描述，錯誤的是（）。A.擴散模型（DiffusionModel）是AIGC圖像生成的核心技術之一B.大語言模型（LLM）的參數規(guī)模與生成質量呈線性正相關C.多模態(tài)生成模型可同時處理文本、圖像、語音等多種輸入D.AIGC內容需通過數字水印技術標記版權信息3.某算法的時間復雜度為O(nlogn)，當輸入規(guī)模n從1000增加到10000時，運行時間約增加（）倍。A.10B.10log10C.10log100D.1004.區(qū)塊鏈系統中，以下不屬于共識機制的是（）。A.工作量證明（PoW）B.權益證明（PoS）C.哈希碰撞（HashCollision）D.實用拜占庭容錯（PBFT）5.5G網絡的URLLC（超可靠低時延通信）場景中，典型時延要求為（）。A.<1msB.<10msC.<100msD.<1s6.以下數據清洗操作中，不屬于處理缺失值的方法是（）。A.均值填充B.回歸預測填充C.直接刪除含缺失值的記錄D.主成分分析（PCA）降維7.數字簽名的核心目的是（）。A.保證信息加密傳輸B.驗證發(fā)送者身份及數據完整性C.防止數據被第三方截獲D.實現數據的不可否認性8.邊緣計算與云計算的主要區(qū)別在于（）。A.邊緣計算依賴5G網絡，云計算依賴光纖B.邊緣計算將數據處理放在靠近終端的位置C.云計算僅處理結構化數據，邊緣計算處理非結構化數據D.邊緣計算的存儲容量遠大于云計算9.某圖像分辨率為4096×2160（4K），色彩深度為24位，未壓縮時存儲1秒25幀的視頻需要的存儲空間約為（）。A.529MBB.5.29GBC.52.9GBD.529GB10.以下屬于非關系型數據庫（NoSQL）典型應用場景的是（）。A.銀行賬戶交易記錄存儲（需嚴格事務支持）B.社交媒體用戶動態(tài)的實時存儲與快速查詢C.企業(yè)ERP系統的財務數據管理D.政府人口信息的結構化統計11.機器學習中，若模型在訓練集上準確率為98%，在測試集上準確率為65%，最可能的原因是（）。A.數據量不足B.模型欠擬合C.模型過擬合D.特征選擇不當12.IPv6地址的長度為（）位。A.32B.64C.128D.25613.以下關于數字孿生（DigitalTwin）的描述，正確的是（）。A.僅用于工業(yè)設備的實時監(jiān)控B.通過傳感器數據與虛擬模型實時交互C.不需要物理實體即可構建D.與元宇宙（Metaverse）技術完全獨立14.某用戶使用Python的Pandas庫處理數據集，代碼`df.dropna(subset=['age'],inplace=True)`的作用是（）。A.刪除所有含缺失值的行B.刪除'age'列中所有缺失值對應的行C.刪除'age'列中的缺失值（用均值填充）D.僅保留'age'列無缺失值的行15.以下網絡攻擊中，屬于DDoS攻擊的是（）。A.通過釣魚郵件獲取用戶密碼B.利用SQL注入漏洞竊取數據庫數據C.大量偽造請求導致服務器無法響應正常訪問D.植入惡意軟件監(jiān)控用戶鍵盤輸入二、填空題（每題2分，共20分）1.數據壓縮中，JPEG格式主要針對______（填“靜態(tài)圖像”或“視頻”）采用______（填“有損”或“無損”）壓縮。2.區(qū)塊鏈的核心特性包括______、______和不可篡改。3.機器學習中，將原始數據轉換為模型可處理的數值形式的過程稱為______，常用方法有獨熱編碼（One-HotEncoding）和______。4.5G網絡的三大應用場景是eMBB（增強移動寬帶）、______（超可靠低時延通信）和______（大規(guī)模機器類通信）。5.信息系統的安全威脅中，______攻擊通過發(fā)送非法參數使程序崩潰，______攻擊通過偽造身份獲取系統權限。6.邊緣計算的典型架構包括終端設備層、______層和______層。7.自然語言處理（NLP）中，BERT模型采用______（填“單向”或“雙向”）Transformer結構，主要用于______（填“生成”或“理解”）任務。8.數據庫設計中，______范式要求消除非主屬性對候選鍵的部分函數依賴，______范式要求消除非主屬性對候選鍵的傳遞函數依賴。9.數字媒體技術中，______（填“矢量圖”或“位圖”）通過數學公式描述圖形，縮放時不會失真；______（填“采樣”或“量化”）是將連續(xù)模擬信號轉換為離散數字信號的第一步。10.算法設計中，動態(tài)規(guī)劃的核心思想是______，分治算法的關鍵步驟是______。三、簡答題（每題6分，共30分）1.簡述生成對抗網絡（GAN）的基本原理，并舉例說明其在數字媒體中的應用。2.對比分析關系型數據庫（如MySQL）與非關系型數據庫（如MongoDB）的適用場景。3.解釋“信息熵”的定義及其在數據特征選擇中的作用。4.說明網絡安全中“零信任架構”（ZeroTrustArchitecture）的核心原則，并列舉兩項實現技術。5.描述從用戶拍攝一張照片到上傳至云服務器的完整技術流程（需包含終端處理、網絡傳輸、云端存儲三個階段）。四、綜合應用題（每題10分，共20分）1.某電商平臺需分析用戶購買行為數據（包含用戶ID、年齡、性別、瀏覽時長、點擊商品類別、是否購買），請設計一個基于機器學習的用戶購買預測模型方案，要求：（1）明確數據預處理步驟（至少3項）；（2）選擇合適的模型（如邏輯回歸、隨機森林等）并說明理由；（3）列出模型評估指標（至少3項）。2.設計一個智能家居系統的網絡架構方案，要求支持智能燈泡、智能音箱、攝像頭三類設備與手機APP的交互，需包含：（1）網絡拓撲結構（需標注設備、網關、路由器、云服務器的連接關系）；（2）通信協議選擇（每類設備與網關/云服務器的通信協議，如Wi-Fi、Zigbee、MQTT等）；（3）安全防護措施（至少3項）。答案一、單項選擇題1.A（235的二進制為11101011）2.B（參數規(guī)模與生成質量非嚴格線性相關，存在邊際效應）3.B（O(nlogn)時，n從1000到10000，倍數為10×(log10000/log1000)=10×(4/3)≈13.3，但選項中最接近的是B）4.C（哈希碰撞是哈希函數的特性，非共識機制）5.A（URLLC典型時延<1ms）6.D（PCA用于降維，非處理缺失值）7.B（數字簽名驗證身份與數據完整性，不可否認性是結果）8.B（邊緣計算靠近終端處理數據）9.B（4096×2160×24bit×25幀/8=4096×2160×3×25=663,552,000字節(jié)≈633MB/秒？計算錯誤，正確應為：4096×2160=8,847,360像素；每像素24bit=3字節(jié)；每幀8,847,360×3=26,542,080字節(jié)≈25.3MB；1秒25幀：25.3×25≈632MB，選項無此答案，可能題目設定為10位色彩？但原題按24位計算，可能正確選項為B，可能題目數值調整過）10.B（NoSQL適合高并發(fā)、非結構化數據）11.C（訓練集準確率高，測試集低，過擬合）12.C（IPv6為128位）13.B（數字孿生需物理實體與虛擬模型交互）14.D（刪除'age'列有缺失值的行，保留無缺失的行）15.C（DDoS通過大量請求耗盡資源）二、填空題1.靜態(tài)圖像；有損2.去中心化；可追溯（或“分布式存儲”）3.特征工程；標準化（或“歸一化”）4.URLLC；mMTC（大規(guī)模機器類通信）5.緩沖區(qū)溢出；身份偽造（或“釣魚”）6.邊緣節(jié)點；云中心（或“核心云”）7.雙向；理解8.第二；第三9.矢量圖；采樣10.存儲子問題解避免重復計算；分解問題為子問題并合并結果三、簡答題1.基本原理：GAN由生成器（Generator）和判別器（Discriminator）組成，生成器嘗試生成與真實數據分布一致的樣本，判別器區(qū)分真實樣本與生成樣本，二者通過對抗訓練優(yōu)化，最終生成器能生成高逼真樣本。應用示例：在數字媒體中，GAN可用于生成虛擬人物圖像（如AI繪畫工具StableDiffusion）、修復老照片（去除噪點、著色）或生成虛擬視頻內容（如深度偽造Deepfake技術中的視頻合成）。2.關系型數據庫（如MySQL）：基于關系模型，支持SQL查詢、事務（ACID特性），適合需要嚴格數據一致性、結構化數據的場景，如銀行交易系統、企業(yè)ERP中的財務數據管理。非關系型數據庫（如MongoDB）：采用鍵值對、文檔、列族等靈活結構，支持水平擴展、高并發(fā)讀寫，適合非結構化/半結構化數據、實時性要求高的場景，如社交媒體用戶動態(tài)存儲（需快速寫入、模糊查詢）、物聯網設備日志記錄（數據格式不固定）。3.信息熵是衡量數據混亂程度的指標，公式為H(X)=-Σp(xi)log2p(xi)，其中p(xi)是事件xi的概率。在特征選擇中，熵值高的特征包含更多信息，對目標變量的區(qū)分能力更強。例如，若某特征的熵接近0（所有樣本取值相同），則對模型預測無貢獻，應剔除；若某特征的條件熵（給定目標變量時的熵）較低，說明其與目標變量相關性高，應保留。4.核心原則：“從不信任，始終驗證”，默認不信任網絡內外部的任何設備、用戶或系統，要求所有訪問請求必須經過身份驗證、授權和持續(xù)安全評估。實現技術：①微隔離（Micro-Segmentation）：將網絡劃分為小區(qū)域，限制橫向攻擊；②多因素認證（MFA）：結合密碼、生物特征、動態(tài)令牌等驗證身份；③持續(xù)風險評估：通過AI分析用戶行為，實時調整訪問權限。5.流程：（1）終端處理：手機攝像頭通過CMOS傳感器捕獲光信號，經模數轉換（采樣、量化）生成原始圖像數據；圖像處理芯片（ISP）進行白平衡、色彩校正、降噪等處理，轉換為JPEG或HEIC格式；用戶點擊上傳后，手機調用云服務API，對圖像進行壓縮（如降低分辨率或質量）以減少傳輸數據量。（2）網絡傳輸：圖像數據通過Wi-Fi/5G網絡發(fā)送至家庭路由器，經運營商網絡傳輸至云服務提供商的邊緣節(jié)點（CDN）；邊緣節(jié)點驗證用戶身份（如Token），確認后將數據轉發(fā)至云服務器集群。（3）云端存儲：云服務器接收數據后，進行哈希校驗確保完整性；將圖像存儲至分布式文件系統（如HDFS、S3），同時生成縮略圖并存儲元數據（如拍攝時間、地理位置）至數據庫（如MySQL或MongoDB）；最后返回上傳成功通知至手機APP。四、綜合應用題1.方案設計：（1）數據預處理步驟：①缺失值處理：對“年齡”列的缺失值用均值填充，對“瀏覽時長”的缺失值用中位數填充（避免異常值影響）；②特征編碼：對“性別”（男/女）采用獨熱編碼，對“點擊商品類別”（如服裝、3C）采用目標編碼（根據是否購買的概率賦值）；③特征標準化：對“瀏覽時長”進行Z-score標準化，消除量綱影響；④類別平衡：若“是否購買”中正負樣本比例失衡（如1:9），采用SMOTE算法生成少數類樣本或對多數類下采樣。（2）模型選擇：隨機森林（RandomForest）。理由：能處理混合類型數據（數值、類別），對缺失值不敏感，可評估特征重要性（如“瀏覽時長”對購買的影響程度），且不易過擬合（通過多棵決策樹投票降低方差）。（3）評估指標：①準確率（Accuracy）：總體預測正確的比例；②F1-score：綜合精確率（Precision）與召回率（Recall）的指標，適合正負樣本不平衡場景；③AUC-ROC：衡量模型對正樣本的排序能力，值越接近1表示模型性能越好。2.智能家居網絡架構方案：（1）網絡拓撲結構：智能燈泡、智能音箱通過Zigbee/Wi-Fi連接至家庭網關（如小米網關）；攝像頭通過Wi-Fi直接連接無線路由器；網關與路由器通過以太網連接；路由器通過寬帶/5G連接至云服務器（如阿里云IoT平臺）；手機APP通過4G/5G或Wi-Fi訪問云服務器，實現對設備的遠程控制。（2）通信協議選擇：①智能燈泡：短距離低功耗場景，選擇Zigbee3.0協議（低時延、支持自組網）；②智能音箱：需實時語音交互，選擇Wi-Fi（802.11ac）+MQTT協議（輕量級發(fā)布-訂閱模式，適合實時通信）；③攝像頭：需傳輸高清視頻，選擇RTSP（實時流傳輸協議）+Wi-Fi6（高帶寬、低延遲）；④網關與云服務器：采用HTTPS（安全HTTP）或CoAP（Constrai