(2025年)信息技術試題及答案一、單項選擇題（每題2分，共30分）1.以下關于數(shù)據(jù)壓縮技術的描述，正確的是（）。A.LZW算法適用于重復字符較少的文本壓縮B.霍夫曼編碼屬于有損壓縮，主要用于圖像壓縮C.算術編碼通過概率模型動態(tài)調整編碼區(qū)間D.PNG格式采用JPEG的有損壓縮標準2.IPv6地址“2001:0db8:85a3:0000:0000:8a2e:0370:7334”的壓縮表示應為（）。A.2001:db8:85a3::8a2e:370:7334B.2001:0db8:85a3::8a2e:0370:7334C.2001:db8:85a3:0:0:8a2e:370:7334D.2001:db8:85a3::8a2e:370:73343.機器學習中，訓練一個二分類模型時，若樣本類別極不平衡（正樣本占99%），最適合的損失函數(shù)是（）。A.均方誤差（MSE）B.交叉熵損失（Cross-Entropy）C.平均絕對誤差（MAE）D.鉸鏈損失（HingeLoss）4.云計算中，“用戶租用虛擬機并自行安裝操作系統(tǒng)”屬于（）服務模式。A.IaaSB.PaaSC.SaaSD.DaaS5.區(qū)塊鏈技術中，以下共識機制適用于聯(lián)盟鏈且無需大量算力消耗的是（）。A.工作量證明（PoW）B.權益證明（PoS）C.實用拜占庭容錯（PBFT）D.授權權益證明（DPoS）6.Python中，執(zhí)行代碼“a=[1,2,3];b=a;b.append(4);print(a)”的輸出結果是（）。A.[1,2,3]B.[1,2,3,4]C.報錯D.[1,2,3,4,4]7.以下關于數(shù)據(jù)庫索引的描述，錯誤的是（）。A.主鍵索引自動創(chuàng)建，且唯一B.聚集索引決定數(shù)據(jù)在磁盤中的存儲順序C.覆蓋索引可以避免回表查詢D.索引越多，數(shù)據(jù)插入和更新的速度越快8.5G網絡的URLLC（超可靠低時延通信）場景主要依賴的關鍵技術是（）。A.大規(guī)模MIMOB.邊緣計算C.短幀傳輸與重復編碼D.毫米波通信9.計算機視覺中，YOLOv8相比YOLOv5的主要改進是（）。A.引入Transformer結構B.采用多尺度特征融合C.優(yōu)化錨框提供策略D.支持實時實例分割10.以下關于操作系統(tǒng)進程調度的描述，正確的是（）。A.時間片輪轉調度適用于實時系統(tǒng)B.優(yōu)先級調度中，靜態(tài)優(yōu)先級不會動態(tài)調整C.短作業(yè)優(yōu)先調度對長作業(yè)公平D.多級反饋隊列調度結合了時間片和優(yōu)先級機制11.物聯(lián)網體系架構中，負責將感知數(shù)據(jù)上傳至云端的是（）。A.感知層B.網絡層C.平臺層D.應用層12.以下屬于量子計算特有的計算特性是（）。A.并行計算B.量子疊加與糾纏C.浮點運算D.分布式計算13.在HTML5中，用于定義文檔內獨立內容區(qū)域的標簽是（）。A.<section>B.<article>C.<aside>D.<nav>14.以下關于網絡安全的描述，錯誤的是（）。A.防火墻無法防御內部網絡的惡意攻擊B.滲透測試需在授權范圍內進行C.零信任模型的核心是“永不信任，始終驗證”D.對稱加密的密鑰分發(fā)比非對稱加密更安全15.數(shù)據(jù)倉庫與數(shù)據(jù)庫的主要區(qū)別是（）。A.數(shù)據(jù)倉庫支持OLTP，數(shù)據(jù)庫支持OLAPB.數(shù)據(jù)倉庫存儲實時數(shù)據(jù)，數(shù)據(jù)庫存儲歷史數(shù)據(jù)C.數(shù)據(jù)倉庫面向主題，數(shù)據(jù)庫面向事務D.數(shù)據(jù)倉庫使用關系模型，數(shù)據(jù)庫使用多維模型二、填空題（每空2分，共20分）1.RSA加密算法的數(shù)學基礎是__________問題的難解性。2.TCP三次握手的第二個報文段包含的標志位是__________。3.Python中，列表推導式“[x2forxinrange(3)ifx%2==0]”的執(zhí)行結果是__________。4.卷積神經網絡（CNN）中，池化層的主要作用是__________。5.數(shù)據(jù)庫事務的ACID特性包括原子性、一致性、隔離性和__________。6.自然語言處理（NLP）中，BERT模型采用的預訓練任務是__________和下一句預測。7.邊緣計算的核心思想是將數(shù)據(jù)處理從云端遷移至__________。8.網絡協(xié)議中，DHCP的主要功能是__________。9.計算機中，GPU相比CPU更擅長處理__________計算任務。10.大數(shù)據(jù)處理框架Spark的核心數(shù)據(jù)結構是__________（RDD）。三、簡答題（每題8分，共40分）1.簡述機器學習中過擬合的定義、產生原因及常用解決方法。2.說明HTTP/3與HTTP/2的主要區(qū)別（至少列出3點）。3.對比關系型數(shù)據(jù)庫（如MySQL）與NoSQL數(shù)據(jù)庫（如MongoDB）的適用場景。4.解釋計算機網絡中“流量控制”與“擁塞控制”的區(qū)別及實現(xiàn)機制。5.描述Python中提供器（Generator）的特點及其在內存優(yōu)化中的作用。四、綜合題（每題15分，共30分）1.設計一個基于物聯(lián)網的智能溫室監(jiān)控系統(tǒng)，要求包含以下模塊：環(huán)境感知、數(shù)據(jù)傳輸、數(shù)據(jù)存儲、異常報警、用戶交互。請說明各模塊的技術選型及設計要點。2.某電商平臺需開發(fā)一個商品推薦系統(tǒng)，目標是提升用戶購買轉化率。請設計系統(tǒng)的技術方案，包括數(shù)據(jù)收集、算法選擇、評估指標及優(yōu)化策略（需結合協(xié)同過濾與深度學習模型）。答案一、單項選擇題1.C2.B3.B4.A5.C6.B7.D8.C9.D10.D11.B12.B13.B14.D15.C二、填空題1.大整數(shù)分解2.SYN+ACK3.[0,4]（注：range(3)提供0,1,2；x%2==0篩選0和2；x2后為0和4）4.降低特征維度（或“空間下采樣”）5.持久性（Durability）6.掩碼語言模型（MLM）7.網絡邊緣（或“設備端/近用戶端”）8.動態(tài)分配IP地址9.并行（或“大規(guī)模并行”）10.彈性分布式數(shù)據(jù)集三、簡答題1.過擬合指模型在訓練數(shù)據(jù)上表現(xiàn)優(yōu)異，但在未見過的測試數(shù)據(jù)上泛化能力差的現(xiàn)象。產生原因：訓練數(shù)據(jù)量不足、模型復雜度過高（如參數(shù)過多）、噪聲數(shù)據(jù)干擾。解決方法：增加訓練數(shù)據(jù)量（數(shù)據(jù)增強）、降低模型復雜度（減少層數(shù)/神經元）、正則化（L1/L2正則）、早停法（提前終止訓練）、交叉驗證（選擇泛化能力強的模型）。2.HTTP/3與HTTP/2的區(qū)別：①底層協(xié)議：HTTP/3基于QUIC（用戶數(shù)據(jù)報協(xié)議上的可靠傳輸），HTTP/2基于TCP；②連接復用：HTTP/3通過QUIC的流控機制徹底解決隊頭阻塞（HOLBlocking），HTTP/2的同連接多流仍可能因單個流阻塞影響其他流；③握手延遲：HTTP/3支持0-RTT（零往返時間）重連，HTTP/2需TCP三次握手+TLS握手；④安全性：HTTP/3默認啟用TLS1.3加密，HTTP/2依賴TLS但非強制。3.關系型數(shù)據(jù)庫（如MySQL）適用于：結構化數(shù)據(jù)（如用戶信息、訂單）、強事務需求（ACID）、復雜關聯(lián)查詢（多表JOIN）。NoSQL（如MongoDB）適用于：非結構化/半結構化數(shù)據(jù)（如日志、JSON文檔）、高并發(fā)寫操作（分布式擴展）、靈活模式（無需預定義表結構）、海量數(shù)據(jù)存儲（水平擴展）。4.流量控制：控制發(fā)送方速率，避免接收方緩沖區(qū)溢出，基于接收方反饋的窗口大小（如TCP的滑動窗口機制）。擁塞控制：控制發(fā)送方速率，避免網絡全局擁塞，基于網絡反饋的擁塞窗口（如慢啟動、擁塞避免、快速重傳/恢復算法）。兩者區(qū)別：流量控制針對端到端的接收能力，擁塞控制針對網絡整體負載。5.提供器特點：使用yield關鍵字定義，按需提供值（延遲計算），迭代時保留狀態(tài)（暫停/恢復），內存占用低（無需一次性提供所有數(shù)據(jù)）。內存優(yōu)化作用：處理大文件或無限序列時，逐行/逐個提供數(shù)據(jù)，避免將全部數(shù)據(jù)加載到內存，適用于大數(shù)據(jù)處理、流式計算等場景。四、綜合題1.智能溫室監(jiān)控系統(tǒng)設計：（1）環(huán)境感知模塊：選擇溫濕度傳感器（DHT11/DHT22）、光照傳感器（BH1750）、土壤濕度傳感器（YL-69），部署于溫室各區(qū)域，采樣頻率1分鐘/次。（2）數(shù)據(jù)傳輸模塊：低功耗場景用LoRa（長距離、低速率），實時性要求高用MQTT協(xié)議（基于TCP，支持發(fā)布-訂閱模式），邊緣節(jié)點通過4G/5G上傳至云平臺（如阿里云IoT）。（3）數(shù)據(jù)存儲模塊：時序數(shù)據(jù)（如溫濕度隨時間變化）用InfluxDB（高效存儲時間序列），結構化配置數(shù)據(jù)（如傳感器位置）用MySQL，非結構化日志用Elasticsearch。（4）異常報警模塊：設置閾值（如溫度>35℃），通過規(guī)則引擎（如AWSIoTRule）觸發(fā)，報警方式包括APP推送（極光推送）、短信（阿里云短信服務）。（5）用戶交互模塊：Web端用Vue.js開發(fā)可視化界面（ECharts展示歷史曲線），移動端用Flutter開發(fā)APP，支持手動控制（如開啟通風設備）和自動模式切換（根據(jù)作物生長階段調整閾值）。2.電商推薦系統(tǒng)方案：（1）數(shù)據(jù)收集：用戶行為數(shù)據(jù)（點擊、加購、購買、停留時長）通過埋點SDK采集，存儲于HDFS；物品數(shù)據(jù)（類目、價格、銷量、屬性標簽）來自MySQL；用戶畫像（年齡、性別、地域）通過注冊信息+機器學習建模（如用XGBoost預測興趣標簽）。（2）算法選擇：①協(xié)同過濾：基于用戶的協(xié)同過濾（計算用戶相似度，推薦相似用戶喜歡的商品）；基于物品的協(xié)同過濾（計算物品相似度，推薦用戶已購物品的相似品）。②深度學習模型：Wide&Deep模型（Wide部分處理記憶性特征，Deep部分處理泛化性特征）；DeepFM（結合因子分解機與深度網絡，捕捉低階和高階特征交互）。（