ArkTS 为开发者提供了源码混淆工具 ArkGuard，其主要针对 ArkTS、TS 和 JS 语言提供基础混淆功能，将代码中的变量名、函数名、类名、文件名等替换 为简短无意义的名称，增加通过逆向产物猜测其用途的难度。 ArkGuard 混淆能力 ArkGuard 支持基础的名称混淆，不支持控制混淆、数据混淆等高级混淆功 能，已有名称混淆选项汇总如下表： 功能 选项 属性名称混淆 -enable-filename-obfuscation 仓颉技术资产保护能力概述 仓颉提供了外形混淆、数据混淆、控制流混淆等多种混淆技术用于保护开 发者的软件资产，提升攻击者逆向攻击仓颉软件的难度。攻击者可采用逆向工 程技术对程序进行攻击，并获取程序的符号名、路径信息和行号信息、特征字 符串和特征常数，以及控制流信息。仓颉混淆技术可以对这些信息进行混淆和 隐藏，让攻击者难以借用这些信息辅助理解程序的运行逻辑。 控制流平坦化：将函数基本块组织为 switch-case 形式，隐藏基本块之 间的跳转关系。 仓颉混淆详细介绍请见《仓颉编程语言白皮书》15。 适用场景 代码资产在本文中指防止攻击者对开发者的编译结果实施逆向攻击，从而 获取开发者源代码。对代码资产安全有诉求或金融类应用业务逻辑是重点保护 对象，同时根据《 JRT 0092-2019 移动金融客户端应用软件安全管理规范》 “5.3.3 抗攻击能力”

指标类型 1 能源消耗强度 逆向定量 2 碳排放强度 逆向定量 3 可再生能源利用率 正向定量 4 能碳管理系统平台功能符合数量 正向定量 5 原材料消耗强度 逆向定量 6 取水强度 逆向定量 7 工业用水重复利用率 正向定量 8 一般工业固体废物综合利用率 正向定量 9 生产工艺和设备先进性 正向定性 10 正向定量 11 主要污染物产生或排放强度 逆向定量 12 绿色设计 正向定性

并根据具体行业特点,可增加三级指标;最低层级评价指标 1 GB/T36132—2025 是直接评分的指标,根据其自身定量或定性属性以及与绿色化绩效水平的正负相关性,分为正 向定量、正向定性、逆向定量、逆向定性四类。 4. 2 基本要求 绿色工厂应符合的基本要求包括但不限于: a) 近三年未发生安全、质量、环保等违法违规行为; b) 明确绿色制造相关管理层职责,制定绿色低碳发展中长期规划及年度量化目标; ××绿色工厂评价指标表 一级指标 (权重) 序 号 二级指标 指标 类型 单位 引领值 基准值 权重 分值 评分规则 能源 低碳化 (30%) 1 能源消耗 强度 逆向 定量 tce/产品 单位或 tce/万元 行业先进 水平或适 用国家强 制性能源 消耗限额 1级水平 行业平均 水平或适 用国家强 制性能源 消耗限额 2级水平 8 据 单 位 产 品 综 合 能 耗或 单 位 产 值 综 合 能 耗 与 本 行业 先 进 水 平 或 适 用 国 家 强 制性能源消耗限额1级水平对 标情况赋分 2 碳排放 强度 逆向 定量 tCO2/产 品单位或 tCO2/万元 行业先进 水平 行业平均 水平 8 计算 并 根 据 单 位 产 品 二 氧 化 碳排 放 量 或 单 位 产 值 二 氧 化 碳排

恶意代码植 入 攻击者通过在加速库开源代码中植入恶意代码或木马等进 行攻击，造成信息泄露或程序异常。 弱口令入侵 通过缺省口令、弱口令，非法登录后对系统实施攻击。 逆向分析 通过逆向分析工具等手段，对固件或应用进行逆向分析， 导致关键知识产权信息泄露、漏洞发现。 硬件资 产 物理侵入 通过偷盗等非法手段获取信息存储设备、内存、PCIe卡 等，造成资产损失。 Atlas 900 A3 SuperPoD

60004083 碳氢清洗 660000408 2 委外阳极 60004081 车削 60004079 原材料 场景示例：产品全过程追溯需求 ○ 正向 逆向 首页 / 质量追溯 质量追溯 正向◎逆向 员工： BZ-01 4012 110023555- 10 110023555- 10 11002355- 10 11002355- 10 11002355-

验机 制，攻击者可以任意篡改总线数据。 芯片安全测试包括侧信道分析测试、故障注入测试、逆向工程 测试。攻击者通过上述测试评估被测系统的关键芯片是否可以抵御 功耗分析、电磁分析、时序分析等侧信道攻击；是否具备防止电压 故障注入、电磁故障注入、光学故障注入等故障注入攻击的安全机 制；是否具备防护逆向拆解的物理防护机制。 6.2.2. 固件安全测试子体系 49 图 6-3 智能网联汽车固件安全测试子体系 固件。如果测试人员可通过上述方式提取出固件，则固件存在信息 泄露的安全风险。 为了增加攻击者逆向分析固件的难度，安全人员通常会对固件 进行加扰保护，方式包括固件加密、固件压缩、固件加壳。固件加 扰测试需要安全测试人员评估被测系统的固件是否具备此类安全防 护机制。通过分析固件的熵值分布可判断固件是否具有加密或者压 缩的保护机制。通过逆向分析工具简要分析固件的反汇编代码可判 断固件是否存在保护壳。 固件及其 流程、自动开启的进程及服务、系统的配置策略等信息，为后续攻 击奠定基础。攻击者甚至可能篡改相应的文件以更改系统启动运行 流程以及关键配置。 静态测试中，测试人员将目标固件导入到 IDA Pro 等固件逆向 分析工具对固件进行逆向分析。借助工具，测试人员可获得固件中 函数的调用逻辑，进而定位到加解密、安全认证等关键函数或者攻 击者感兴趣的目标函数。动态分析则需要测试人员利用 QEMU 等仿 真工具在仿真环境

当操作。 仓储管理则需控制温度、湿度，防止电池老化或漏液，并定期巡检消防设施。此外，危险品分类存储与应急预案 制定是关键，如泄爆设计与消防抑制系统。 需建立正向与逆向物流能力：正向物流保障物料与产品高效、无损地流通全球；逆向物流则实现对问题物料的快 速召回、返修与质量闭环管理。 图 11 供应领域安全管理体系（参考） 储能产品的制造商、供应商需要以安全标准为基座，从制造 DFX 设计、制造专项能力、安全管理等维度明确在流程

当操作。 仓储管理则需控制温度、湿度，防止电池老化或漏液，并定期巡检消防设施。此外，危险品分类存储与应急预案 制定是关键，如泄爆设计与消防抑制系统。 需建立正向与逆向物流能力：正向物流保障物料与产品高效、无损地流通全球；逆向物流则实现对问题物料的快 速召回、返修与质量闭环管理。 图 11 供应领域安全管理体系（参考） 储能产品的制造商、供应商需要以安全标准为基座，从制造 DFX 设计、制造专项能力、安全管理等维度明确在流程

模型压缩 演化模拟 多模态大模型 从头设计 基础模型 基于主体的模型 可解释人工智能 遗传算法 大语言模型 计算机视觉 物理信息机器学习 符号回归 数据共享 多尺度建模 逆向设计 图神经网络 虚拟现实 多模态大模型 基于主体的模型 复杂系统 地球与环境科学 工程科学 数学 生命科学 物质科学 人文与社会科学 科学智能白皮书 2025 10 11 导更稳定高效的算法设计。 在人工智能模型设计方面，数学理论 指导着网络结构设计、学习范式等。例如， 扩散模型的架构根植于概率论和随机过程， 其正向过程利用马尔可夫链逐步注入高斯噪 声使数据退化，逆向过程则依赖参数化条件 概率逐步剥离噪声实现重构，构成一个可逆 随机过程。这样的设计在确保生成样本多样 性的同时，也保证了高质量的重构。此外， RNN 利用递归结构捕捉时序数据的动态特 性，其状态更新可用差分或微分方程描述， 年，出版物总量于 2024 年已达 7.07 万篇（图 4）。从国家 趋势看，中国崛起和印度追赶仍是 主流。数据分析和关键词词云显示， 材料和电池技术主题最被关注。多 尺度建模、符号回归、图神经网络 和逆向设计等方法最被这一领域科 学家看重，而物理启发的深度学习 等方法加速了物质科学和 AI 的深度 融合。 总量 中国 欧盟 美国 印度 英国 2015 2016 2017 2018 2019

平台来帮着固化与操作执行， 目前 IT 平台软件能支持吗？治理后呢？ 前 言 若①、②都不易操作， 那 NQMS 体系怎么执行呢？ NQMS IT 支撑 瓶颈问题？ ▲ 逆向建设：通过现有软件的数据治理来达成对 NQMS 体系 的支撑 ① 架构引领： IT 与 NQMS 架构一致吗？ 治理前明确目标、 做 好企 业架构了吗？ ② 流程主导： IT 能执行与管控