的方式，还是按照数量的百分比，或者随机，还是固定检验 数量，都要靠采样过程确定，也就是说，检验的具体数量要 靠采样过程确定 QM 主数据 - 采样方案 批 量 样本大小 100 10 1,000 25 10,000 50 Sampling Scheme ） 采样方案是被应用在采样程序中的，也就是说，采样过程要调用采样方案，从而调用采样方案中的数据，所 以要先建立采样方案，后建立采样过程，采样方案定义了可能需要不同的检验严格度，根据样本数量，随机 调整检验数量。定义了是否需要用动态修改规则的加严 / 标准 / 宽松检验，还是 AQL 点的抽样检验。 QM 主数据 - 动态修改规则 检验阶段 加严 正常 放宽 免检 Time

3.4.1 典型 AI Agent 攻击路径 3.4.2 被保护关键资产 ◎ 提示词注入攻击：通过构造恶意智能体提示词，绕过安全限制或诱导 AI 执行非预 期操作； ◎ 对抗样本攻击：在输入数据（文本、图像、语音）中添加细微扰动，误导 AI 模型 的判断； ◎ 权限与工具调用攻击：利用 AI Agent 被赋予的过度权限执行危险操作，导致鸿蒙 系统 Agent 被控制、数据被篡改或窃取； ◎ 逻辑与任务攻击：通过误导性指令或分步提示，诱导 AI 执行多阶段恶意任务，通 过大量请求或复杂任务耗尽 AI Agent 的计算资源； ◎ 供应链与依赖攻击：在模型训练阶段注入恶意样本或参数，利用 AI Agent 依赖的 第三方服务（如云平台、API）的漏洞等。 结合鸿蒙智能体需要保护的关键资产、典型的攻击路径，鸿蒙智能体框架 HMAF 在传统 软件安全工程的基础上，迭加构建

《 产 品质 259 的产品检验，根 据商品特性，检 验分为抽检或 全检 量管 理表》 259 “ ” 抽检以 批 作 为 处理对象，按 比例抽取一定 样本数，不合格 批禁止出厂 《 质 量 抽 样 检 验表》 对于不合格的 产品，可以调整 修理的，退回重 修，否 则予以报废处 理 质量改进控制 《 质 量 改