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”

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

隐患，更准 确甄别正常脚本，从而辅助分析人员提升分析效率，减少对高阶 专家的依赖，提供稳定的质量输出，减少漏报和误报。 3 7.逆向代码分析：经过大量代码和反编译进行预训练的模型， 能够自动进行逆向补全和函数名称与功能摘要的生成，逆向工程 师无需破译每一行代码，便能快速、高层次地理解代码功能。 8.Web 安全分析：经过大量 Web 攻击流量进行预训练的模型， 能够有效提升 面性 和深度，而且为不同场景下的告警分析提供了灵活高效的解决方 案，满足需求的多样性。 通过提示词工程优化大模型推理效果，可实现自动化分类和 处置建议生成。融合专家经验的研判流程建模，通过逆向分析运 营人员的研判逻辑，将告警分类、上下文关联、误报验证等核心 步骤抽象为自动化流程。从而构建从数据采集到决策输出的端到 端自动化分析闭环，替代传统的人工研判流程，提升分析效率和 准确性，减少专家经验依赖。

人工智能赋能 CAE 的核心本质是对物理场合设计空间的建模， 其主要应用场景是逆向设计与优化和设计验证。AI 技术通过分析海 量 CAE 历史数据，可以快速识别关键特征和实时仿真，在前处理、 求解与优化、后处理阶段实现一站式设计探索。 （1）逆向设计与优化 逆向设计与优化重构设计与优化范式，实现智能寻优。在逆向设 计中，基于数据驱动的方法反向求解设计参数，以满足特定目标。例 如复旦大学 2021(4).DOI:10.1007/S00158-021-02953-9. 科研智能：人工智能赋能工业仿真研究报告（2025 年） 18 能建模与生成技术、跨领域协同优化技术和智能图纸识别与逆向建模 技术。 智能建模与生成实现设计的自动化生成与研发效率的提升。一是 语义驱动参数化建模，通过自然语言处理解析设计意图，实现“语言 指令—三维模型”的自动转换，如在地理场景建模场景，利用大语言 突的自动检测，有效减少返工与修改成本。如汽车设计中，AI 的作 用不仅限于设计优化，还包括设计验证和错误检测，AI 可以检测出 可能被忽视的问题，如结构弱点或安全合规性偏差，并提供可操作的 修正建议。 智能图纸识别与逆向建模将图纸信息有效转化为模型数据。利用 计算机视觉、深度学习和模式识别技术，自动识别和理解二维工程图 纸（如扫描蓝图、PDF 图纸、CAD 矢量图）中的信息（视图、尺寸、 公差、注释、零件明细

据、人工智能等技术在新 药研发中的应用。AI 技术在新药研发领域中的应用推动行业快速变革，涉及靶 点发现、蛋白质结构预测、化合物筛选、ADMET 特性预测、临床试验结果预测、 药物重定位、晶型预测和逆向合成分析等多个关键环节。AI 制药技术的应用有 望缩短药物研发周期，降低成本，提高研发成功率。AI 技术使得从药物设计到 临床试验的全流程更加高效，为传统药物研发带来创新变革，并展现出在药物 研发领域的广阔前景和巨大潜力。 15 2.7 晶型预测可提供不同于经验规则的新见解 .......................................................... 16 2.8 逆向合成分析可有效优化和创造合成路线 .......................................................... 17 3. CRO 公司加速布局 AI 技术应用 晶型预测与实验研究时间流程对比 .......................................................................... 16 图 15 逆向合成流程概述 ............................................................................................

预警中，不可解释的模型输出可能导致错误处置，延误风险应对，损害公众 利益，也削弱了政府部门对 AI 决策的信任与监管能力。 （4）城市模型低空域算法被逆向篡改风险 智慧城市低空经济对外开放大量公共服务接口，恶意攻击者可通过分析 接口调用数据、逆向工程等手段，破解 AI 模型内部逻辑。例如针对低空无人 机调度模型，攻击者获取算法结构后，可注入恶意指令，导致飞行器航线混 乱、碰撞或泄露敏感飞行 社会效益或个人利益 时，可进行反馈。 5.1.4.增加低空模型加密混淆 为确保低空应用模型不可逆向，可采用模型加密混淆技术，通过对算法 和数据进行加密、混淆处理，保护模型不被恶意破解。同时对模型输出内容 进行脱敏处理，去标识化处理可以减少数据关联性，确保输出结果匿名化， 以防止模型被逆向推导。 5.1.5.强化低空模型对抗样本防御能力 系统构建 AI 模型的对抗样本防御体系，增强模型在恶意扰动下的鲁棒性 行，主要 包括低空载具装备、信息物理基础设施装备以及空中交通管理装备三个方面。 常见装备体系安全问题包括：飞行非法控制、授权突破、定位欺骗、拒绝服 务等。常用安全类工具包括：固件提取工具、固件逆向工具、系统安全检测 工具、SDK 包分析工具等。 6.2.1.低空载具装备安全 低空载具的研发者是安全的第一道防线，产品设计需要遵循“安全三同 步”原则（即同步规划、同步设计、同步上线）。在开发阶段，加强前期安

在AI系统运营和运维阶段，重点保护大模型系统所涉及的训练数据、模型、生成内容的全生命 周期安全，构建大模型恶意行为态势感知系统，提升拦截能力，对现网系统进行统一运营。通 过对AI模型进行加密，防止模型泄露，减少被逆向以及漏洞攻击的风险。通过对辅助驾驶模型 运行环境进行独立隔离，防止联网管理进程对智驾功能安全的干扰。 PART 2 华为乾崑智能汽车解决方案网络安全理念与架构 29 PART 2 安全，可防止来自非安全世界中的恶意软件攻击。 可信执行环境技术支持如下能力： 1）基础安全加固 ·可信执行环境全生命周期确保合法性及完整性，包含：启动、升级。 ·对镜像文件进行逆向分析是攻击者对目标发起攻击的重要手段，可信执行环境支持镜像防逆 向保护。防逆向保护技术主要为镜像加密和符号表混淆。 ·可信执行环境支持防渗透，包括安全编译、地址随机化、栈保护、数据不可执行、代码段及 函数指针只读。 2）安全服务 安全预置到部件中，随部件发货到整车产 线。此时，车厂和部件供应商均持有该密钥，任何一方以及分发过程中保管不善，泄漏密钥，所 有使用该型号部件的车辆都可能被攻击。另外，攻击者对市面上其中一辆车进行逆向分析，一旦 成功获取密钥，可以对市面上整批车辆实施攻击。 华为乾崑网络安全解决方案的诊断安全技术，在业界首次做到每辆车每个部件诊断密钥不同，一 辆车中的密钥即使被攻击者获得，不会对市面上其他车辆造成安全风险。并且，诊断密钥在车内

制定《智能手环市场调研方案》，再用 GPT-4 生成问卷文案，最后 用 Claude 整理数据图表” 效率提升：全流程时间缩短 70% ③批判性训练 ⚫ 逆向推演：“假设我的奶茶店三个月后倒闭，请逆向分析失败原因链” ⚫ 跨界迁移：“参考迪士尼排队管理策略，优化咖啡店高峰时段服务流程” 5.官方推荐模板（简化版） 1.代码优化： “下面这段 Python

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

性化学习，满足不同学生的多元需求。 二、教：DeepSeek贯通教学全流程 首先，我们明确核心理念：人机协作非简单的提示词工程，而是教师凭借专业能力在结构化流程中主导AI。这一部分我们将以“北大青鸟逆向课程设计 方法”为核心理论基础。 然后，我们深入探讨教学流程的四个关键步骤： 1. 教学设计： 讲解如何运用AI进行从单学科到多学科PBL的完整教学设计。 2. 教学资源开发： 摒弃“一键生成PPT”的思维，提倡结合使用WPS 学习交流可加AI肖睿团队助理微信号（ABZ2829） 第7页 教学专业知识 教学 科学 理论 教学方法 教学专业 知识 学习交流可加AI肖睿团队助理微信号（ABZ2829） 第8页 北大青鸟逆向课程设计教学 课程教学 SOP 课程研发 SOP 设计原则 底层原理 认知负荷理论 SOI模型 首要教学原理 4C/ID模型 课程开发 课程设计 课程体系设计 调研 学习目标 技能点筛选 学习交流可加AI肖睿团队助理微信号（ABZ2829） 第15页 DeepSeek助力教育创新的关键路径 技术赋能而非主导 DeepSeek作为工具，应服务于教育本质，赋能教师与学生，而非替代教育核心环节 教学方法创新 利用逆向课程设计等创新教学方法，结合DeepSeek的技术能力，创造更高效、更个性化的学习体验 全方位融合 在"教-学-评"全环节融入DeepSeek技术支持，打造智能化、系统化的教育生态 学习交流可