金融科技与新技术：机制、场景与边界¶
本页要点¶
- 云计算、数据计算、AI和区块链解决不同问题，不能以技术名词代替业务目标。
- 云的服务模式与部署模式是两条分类轴；容器与虚拟机的内核边界不同。
- AI训练改变参数，推理使用参数；检索增强生成不自动保证答案正确。
- 数字人民币不是支付应用名称；相关属性须带白皮书版本与时点。
- 法规必须看适用对象和具体条款，备案、实名与跨境豁免都有条件。
手册§10.1用ABCDE作技术地图：A为Artificial Intelligence（人工智能），B为Blockchain（区块链），C为Cloud Computing（云计算），D为Data（此处指大数据），E为Edge Computing（边缘计算，并列关联物联网）。这是手册的记忆框架，不是统一标准的五类互斥技术；同一个反欺诈系统可以同时用云资源、大数据分析和AI。选择技术时还要问数据从何而来、谁能访问、质量是否可靠、错误决策由谁复核，不能仅因某方案带ABCDE标签就认定先进或合规。[手册PDF第45页§10.1；各技术机制与依据见下文]
1. 云计算与虚拟化¶
云计算让用户通过网络按需获取共享资源池，并快速申请和释放。NIST SP 800-145列五个本质特征：按需自助、广泛网络访问、资源池化、快速弹性、可计量服务。例如报表高峰自动申请计算实例，低峰释放并记录使用量。仅由管理员手工开虚拟机不等于具备完整云服务机制；弹性也不保证费用必然更低。[手册PDF第45页§10.3；N1]
| 服务模式 | 用户获得什么 | 用户通常仍需管理什么 | 例子 |
|---|---|---|---|
| IaaS，Infrastructure as a Service，基础设施即服务 | 计算、网络、存储 | 操作系统、应用、数据及权限 | 云主机上自行安装业务系统 |
| PaaS，Platform as a Service，平台即服务 | 应用部署运行平台 | 应用、业务数据和访问配置 | 托管运行环境部署开户应用 |
| SaaS，Software as a Service，软件即服务 | 可直接使用的软件 | 账号、业务配置、数据使用 | 在线办公 |
从IaaS到PaaS再到SaaS，用户直接管理的底层细节通常减少，供应商管理的组件通常增加；责任按服务合同具体划分，用户身份、数据用途和配置责任不会自动消失。托管数据库服务可能有不同抽象层级，不能只看商品名强行分类。
NIST四种部署模型是私有云、社区云、公有云、混合云。行业/金融云是按用户群和治理实践命名，可能采用社区云等形态，不宜直接当NIST第四种；多云是使用多个云的策略，不必然具备混合云的互联与可移植安排。例如银行内部私有云与公有云共同支撑业务，可形成混合方案；两个孤立供应商账号只说明使用多云。
虚拟机（Virtual Machine，VM）通过Hypervisor抽象硬件并运行客户操作系统；容器通常共享宿主内核，隔离应用进程与资源。裸金属型Type 1直接管理硬件，宿主型Type 2运行于宿主操作系统之上，具体KVM等产品的内核架构不宜只套“没有宿主OS”口诀。容器适合一致交付与快速启动，VM适合不同内核需求和较完整硬件隔离；速度和安全是工程结果，不能保证所有容器都是秒级或必然更不安全。Kubernetes及Serverless的运行治理见基础设施页。[手册PDF第36—37页；N23支持VM/容器与Hypervisor基本分类，KVM等具体产品另查，不据分类口诀判断其所有实现]
容器镜像还要与运行实例分开理解：镜像由不可变的文件系统变更层组成，启动容器时在其上增加该容器自己的可写层。两个容器可复用同一镜像而保持各自写入；删除容器可能丢掉可写层数据，需要持久保存的业务数据应使用合适的卷或外部存储。例如镜像内放支付服务程序，运行日志不能仅因“镜像还在”就认为已持久保存。[N24]
2. 大数据：先存得下，再算得动¶
5V常概括规模Volume、速度Velocity、种类Variety、真实性Veracity、价值Value；它是理解框架，不是判断系统是否“大数据”的强制量化标准。海量交易可能价值密度低，治理后才能发现少数欺诈信号，不能把体量大等同于价值密度高。[回忆2023第8题]
Hadoop分工中，HDFS（Hadoop Distributed File System，分布式文件系统）存数据，MapReduce执行分布式批处理，YARN（Yet Another Resource Negotiator）管理集群资源。HDFS的NameNode管理命名空间和块元数据，DataNode存块并通过心跳/块报告支撑管理，副本与恢复应对节点失败。副本数依配置，不能把常见默认3当所有文件不变事实。靠近数据安排计算减少网络搬运，但数据倾斜仍可能拖慢整体。[N2]
YARN把“分配集群资源”和“监控具体任务”分开：全局ResourceManager（资源管理器）仲裁各应用资源，每台机器的NodeManager（节点管理器）管理资源容器并报告使用量，每个应用的ApplicationMaster（应用主控）申请资源、联系节点启动并跟踪任务。例如日终报表提交后，先为该应用启动主控，再申请若干计算容器执行Map/Reduce；Scheduler调度器负责分配，不能把它误认为负责每个失败任务的重启。这里的YARN资源容器表示内存/CPU等资源配额，不等同Docker镜像实例。[N25]
Map把输入记录变成中间键值，Shuffle按键分组并传输，Reduce聚合。例如每条交易映射成“地区、金额”，再按地区求和；“Map分、Reduce合”不能省略按键分组机制。Reduce端拉取可与尚未结束的Map重叠，不是所有Reduce相关动作都必须等全部Map结束。
Spark提供RDD（Resilient Distributed Dataset，弹性分布式数据集）等分布式抽象及计算API。转换建立计算依赖，动作触发执行，缓存可复用中间结果；缓存可选择内存或磁盘，Shuffle和资源不足仍可写磁盘，因此原速记“中间结果不落盘”“Spark一定更快”应修正。Spark SQL处理结构化查询，MLlib提供机器学习，GraphX处理图；具体组件是否支持某版本需看文档。[N3]
批处理面对有界数据，适合日终计息；流处理面对持续事件，适合交易发生时的风险检测，通常要窗口、事件时间、水位线和迟到事件策略。例如按5分钟窗口汇总异地交易，可出现晚到记录，须规定补算或更新，不是“来一条立即得到永不改变的最终答案”。旧Spark Streaming常用微批，Structured Streaming也有不同处理模式，不能只靠工具名称判断延迟。
数据仓库、KDD（Knowledge Discovery in Databases，数据库知识发现）、清洗、分类/回归/聚类/关联规则及算法在数据库与挖掘模块主讲，本页只作入口。数据挖掘是KDD中的建模分析环节，不等于整个知识发现过程；旧原文与完整补充可在归档追溯。
国产数据库与开源源流：openGauss例子¶
openGauss是开源关系数据库。项目COPYRIGHT明确写“developed by Huawei and based on the Postgres-XC”，同时保留Postgres-XC与PostgreSQL开发者版权，因此它与PostgreSQL生态存在代码源流；不能据此说它只是给PostgreSQL换名字，或所有语法、存储格式、扩展都兼容。例如迁移一个PostgreSQL应用，要分别验证驱动、SQL类型、扩展、事务行为和运维工具；源流相近只能提示迁移线索，不能替代兼容性测试。[N26；回忆2024第55题仅作范围线索]
3. AI、机器学习、生成式模型¶
人工智能（Artificial Intelligence，AI）包括规则推理、搜索规划和学习方法；机器学习（Machine Learning，ML）通过数据或交互经验学习；深度学习（Deep Learning，DL）用多层神经网络学习表示，属于ML分支。生成式按输出任务分类，大模型按规模及训练方式描述，不是与AI/ML/DL互斥的门类。风控规则可不训练模型，图像识别可用DL，生成客服回复属于生成式任务。
监督学习用带标签样本预测类别或数值，如用已知违约记录训练风险分类；无监督学习不使用任务标签，如按客户特征聚类；强化学习让策略在状态下选择动作、获得奖励和下一状态，优化长期累计回报，不是给普通样本标“奖惩”就完成。例如动态资源调度可在模拟环境训练，真实探索则可能破坏服务。
以神经网络为例，训练经前向预测、计算损失、反向传播求梯度、优化器更新参数，反复迭代；推理通常固定参数作预测。训练集用于拟合、验证集用于选择方案、测试集用于独立评价。过拟合是训练表现好而泛化差，可用正则化、代表性数据、早停等缓解；欠拟合训练与新数据都差，应检查模型能力和特征。金融时序不能用未来信息预测过去，随机切分也可能泄露同一客户记录。[N18教材§1、§5.3支持学习类型与反向传播；N21补证留出评价、泛化差距和数据泄露。早停是在验证效果不再改善时停止训练，不代表每种任务都必然提升；具体选择仍需验证。]
CNN与RNN：空间邻近和时间顺序怎样进入模型¶
卷积神经网络（Convolutional Neural Network，CNN）用同一组可训练的小卷积核扫描局部区域，提取边缘等局部模式；共享参数减少每个位置分别学习的开销。教材常说“卷积”，深度学习库这里通常实现互相关，即不先翻转卷积核。例如输入局部块[[1,2],[3,4]]与核[[1,0],[0,-1]]逐位乘加得1−4=−3；核滑到下一位置，再使用同样权重。这个数只是一个局部响应，不自动等于“识别出某物体”。[N28]
典型教学链为“输入图像→卷积→非线性激活→池化→分类输出”。ReLU激活把负输入变为0，给网络引入非线性；最大池化在窗口内保留最大值，如上述四个输入池化得到4，平均池化则得到2.5。池化可降低空间分辨率、缓和部分小位移影响，但会丢失细节，不能保证任意平移或旋转后输出完全不变。全连接层可汇总特征作分类，但不是每种CNN都必须在末尾放全连接层。识别票据图片可使用这种空间结构；具体架构、预处理和训练数据决定实际效果。
循环神经网络（Recurrent Neural Network，RNN）则保留随时间更新的隐藏状态：h_t=f(x_t,h_(t−1))，把当前输入与前一步摘要一起处理。例如逐日交易额依次输入，今天的表示可以利用之前的状态；它与把所有日期打乱后分别分类不同。隐藏状态是序列记忆，不等于“隐藏层”的同义词，也不保证完整无损记住任意长历史。CNN也能处理序列，RNN也能用于多种数据，二者不是按业务类型绝对互斥。[N28]
预训练、微调、检索增强与智能体¶
| 机制 | 工作步骤 | 场景与边界 |
|---|---|---|
| 预训练 | 在广泛数据上学习表示与生成规律，更新参数 | 建立基础能力，成本高且知识可能过时 |
| SFT，Supervised Fine-Tuning，监督微调 | 用任务示例进一步优化参数或适配器 | 稳定格式、术语与行为；不保证可靠记住所有新事实 |
| RLHF，Reinforcement Learning from Human Feedback，人类反馈强化学习 | 经典InstructGPT流程为示范数据SFT→回答排序训练奖励模型→以奖励信号作强化学习优化；具体实现不必都采用同一算法 | 是对齐方法之一，不是每个模型必经阶段 |
| RAG，Retrieval-Augmented Generation，检索增强生成 | 文档分块与索引→按权限召回→筛选→附证据生成→检查引用 | 适合持续更新制度问答；仅在推理时检索并附上下文的RAG不更新生成模型权重；RAG系统也可联合微调检索器/生成器，原始论文即包含微调，不能把“不更新权重”作为所有RAG的定义 |
| Agent，智能体 | 由模型根据任务与环境反馈动态决定下一步和工具使用；预先写死执行路径的通常称工作流 | 查询工单可只给只读工具；模型建议不等于获得业务授权 |
例如制度每周更新，RAG可先检索新制度再回答，但必须核对来源版本与引用是否支持结论；引用格式齐全也不能证明答案正确。提示注入把恶意命令夹在输入/文档中，工具结果应当作数据核验；模型幻觉是貌似合理却不真实的输出，应设置证据不足响应、人工复核和高风险执行边界。这里采用Anthropic 2024工程文的工作流/智能体区分，是一种工程术语约定；提示注入的外部内容与指令混淆、最小工具权限及人工审核措施已对照OWASP工程说明，不把过滤规则当绝对防护证明。[N22] 原只读智能体契约样例及既有自测保留，不扩展题库。
NIST AI RMF是自愿风险管理框架，关注设计、开发、使用与评价阶段的可信性；它不是中国监管规定。上线评估应同时看任务有效性、偏差、鲁棒性、延迟、隐私与业务损失，而非仅看一个准确率。[N5]
4. 区块链：共同记账不等于事实天然正确¶
区块链用分布式账本、密码学链接及共识维持共享记录。典型链式区块头含前块摘要、时间信息、交易摘要等，但nonce等字段依具体协议，不是所有链通用。交易签名后节点验证、排序达成共识，再写入并复制；改动历史可能破坏后续哈希链接，且须突破协议约束。NIST用tamper-evident、tamper-resistant描述“可发现篡改、抗篡改”，不是绝对不能改。[手册PDF第45页§10.2；N4]
Merkle树：不用下载整批记录，也能检查其中一条¶
Merkle树（Merkle Tree，哈希树）先对记录计算叶子摘要，再把相邻摘要按确定顺序组合、计算父摘要，逐层得到根摘要。根摘要像整批记录的短指纹；它帮助发现记录变化，但不会自动证明记录描述的现实事实为真。[N19]
以四条记录A、B、C、D为例，教学简写为a=H(A)、b=H(B)、c=H(C)、d=H(D)，再算ab=H(a||b)、cd=H(c||d)、root=H(ab||cd)。其中H是密码哈希，||表示有明确编码规则的拼接。验证B属于这棵树，只需B、兄弟摘要a、另一半子树摘要cd以及可信根：先算b，再按左右顺序算ab，最后算root并比较。无需取得A、C、D的完整记录；若根本身来自攻击者，仅比较相等不构成可信证明。
这个例子是四叶满二叉树的机制演示，不规定所有区块链的实际编码。RFC 6962 §2.1的证书透明度树对叶子和内部节点使用不同前缀；奇数叶处理、哈希算法及编码都须按具体协议。包含证明只能说明“该记录在这个可信根对应的树内”，不能证明所有其他记录正确，也不能代替交易授权验证。
公有链开放参与，联盟链在多个组织间按许可治理，私有链权限更集中；透明程度由访问规则决定，不是所有账本都公开所有明细。供应链凭证上链能辅助追溯流转，但源头虚假凭证仍是假，需身份、凭证核验及线下责任。
PoW（Proof of Work，工作量证明）用计算竞争建立出块成本；PoS（Proof of Stake，权益证明）按质押和协议规则参与验证；DPoS（Delegated Proof of Stake，委托权益证明）让选出的代表参与；PBFT（Practical Byzantine Fault Tolerance，实用拜占庭容错）在明确成员和故障假设下通过多轮消息达成一致，经典模型需至少3f+1个副本容忍至多f个拜占庭故障。已读Castro/Liskov 1999论文§2—3：安全性不依赖同步，保证活性还需论文规定的弱同步/消息延迟最终受约束等前提；不能仅凭节点数保证永久分区下仍完成请求。论文§4正常路径有pre-prepare、prepare、commit，视图切换另处理主副本故障；这里的副本数不含客户端，不能用公式直接认证产品能力。[N12]它们性能、安全与治理依具体协议，不能一概说“PoS不耗能”或“PBFT任何网络下无分叉”。
共识方式比较：谁提议、谁确认、靠什么约束¶
| 方式 | 怎样工作 | 一个帮助理解的场景与限制 |
|---|---|---|
| PoW，工作量证明 | 节点反复改变候选区块的nonce等输入，寻找满足难度条件的区块摘要；其他节点可快速检查结果 | 好比解一道难做、易检查的题来争取出块；付出的是计算资源，不能把它理解成按账号数投票。该类机制可能出现临时竞争分支，确认规则依具体链 |
| PoS，权益证明 | 验证者质押资产，按协议参与提议和投票；某些冲突签名等行为会触发罚没 | 以太坊实例中，提议者提出区块，其他验证者重新执行并作证明投票，最终性另按检查点规则判断；持有资产不等于每次都能出块，也不是“最富者独自记账” |
| DPoS，委托权益证明 | 权益参与者先选代表，再由选定的生产者承担出块等工作 | Antelope文档将代表选举/排程与区块最终确认分开；选中代表只是确定参与者，不能省略确认协议。代表数量和投票权重由实现决定 |
| PBFT，实用拜占庭容错 | 已知成员的副本围绕提议交换多轮消息，以法定数量的一致消息推进执行 | 4个副本的经典模型可容忍至多1个拜占庭副本；这个数字不能省略认证及网络活性前提，更不能用于证明4台任意配置的机器都安全 |
按“先确定参与资格→提出候选结果→其他节点验证/投票→满足条件后确认”比较四种方式，就能看出它们解决的环节并不完全相同。PoW的计算门槛、PoS的质押与罚没、DPoS的代表选举、PBFT的消息法定数量，是各自的理解重点；都不代替交易签名与业务规则检查。这里依据具体文档解释机制，不把某条链的节点数、时隙或默认配置写成整类算法的统一常数。[N12、N27]
智能合约是按链上规则执行的程序，不能把“代码自动执行”理解为法律与事实都自动正确。升级、暂停、补偿和终局性依协议与治理安排；漏洞可造成损失，链外输入还依赖预言机。所谓去中心化、安全、扩展性“不可能三角”是常见设计权衡概括，不宜当成与CAP同样前提清楚的普适数学定理。[回忆2024第53/66/85题，保留其非官方来源属性]
5. 数字人民币与金融技术场景¶
e-CNY（数字人民币）应从“谁发行货币”和“通过什么工具付款”区分：央行数字货币属性与支付宝/微信等支付工具不是同一分类层级；支付工具也不意味着其所有余额和资金形态都等于同一种银行存款。已从中国政府网取得人民银行工作组2021年白皮书正文：第二部分将数字人民币定义为人民银行发行、指定运营机构参与运营的数字形式法定货币，采用中心化管理与双层运营；该版定位M0，第三部分写明不计付利息、支付即结算与“小额匿名、大额依法可溯”的可控匿名。[N10] 这些结论明确对应2021年白皮书设计，不自动代表2026年的全部制度和产品安排；涉及当年变更应另查后续原文。
理解示例：同样扫码付款，“付款界面长什么样”不能判断背后货币负债主体；双层运营也不能推出采用某种区块链。数字人民币不是必须以公有链实现的代币。正式复核需读取人民银行《中国数字人民币的研发进展白皮书》及后续制度原文，不能把第三方手册互证当官方证明。[手册PDF第45—46页§10.4]
技术选型要从问题出发：云适合弹性资源交付但面临集中度和配置风险；大数据用于数据规模与计算治理但需质量和合法来源；AI用于预测生成但需偏差与责任控制；区块链适合多方账本协作但需成本和治理；IoT（Internet of Things，物联网）把传感终端连到平台，例如质押仓库传感器监控库存，仍需验证终端身份和物理数据真实性。5G网络不自动让不可信传感器数据变真。[手册PDF第45页§10.1]
5G接入的低时延、海量设备连接能力可以支持移动展业或仓库传感，但端到端效果仍取决于无线覆盖、核心网、传输与业务应用，不能把无线侧指标当整笔交易耗时保证。接入与网络分区的主讲见网络运维，下面三层表只解释物联网业务链。
物联网三层：从测到数据到用好数据¶
手册采用感知层、网络层、应用层的三层教学划分。它回答“谁采集、谁传输、谁利用”，不是把所有物联网标准都规定为三层。[手册PDF第45页§10.1]
| 层次 | 解决什么问题 | 质押仓库例子 |
|---|---|---|
| 感知层 | 把物理世界变化变成可处理的数据，或执行控制 | 温度传感器测出28℃，RFID读写器读取货物标识 |
| 网络层 | 通过接入网、网关及通信网络传送数据 | 网关汇集读数，经有线网、蜂窝网或其他接入方式上传 |
| 应用层 | 结合业务规则解释数据、提供服务 | 库存平台把标签与质押单关联，超温或异常移动时通知管理人员 |
沿“传感器→网关与网络→库存应用”阅读即可理解分工。传输成功只能说明数据送到了，不能证明传感器未被伪造；应用报警还依赖设备身份、校准和规则。实际平台还可能单列设备管理与服务支撑层，例如ITU-T Y.2060（2012）§8参考模型区分设备、网络、服务支撑与应用支撑、应用四层，并设管理和安全能力；不能把教学三层与该标准逐项画等号。[N20]
6. 隐私计算、边缘与量子方向¶
边缘计算把部分处理移近数据源，例如网点设备本地识别异常以降低时延及回传带宽，但带来设备治理、更新和同步成本；不意味着所有计算都下沉终端。
联邦学习让各方保留原始数据并交换模型更新，例如银行协同训练风险模型；梯度可能泄露信息，须结合安全聚合、差分隐私等。安全多方计算通过协议协同得出结果而减少各方原始输入暴露；可信执行环境（Trusted Execution Environment，TEE）依赖硬件与可信边界保护运行；差分隐私通过受控随机化约束单个个体对输出的影响。这些技术提供不同保护，输出、串谋和侧信道仍可能泄露，不能一句“可用不可见”当绝对安全承诺。联邦学习原论文明确聚合本地更新而不是集中原始训练数据，但这本身不等于获得差分隐私；MPC要说明参与方和攻击假设，TEE还要核验可信计算基及远程证明，不能只说“放进硬件就安全”。差分隐私的保证由相邻数据集定义、隐私预算和多次发布的组合共同确定，不是简单删姓名，也不是对每个真实输出都加同样噪声。[手册PDF第46页§10.5；N14—N16]
量子计算方向中，Shor算法在足够大且容错的量子计算机上威胁RSA及椭圆曲线等公钥方案，不是当前任意设备已能破解生产密钥；后量子密码（Post-Quantum Cryptography，PQC）是在经典计算环境部署抗量子攻击方案。量子密钥分发（Quantum Key Distribution，QKD）利用物理机制分发密钥，仍需认证和安全实现，不能替代所有密码协议。已核实2024年8月13日发布的NIST FIPS 203/204/205：ML-KEM用于密钥封装建立共享秘密，ML-DSA和SLH-DSA用于数字签名，不能把三者都称为“加密文件算法”。它们是已发布标准实例，不是声称本次穷尽2026所有算法；203和204页面另有潜在勘误提示，实施时要核对更新。QKD的源认证和设备边界由NSA技术说明支持，该页面关于NIST“尚在选型”的历史时态已过时，不采用作当前进度。[N13]
7. 数据与AI治理：条款条件不能省¶
《生成式人工智能服务管理暂行办法》2023年8月15日起施行，第2条针对向境内公众提供生成服务，未向境内公众提供的机构内部研发应用不适用该办法。第17条对具有舆论属性或者社会动员能力的服务规定安全评估及算法备案；第9条规定相关责任及与注册使用者签订服务协议，未规定手册笼统概括的“使用者需实名”；具体身份认证义务应另按适用法规核查，不能推成所有模型内部调用都要重复实名。第7条要求训练数据合法来源及知识产权、个人信息等保护。例如内部制度助手和公开客服服务必须先判断服务对象与功能，不能机械贴同一备案结论。[N6]
《人工智能生成合成内容标识办法》2025年9月1日起施行，第2条界定适用提供者，第3条区分显式与隐式，第4、5条规定对应标识要求。文字/界面提示是显式，文件元数据标记是隐式；具体义务按内容形态及条件落实，不是只加一个“AI生成”口号即可。[N7]
《互联网信息服务算法推荐管理规定》2022年3月1日起施行，第17条规定不针对个人特征的选项或者便捷关闭选项，第21条禁止利用算法在交易价格等条件上对消费者不合理差别待遇，第24条的备案义务针对具有舆论属性或者社会动员能力的提供者。算法偏差可来自样本、特征和标签，不能仅把数据量做大就宣称消除歧视。[N8]
数据要素强调数据参与价值创造；数据流通强调主体间合规授权使用；可信数据空间强调多方规则、身份、连接和审计；数据沙箱强调隔离执行、受控导入导出及到期处理；高质量数据集强调任务适配、代表性、准确性、来源与版本。例如让研究员在沙箱分析脱敏数据，仍要审核输出防止重识别；“数据不出域”不免除授权和审计。国家数据局《可信数据空间发展行动计划（2024—2028年）》明确：可信数据空间是基于共识规则、联接多方主体、实现数据资源共享共用的数据流通利用基础设施，也是价值共创的应用生态；附件1要求可信管控、资源交互、价值共创三类核心能力。故它不等于单一隐私计算产品、区块链或数据沙箱；沙箱只是其中一种受控计算技术。正文第二部分要求认证、资源使用合约、履约存证和互联互通；附件1另给出数据沙箱和隐私计算定义。这里核对的是2024—2028行动计划，未把目标写成已建成事实。[N17]
《企业数据资源相关会计处理暂行规定》（财会〔2023〕11号）已从国务院公报取得正文，自2024年1月1日起施行。第二部分要求先符合相关准则的定义和确认条件：用于企业自身的数据资源符合无形资产条件才确认为无形资产；日常活动持有、最终用于出售且符合存货条件的才确认为存货，不能只凭“自用/出售”二分自动入账。研发支出要分阶段，研究阶段计入当期损益，开发阶段满足条件才资本化。第三部分规定资产负债表相应项目增列“其中：数据资源”，并非设一个统一的“数据资产”新类别；第四部分采用未来适用法，施行前已费用化支出不再调整。[N11] 例如花钱清洗了客户数据，不等于这些支出都能资本化：还需判断用途、形成阶段及准则条件。这里只解释资料中的会计政策概念，不替代具体会计判断。
《促进和规范数据跨境流动规定》2024年3月22日公布施行。第3—6条的豁免针对特定出境机制，不代表数据处理不再受法律约束；合同豁免限“个人作为一方当事人且确需”，跨境人力资源须符合依法制定劳动规章制度和集体合同等条件。第10、11条仍要求适用的告知、单独同意、影响评估及安全保护义务。例如为了个人订机票的必要信息出境，不能扩展为整个客户库都可豁免。数量门槛与完整路径由安全模块主讲，本页避免重复列数。[手册PDF第47页；N9]
实际读取来源与核实状态（2026-11-04）¶
| 代号 | 可访问资料与本次读取的证据 | 状态/限制 |
|---|---|---|
| N1 | NIST SP 800-145全文，定义及五特征、三服务、四部署 | 已核实该标准定义；不代表所有具体服务合同 |
| N2 | Apache HDFS Architecture，页面返回Hadoop 3.3.5，NameNode/DataNode、块与复制、数据本地性 | 已核实概述，未假设stable必然当前最高版本 |
| N3 | Spark RDD Guide，RDD、转换/动作及缓存 | 已核实可用内存/磁盘等基础机制；latest页面不用于固定具体版本字段 |
| N4 | NISTIR 8202摘要，抗篡改、可发现篡改的措辞 | 概念已核实；PBFT另见N12，PoW/PoS/DPoS的全部协议变式仍未核实 |
| N5 | NIST AI RMF，自愿框架、全生命周期与生成式风险资料入口 | 治理定位已核实，非所有ML算法定义证据 |
| N6 | 暂行办法全文，第2/7/9/17条及施行日期 | 已核实列出条款，不承诺覆盖后续全部新规 |
| N7 | 标识办法全文，第2—5/14条 | 已核实适用、两类标识及日期 |
| N8 | 算法推荐规定全文，第17/21/24条 | 已核实条款条件及日期 |
| N9 | 跨境流动规定全文，第3—11/14条 | 已核实引用范围；与安全模块对齐完整口径 |
| N10 | 人民银行工作组2021白皮书，中国政府网存档，实际取得第二部分定义与第三部分设计正文 | 已核实2021设计中的M0、不计息、双层运营、可控匿名；不扩张为2026全部制度判断 |
| N11 | 国务院公报财会〔2023〕11号全文，第一至四部分 | 已核实确认条件、研究/开发区分、列示和2024施行日期；不据此作个案会计结论 |
| N12 | Castro/Liskov，Practical Byzantine Fault Tolerance，1999，伯克利大学镜像，精读§2—3（物理p2—3）故障/认证/安全/活性假设及§4正常协议 | 已核实3f+1与弱同步区别；不能由副本数推导任意网络下活性 |
| N13 | FIPS 203、204、205正式发布摘要及NSA QKD技术限制第1—4项 | 已核实ML-KEM密钥封装、ML-DSA/SLH-DSA签名与发布日期；未逐行审计算法全文或实现，NSA选型进度旧时态不采用 |
| N14 | McMahan等，2017联邦学习原论文作者机构摘要，本地数据与更新聚合；NIST PEC工具表，MPC联合计算私有输入 | 已核实机制概述；模型更新泄露的具体攻击证明及MPC协议安全证明未穷尽 |
| N15 | NIST SP 800-226，2025全文，§2.1—2.1.2（物理p21—22）相邻数据集、隐私参数及组合 | 已核实差分隐私定义条件，不能以去标识替代DP |
| N16 | Intel SGX官方说明，enclave、使用中数据隔离及attestation | 支持一种TEE实例，未据此声称所有TEE都采用SGX或消除侧信道 |
| N17 | 国家数据局《可信数据空间发展行动计划（2024—2028年）》全文，物理p1—2及附件1 p9—11 | 已核实官方定义、三类能力、身份/合约/存证及沙箱概念；不替代之后技术标准或个案合规核查 |
| N18 | 《动手学深度学习》§1与§5.3前向/反向传播，Lewis等RAG原论文摘要、Ouyang等InstructGPT原论文摘要 | 已核实基础学习与梯度机制、RAG可微调、示范SFT/偏好排序/RLHF流程；RAG工程分块/权限和Agent全部定义未由这些摘要一并核实 |
| N19 | NISTIR 8202全文，物理p26 §3.6、p64附录Merkle tree词条；RFC 6962 §2.1.1叶子包含路径 | 已读取树的逐层摘要定义、路径重建可信根的机制；RFC为2013实验性证书透明度协议，用于解释包含证明，不当作区块链统一实现标准 |
| N20 | ITU-T Y.2060（2012），§8层次目录 | 已读取标准参考模型四类层名；三层是手册教学划分，不称ITU标准三层；具体四层内部能力未逐项核实 |
| N21 | D2L §3.6泛化 §3.6.2—3.6.3；scikit-learn交叉验证训练/验证/测试说明；常见错误§12.2 | 已读取留出集用途、训练/验证误差的过欠拟合比较与预处理不能使用测试集信息；早停具体算法及所有时间/客户切分策略未由这几节穷尽证明 |
| N22 | Anthropic《Building effective agents》，What are agents与Agents段；OWASP提示注入防护，Introduction、Remote/Indirect、Least Privilege与Human-in-the-Loop | 已核工作流/智能体工程区分、环境反馈循环及外部内容风险与权限边界；非统一国际分类标准，不证明任何防护绝对有效 |
| N23 | IBM Hypervisors，What are hypervisors与Type 1 vs. type 2；Red Hat容器与VM比较，Overview与What is a container/VM | 已核客户OS、硬件抽象、宿主型与裸金属型、容器不需独立客户OS的基本边界；不把厂商选型宣传当所有实现的速度/安全证明 |
| N24 | Docker镜像分层，Image layers与Stacking the layers | 已读不可变层、联合文件系统与容器可写层，解释镜像复用与运行写入；不据此保证特定存储驱动性能 |
| N25 | Apache Hadoop YARN，实际页面3.3.5 | 已读RM/NM/AM、Scheduler与ApplicationsManager分工及资源容器；不称stable一定最新版本 |
| N28 | D2L §7.2图像卷积、§7.5池化、§9.4 RNN | 已读互相关逐位乘加、共享卷积核、池化的降采样与位置敏感性，以及隐藏状态递推；2×2数字例自行计算，不将典型层序当所有网络的硬性结构 |
| N27 | Ethereum PoS官方开发文档，What is PoS、Validators与交易执行步骤；Antelope共识文档，§2.1—2.2、§3—3.3 | 已读PoW nonce/难度与快速检查、PoS质押/罚没/提议与证明投票、DPoS选代表与最终性分层；以产品实例解释基本机制，不推广其配置或安全宣传为普适保证。Bitcoin白皮书本次连接超时，未记为已读 |
| N26 | openGauss项目COPYRIGHT，本轮HTTP200直接读取；官方产品说明 | 已核基于Postgres-XC及保留PostgreSQL版权的源流，与关系数据库定位；未推定全部版本兼容性或性能承诺 |
手册定位：PDF第45页§10.1—10.4，第46页§10.4—10.5、生成式AI、数据资产、算法治理，第47页跨境规则。其“2027最热”“必考”等预测没有权威证明，本页不采用。数字人民币2021设计和数据资源会计的N10/N11结论保留；本轮另补PBFT、PQC/QKD、隐私计算核心定义、可信数据空间及部分AI训练证据。虚拟化逐产品、其余共识协议、AI数据切分/Agent与隐私保护具体攻击模型仍有缺口，不能把本页标作最终全部验收通过。原云计算大数据AI全文逐字保留，仅作归档基准。