中级信息系统管理工程师-第二版知识点1.1.1信息基础
1.1信息与信息化信息是指音讯、消息、信息系统传输和处理的对象泛指人类社会传播的一切内容。人通过获得、识别自然界和社会的不同信息来区别不同事物得以认识和改造世界。在一切通信和控制系统中信息是一种普遍联系的形式。信息化是指在国家宏观信息政策指导下通过信息技术的开发、信息产业的发展、信息人才的配置最大限度地利用信息资源以满足全社会的信息需求从而加速社会各个领域的共同发展以推进信息社会发展的过程。1.1.1信息基础信息是物质、能量及其属性的标示的集合是确定性的增加。它以物质介质为载体传递和反映世界各种事物存在方式、运动状态等的表征。信息不是物质、也不是能量它以一种普遍形式表达物质运动规律在客观世界中大量存在、产生和传递。1.信息的定义1948年数学家香农ClaudeE.Shannon在题为《通讯的数学理论》的论文中指出“信息是用来消除随机不定性的东西”。创造一切宇宙万物的最基本单位是信息。香农还给出了信息的定量描述并确定了信息量的单位为比特bit。2.信息的特征香农关于信息的定义揭示了信息的本质同时人们通过深入研究发现信息还具有很多其他的特征主要包括客观性、普遍性、无限性、动态性、相对性、依附性、变换性、传递性、层次性、系统性和转化性等。1客观性。信息是客观事物在人脑中的反映而反映的对象则有主观和客观的区别。因此信息可分为主观信息例如决策、指令和计划等和客观信息例如国际形势、经济发展和一年四季等。主观信息必然要转化成客观信息例如决策和计划等主观信息要转化成实际行动。因此信息具有客观性。2普遍性。物质决定精神物质的普遍性决定了信息的普遍存在。3无限性。客观世界是无限的反映客观世界的信息自然也是无限的。无限性可分为两个层次一是无限的事物产生无限的信息即信息的总量是无限的二是每个具体事物或有限个事物的集合所能产生的信息也可以是无限的。4动态性。信息是随着时间的变化而变化的。5相对性。不同的认识主体从同一事物中获取的信息及信息量可能是不同的。6依附性。信息的依附性可以从两个方面来理解一方面信息是对客观世界的反映任何信息必然由客观事物所产生不存在无源的信息另一方面任何信息都要依附于一定的载体而存在需要有物质的承载者信息不能完全脱离物质而独立存在。7变换性。信息通过处理可以实现变换或转换使其形式和内容发生变化以适应特定的需要。8传递性。信息在时间上的传递就是存储在空间上的传递就是转移或扩散。9层次性。客观世界是分层次的反映它的信息也是分层次的。10系统性。信息可以表示为一种集合不同类别的信息可以形成不同的整体。因此可以形成与现实世界相对应的信息系统。11转化性。信息的产生不能没有物质信息的传递不能没有能量但有效地使用信息可以将信息转化为物质或能量。3.信息的质量由于获取信息满足了人们消除不确定性的需求因此信息具有价值而价值的大小决定于信息的质量这就要求信息满足一定的质量属性主要包括精确性、完整性、可靠性、及时性、经济性、可验证性、安全性等。1精确性。精确性指对事物状态描述的精准程度。2完整性。完整性指对事物状态描述的全面程度完整信息应包括所有重要事实。3可靠性。可靠性指信息的来源、采集方法、传输过程是可以信任的符合预期4及时性。及时性指获得信息的时刻与事件发生时刻的间隔长短。例如昨天的天气信息不论怎样精确、完整对指导明天的穿衣并无帮助从这个角度出发这个信息的价值为零。5经济性。.经济性指信息获取和传输带来的成本在可以接受的范围之内。6可验证性。可验证性指信息的主要质量属性可以被证实或者证伪的程度。7安全性。安全性指在信息的生命周期中信息可以被非授权访问的可能性可能性越低安全性越高。信息应用的场合不同其侧重面也不一样。例如对于金融信息而言其最重要的特性是安全性而对于经济与社会信息而言其最重要的特性是及时性。4.信息的传输模型信息是有价值的一种客观存在信息只有流动起来才能体现其价值。信息的传输通过信息传输技术通常指通信、网络等来实现信息传输通常包括信源、编码、信道、解码、信宿和噪声等。1信源。信源产生信息的实体信息产生后由这个实体向外传播。2编码。编码是将信源产生的信息转换为适合在信道上传输的信号的过程。这一过程主要由编码器完成。编码器在信息论中泛指所有变换信号的设备实际上就是终端机的发送部分。它包括从信源到信道的所有设备如量化器、压缩编码器和调制器等。从信息安全的角度出发编码器还可以包括加密解密设备。3信道。信道是传送信息的通道如TCP/IP网络。信道可以从逻辑上理解为抽象信道也可以是具有物理意义的实际传送通道。TCP/IP网络是逻辑上的概念这个网络的物理通道可以是光纤、同轴电缆、双绞线、移动通信网络甚至是卫星或者微波。4解码。解码是编码的逆过程它将信道中接收到的信号原始信息与噪声的叠加转换成信宿能接收的信号这一过程主要由解码器完成。解码器包括解调器、译码器和数模转换器等。5信宿。信宿是信息的归宿或接收者。6噪声。噪声可以理解为干扰干扰可以来自于信息系统分层结构的任何一层当噪声携带的信息达到一定程度的时候在信道中传输的信息可能被噪声掩盖导致传输失败。当信源和信宿已给定信道也已选定后决定信息系统性能的关键就在于编码器和解码器设计一个信息系统时除了选择信道和设计其附属设施外主要工作也就是设计编码器和解码器。一般情况下信息系统的主要性能指标是有效性和可靠性。有效性就是在系统中传送尽可能多的信息而可靠性是要求信宿收到的信息尽可能地与信源发出的信息一致或者说失真尽可能小。为了提高可靠性可以在信息编码时增加冗余编码犹如“重要的话说三遍”恰当的亢余编码可以在信息受到噪声侵扰时被恢复而过量的余编码将降低信道的有效性和信息传输速率。概括起来信息系统的基本理论应包括信息的度量、信源特性和信源编码、信道特性和信道编码、检测理论、估计理论以及密码学。

相关新闻

百度:渐进多令牌预测加速文档解析

百度:渐进多令牌预测加速文档解析

📖标题:P-MTP: Efficient Document Parsing via Multi-Token Prediction with Progressive Depth Scaling 🌐来源:arXiv, 2606.24447v1 🛎️文章简介 🔸研究问题:如何解决视觉语言模型在文档解析…

2026/7/5 13:32:28阅读更多 →
第27篇:数据合规审计:从“承诺合规”到“证明合规”

第27篇:数据合规审计:从“承诺合规”到“证明合规”

能力血缘追踪提供不可篡改审计日志,TEE远程证明提供硬件级验证——当审计师问“请证明”,你不再需要解释,只需要展示 一、一份让审计师摇头的审计材料 某企业年度数据合规审计。审计师翻完厚厚一叠材料,抬头看向对面的CIO。[1] …

2026/7/5 13:32:28阅读更多 →
第26篇:数据分类分级:DISC架构下的数据敏感度标记体系

第26篇:数据分类分级:DISC架构下的数据敏感度标记体系

核心数据绝不出域、重要数据经审批有限流动、一般数据按策略流动——分类分级标签随数据生命周期动态附着 一、一份被忽略的分类分级清单 某企业的数据分类分级项目已经完成了三年。那份Excel清单被存档在合规部门的共享盘里,文件名是“数据分类分级清单_V3.0_最终…

2026/7/5 13:32:28阅读更多 →
DataMapper Core核心组件解析:Identity Map如何确保对象唯一性与内存优化

DataMapper Core核心组件解析:Identity Map如何确保对象唯一性与内存优化

DataMapper Core核心组件解析:Identity Map如何确保对象唯一性与内存优化 【免费下载链接】dm-core DataMapper - Core 项目地址: https://gitcode.com/gh_mirrors/dm/dm-core DataMapper Core是一个轻量级的对象关系映射(ORM)框架&am…

2026/7/5 16:42:49阅读更多 →
Swift开发者必看:Objective-C-RegEx-Categories桥接与使用指南

Swift开发者必看:Objective-C-RegEx-Categories桥接与使用指南

Swift开发者必看:Objective-C-RegEx-Categories桥接与使用指南 【免费下载链接】Objective-C-RegEx-Categories NSRegularExpression extensions that make regular expressions easier in Objective-C, Swift, iOS, OSX 项目地址: https://gitcode.com/gh_mirror…

2026/7/5 16:42:49阅读更多 →
ENFUGUE API开发指南:如何集成AI图像生成到你的应用

ENFUGUE API开发指南:如何集成AI图像生成到你的应用

ENFUGUE API开发指南:如何集成AI图像生成到你的应用 【免费下载链接】app.enfugue.ai ENFUGUE is an open-source web app for making studio-grade images and video using generative AI. 项目地址: https://gitcode.com/gh_mirrors/ap/app.enfugue.ai ENF…

2026/7/5 16:42:49阅读更多 →
Topit:终极macOS窗口管理方案,彻底改变你的多任务工作方式

Topit:终极macOS窗口管理方案,彻底改变你的多任务工作方式

Topit:终极macOS窗口管理方案,彻底改变你的多任务工作方式 【免费下载链接】Topit Pin any window to the top of your screen / 在Mac上将你的任何窗口强制置顶 项目地址: https://gitcode.com/gh_mirrors/to/Topit 在macOS系统中,你…

2026/7/5 16:42:49阅读更多 →
Andromeda开发者工具完全指南:REPL、LSP与性能分析

Andromeda开发者工具完全指南:REPL、LSP与性能分析

Andromeda开发者工具完全指南:REPL、LSP与性能分析 【免费下载链接】andromeda JS runtime lolz 项目地址: https://gitcode.com/gh_mirrors/andromeda18/andromeda 想要快速提升JavaScript和TypeScript开发效率吗?Andromeda作为一款基于Rust构建…

2026/7/5 16:42:49阅读更多 →
sw-test核心代码解密:cacheFirst策略如何提升Web应用性能

sw-test核心代码解密:cacheFirst策略如何提升Web应用性能

sw-test核心代码解密:cacheFirst策略如何提升Web应用性能 【免费下载链接】sw-test Service Worker test repository. This is a very simple demo to show basic service worker features in action. 项目地址: https://gitcode.com/gh_mirrors/sw/sw-test …

2026/7/5 16:37:48阅读更多 →
从GitHub安全案例解析常见漏洞与防护实践

从GitHub安全案例解析常见漏洞与防护实践

1. 项目概述:从GitHub Trending看安全实战 最近在GitHub Trending上看到一个项目,叫 skills4/skills ,它因为一些安全漏洞案例被大家讨论。这其实是一个挺典型的场景:一个旨在展示或教授某种技能的仓库,本身却成了安…

2026/7/5 0:01:08阅读更多 →
MLT 2026启示:因果推理与概率建模驱动下一代LLM应用

MLT 2026启示:因果推理与概率建模驱动下一代LLM应用

# MLT 2026启示:因果推理与概率建模驱动下一代LLM应用## 一、背景与挑战:从“黑箱预测”到“可信推理”2026年6月,第7届机器学习与趋势国际会议(MLT 2026)将在悉尼召开。会议议程中,“因果与可解释机器学习…

2026/7/5 0:01:08阅读更多 →
通达OA SQL注入漏洞深度剖析:从手工注入到自动化利用与防御

通达OA SQL注入漏洞深度剖析:从手工注入到自动化利用与防御

1. 项目概述与漏洞背景最近在梳理一些历史OA系统的安全风险时,通达OA v11.6版本中的一个老漏洞又进入了我的视线。这个漏洞位于/general/bi_design/appcenter/report_bi.func.php文件中,是一个典型的SQL注入点。虽然这个漏洞的利用方式看起来并不复杂&am…

2026/7/5 0:01:08阅读更多 →
从GitHub安全案例解析常见漏洞与防护实践

从GitHub安全案例解析常见漏洞与防护实践

1. 项目概述:从GitHub Trending看安全实战 最近在GitHub Trending上看到一个项目,叫 skills4/skills ,它因为一些安全漏洞案例被大家讨论。这其实是一个挺典型的场景:一个旨在展示或教授某种技能的仓库,本身却成了安…

2026/7/5 0:01:08阅读更多 →
MLT 2026启示:因果推理与概率建模驱动下一代LLM应用

MLT 2026启示:因果推理与概率建模驱动下一代LLM应用

# MLT 2026启示:因果推理与概率建模驱动下一代LLM应用## 一、背景与挑战:从“黑箱预测”到“可信推理”2026年6月,第7届机器学习与趋势国际会议(MLT 2026)将在悉尼召开。会议议程中,“因果与可解释机器学习…

2026/7/5 0:01:08阅读更多 →
通达OA SQL注入漏洞深度剖析:从手工注入到自动化利用与防御

通达OA SQL注入漏洞深度剖析:从手工注入到自动化利用与防御

1. 项目概述与漏洞背景最近在梳理一些历史OA系统的安全风险时,通达OA v11.6版本中的一个老漏洞又进入了我的视线。这个漏洞位于/general/bi_design/appcenter/report_bi.func.php文件中,是一个典型的SQL注入点。虽然这个漏洞的利用方式看起来并不复杂&am…

2026/7/5 0:01:08阅读更多 →
YOLOv8推理性能优化:从1.2FPS到35FPS的全链路加速实践

YOLOv8推理性能优化:从1.2FPS到35FPS的全链路加速实践

如果你在部署 YOLOv8 时,发现推理速度只有可怜的 1-2 FPS,而别人的演示视频却能跑到 30 FPS 以上,那么问题很可能不在模型本身,而在于你的整个处理链路。很多开发者拿到一个训练好的 YOLOv8 模型后,会直接使用官方示例…

2026/7/5 1:30:27阅读更多 →
Coze与Dify对比指南:低代码AI应用开发从入门到实战

Coze与Dify对比指南:低代码AI应用开发从入门到实战

1. 从零到一:为什么你需要了解 Coze 和 Dify?如果你对 AI 应用开发感兴趣,但一看到“大模型”、“智能体”、“工作流”这些词就头疼,觉得门槛太高,那这篇文章就是为你准备的。很多开发者,包括我自己&#…

2026/7/5 3:48:10阅读更多 →
AI生图工具怎么选?2026年6月版实测对比

AI生图工具怎么选?2026年6月版实测对比

做自媒体的朋友应该都有体会:配图一直是个让人头疼的问题。2026年,AI生图工具已经非常成熟了,但工具太多反而不知道怎么选。以下是截至2026年6月我对主流AI生图工具的实测对比。Midjourney V8.1:速度之王2026年6月11日&#xff0c…

2026/7/5 3:48:09阅读更多 →