프롬프트 설명
"AI 시스템 전체 생명 주기 보안 위험"을 정보 시각화 스타일로 나타낸 개념도. 간결하고 전문적인 스타일로 표현. 중앙 요소는 "AI 시스템 전체 생명 주기 보안"이라고 표시된 큰 원 또는 제목 상자. 그 주위에 연대순으로 원형 또는 순서도 방식으로 다음 네 단계를 배치: 1) 데이터 획득 및 거버넌스: 데이터베이스 및 데이터 스트림을 나타내는 아이콘, 관련 위험 요소: 데이터 포이즈닝 및 변조, 개인 정보 보호 및 규정 준수 위험 (GDPR), 사회적 편향 및 불공정성, 레이블링 오류, 데이터 품질 문제. 2) 훈련 및 평가: 신경망 또는 서버 클러스터를 묘사하는 아이콘, 위험 요소: 백도어 및 포이즈닝 공격, 멤버십 추론 및 모델 반전을 유발하는 암기, 불충분한 적대적 견고성 (예: PGD 공격), 레드팀 테스트 및 백도어 스캔 부족. 3) 추론 및 배포: 온라인 서비스/클라우드 인터페이스를 나타내는 아이콘, 위험 요소: 적대적 샘플 공격, 프롬프트 주입 및 탈옥, "환각 공격"을 유발하는 RAG 검색 소스 오염, 악성 플러그인 및 도구 호출로 인한 공급망 보안 문제. 4) 지속적인 모니터링 및 거버넌스: 모니터링 화면 또는 감사 로그를 나타내는 아이콘, 위험 요소: 긴 컨텍스트 주입 및 세션 메모리 오염, 업데이트된 데이터 및 코드에 대한 불충분한 보안 감사, 파라미터 및 데이터 유출을 유발하는 부적절한 모델 폐기 및 보관. 다이어그램 하단 또는 측면에 "위험 기반 규제 및 규정 준수 요구 사항" 배너를 추가하고, "GDPR" 및 "EU AI 법"과 같은 레이블을 사용하여 이러한 규정이 데이터 거버넌스, 추적성, 인간 감독, 견고성 및 사이버 보안에 대한 생명 주기 전반의 요구 사항을 부과함을 나타냅니다. 전체적인 색 구성표는 시원하고 기술 지향적이어야 하며, "단계 → 위험 → 규정 준수" 간의 관계를 강조하는 명확한 구조를 가져야 합니다.
![```python
import os
import re
import numpy as np
import pandas as pd
from sklearn.model_selection import train_test_split
from sklearn.preprocessing import MinMaxScaler
import torch
from torch.utils.data import Dataset, DataLoader
from tqdm import tqdm
import joblib
import matplotlib.pyplot as plt
# =========================
# 구성
# =========================
class Config:
# ✅ 새로운 버전: 빗물 축적 지점 엑셀 (누적 강우량 추가)
points_xlsx = r'F:\实验数据\CA_积水点融合\深度置信网络\样本输出_final\积水点_整合_step3_研究区内_新增累计降雨_719-723.xlsx'
# CA 시뮬레이션 결과 & 지리 데이터
ca_data_dir = r'F:\实验数据\CA_积水点融合\深度置信网络\CA模拟结果'
geo_data_dir = r'F:\实验数据\CA_积水点融合\深度置信网络\地理数据' # building_density.npy, DEM.npy, road_density.npy, Slope.npy, Landuse.npy
# 패치 & 샘플링
patch_size = 64
ca_dry_thr_cm = 1.0 # 음성 샘플 수심 임계값: < 1cm
tile_size = 200 # 음성 샘플 공간 균등 샘플링 타일 크기 (단위: 그리드 셀)
# 토지 이용 원-핫 인코딩 유형 (실제 데이터에 따라 조정 가능)
landuse_types = [7, 8, 10, 50, 60, 80, 100]
# 훈련 관련
output_dir = r'F:\实验数据\CA_积水点融合\深度置信网络\DBN训练输出_64patch_mu'
```](/_next/image?url=https%3A%2F%2Fpub-8c0ddfa5c0454d40822bc9944fe6f303.r2.dev%2Fai-drawings%2FBFJVaELXylgOOK0WatKO6tw6EfizLTx7%2F8a5d501e-e43d-4dfe-b168-5609ff4c3ef1%2F03d366b1-042e-4669-8cfb-aa5952cc4cb1.png&w=3840&q=75)
