摘要：近年來，國(guó)家高度重視人工智能（AI）的技術(shù)進(jìn)步與產(chǎn)業(yè)發(fā)展，在人工智能領(lǐng)域的投入不斷加大，各類AI產(chǎn)品不斷涌現(xiàn)，服務(wù)市場(chǎng)快速成長(zhǎng)。文章提出一種面向企業(yè)服務(wù)的人工智能測(cè)訓(xùn)平臺(tái)，采用人工智能算法模型設(shè)計(jì)平臺(tái)的整體架構(gòu)，構(gòu)建數(shù)據(jù)標(biāo)注及特征工程、數(shù)據(jù)安全沙箱、模型訓(xùn)練及調(diào)優(yōu)、算法模型發(fā)布及評(píng)估、資源管理、在線開發(fā)工具等核心功能。該平臺(tái)在技術(shù)、運(yùn)營(yíng)及場(chǎng)景層面均取得了創(chuàng)新性突破，為縮短人工智能算法和模型的研發(fā)周期、提高人工智能核心技術(shù)的突破能力和突破速度創(chuàng)造了條件。

關(guān)鍵詞：人工智能；測(cè)訓(xùn)平臺(tái)；企業(yè)服務(wù)；AI模型

中圖分類號(hào)：TP18" " 文獻(xiàn)標(biāo)識(shí)碼：A" " " 文章編號(hào)：1674-0688（2024）04-0107-04

0 引言

2017年8月，國(guó)務(wù)院印發(fā)的《新一代人工智能發(fā)展規(guī)劃》中提出，到2030年我國(guó)的人工智能理論、技術(shù)與應(yīng)用總體達(dá)到世界領(lǐng)先水平，成為世界主要人工智能創(chuàng)新中心。此后，全國(guó)各省市先后發(fā)布人工智能專項(xiàng)規(guī)劃政策，以期引領(lǐng)新一輪科技革命和產(chǎn)業(yè)變革，搶占發(fā)展先機(jī)。人工智能在各行業(yè)領(lǐng)域的應(yīng)用取得了不少的研究成果，例如楊平等［1］研究人工智能深度學(xué)習(xí)訓(xùn)練與服務(wù)平臺(tái)，提出一種5G端到端的服務(wù)賦能體系，從而實(shí)現(xiàn)各類應(yīng)用服務(wù)的快速構(gòu)建；張樹軍［2］探討人工智能技術(shù)在實(shí)訓(xùn)室建設(shè)中的應(yīng)用，提出建設(shè)集教學(xué)、實(shí)訓(xùn)與練習(xí)于一體的開放式平臺(tái)，使師生可以通過手機(jī)、電腦或?qū)嶒?yàn)設(shè)備，不受時(shí)間和地點(diǎn)的限制完成教學(xué)實(shí)踐任務(wù)；陳正宇［3］的研究構(gòu)建了面向特定領(lǐng)域的人工智能訓(xùn)練與服務(wù)體系，例如在醫(yī)學(xué)場(chǎng)景中提供人工智能在醫(yī)療領(lǐng)域的相關(guān)知識(shí)、代碼和數(shù)據(jù)集展示，同時(shí)提供醫(yī)療數(shù)據(jù)標(biāo)注及醫(yī)療模型構(gòu)建、訓(xùn)練、部署等一站式模型開發(fā)功能，在面向企業(yè)服務(wù)時(shí)，該體系同樣可以作為借鑒和參考。本文研究面向企業(yè)服務(wù)的廣西人工智能測(cè)訓(xùn)平臺(tái)，旨在彌補(bǔ)企業(yè)端平臺(tái)賦能服務(wù)的空缺，加速?gòu)V西企業(yè)快速創(chuàng)建和部署AI模型，推動(dòng)廣西人工智能產(chǎn)業(yè)發(fā)展邁入快車道。

1 國(guó)內(nèi)外人工智能測(cè)訓(xùn)發(fā)展現(xiàn)狀

當(dāng)前，英國(guó)、日本、德國(guó)等20多個(gè)國(guó)家和地區(qū)已在大力部署人工智能產(chǎn)業(yè)，力圖在新一輪國(guó)際科技競(jìng)爭(zhēng)中掌握主導(dǎo)權(quán)。我國(guó)高度重視人工智能技術(shù)的發(fā)展，在人工智能測(cè)訓(xùn)方面，“百度”是國(guó)內(nèi)首家面向企業(yè)服務(wù)并開源人工智能訓(xùn)練平臺(tái)的AI公司。人工智能訓(xùn)練平臺(tái)的核心在于深度學(xué)習(xí)框架PaddlePaddle與Kubernetes技術(shù)的結(jié)合，摒棄了虛擬機(jī)底層技術(shù)的支持，采用Docker的容器化技術(shù)與Kubernetes的容器調(diào)度方案實(shí)現(xiàn)云計(jì)算平臺(tái)的高效性和實(shí)用性。國(guó)內(nèi)多家AI獨(dú)角獸公司，例如北京市商湯科技開發(fā)有限公司、北京曠視科技有限公司、北京地平線機(jī)器人技術(shù)研發(fā)有限公司等，因種種原因而未對(duì)外提供人工智能訓(xùn)練平臺(tái)服務(wù)，這些公司內(nèi)部均擁有自己的人工智能訓(xùn)練平臺(tái)，并且平臺(tái)都是采用Docker技術(shù)和Kubernetes方案的組合方式實(shí)現(xiàn)。國(guó)際上，亞馬遜公司提供的收費(fèi)平臺(tái)AWS（Amazon Web Services）是著名的人工智能訓(xùn)練平臺(tái)之一。在AWS上，用戶可以創(chuàng)建并運(yùn)行自己的任務(wù)，其技術(shù)原理同樣是基于Docker技術(shù)和Kubernetes方案的組合。與此同時(shí)，國(guó)外的FloydHub平臺(tái)也正式對(duì)標(biāo)AWS，其功能和技術(shù)原理與AWS相似，但收費(fèi)相對(duì)較低。此外，谷歌公司內(nèi)部使用的DeepMind平臺(tái)以及微軟公司內(nèi)部使用的AzureML、Philly、7i等云訓(xùn)練平臺(tái)，其核心思想和實(shí)現(xiàn)原理都是以容器化為核心，以Kubernetes的容器調(diào)度方案為輔助，滿足用戶資源的申請(qǐng)和使用需求。

隨著人工智能技術(shù)與各行業(yè)領(lǐng)域的深度融合，廣西人工智能產(chǎn)業(yè)的發(fā)展趨于多元化。人工智能與各產(chǎn)業(yè)的融合發(fā)展在拓寬人工智能應(yīng)用領(lǐng)域的同時(shí)，也在優(yōu)化企業(yè)的管理與服務(wù)，簡(jiǎn)化服務(wù)流程，為企業(yè)帶來更大的經(jīng)濟(jì)效益。廣西在人工智能賦能的各個(gè)層面都取得了一定的成果，尤其在應(yīng)用層面呈現(xiàn)出蓬勃發(fā)展的新態(tài)勢(shì)，但在面向企業(yè)端的賦能平臺(tái)上，服務(wù)能力不足。

2 廣西人工智能測(cè)訓(xùn)平臺(tái)的設(shè)計(jì)與實(shí)現(xiàn)

2.1 平臺(tái)整體架構(gòu)

廣西人工智能測(cè)訓(xùn)平臺(tái)提供一站式模型開發(fā)管理服務(wù)，涵蓋從算力資源管理、數(shù)據(jù)接入、數(shù)據(jù)標(biāo)注、數(shù)據(jù)集管理、模型構(gòu)建、模型訓(xùn)練、模型管理、部署上線到服務(wù)監(jiān)控全流程的服務(wù)能力，同時(shí)平臺(tái)提供智能服務(wù)開放窗口，實(shí)現(xiàn)在線功能體驗(yàn)、申請(qǐng)?jiān)囉?、方案成果展示、技術(shù)研討交流等功能。平臺(tái)整體架構(gòu)見圖1，其中SDK是對(duì)lib、dll、.h、示例等進(jìn)行封裝后可直接調(diào)用的文件，API是提供編程時(shí)的接口，一般情況下API包含在SDK中，vGPU是虛擬桌面上渲染圖形的組件。

資源層主要實(shí)現(xiàn)對(duì)硬件資源的維護(hù)管理；平臺(tái)層主要提供從數(shù)據(jù)到模型服務(wù)的分步構(gòu)建功能；用戶層主要是為不同類型的用戶提供差異化服務(wù)。

（1）資源管理模塊。該模塊為平臺(tái)的資源提供了統(tǒng)一的管理和維護(hù)功能，管理者可實(shí)時(shí)查看平臺(tái)擁有的算力資源，同時(shí)對(duì)資源進(jìn)行分配，滿足入駐企業(yè)對(duì)算力資源的需求［4］。入駐企業(yè)可根據(jù)業(yè)務(wù)需求申請(qǐng)平臺(tái)的算力資源，審批通過后即可使用。

（2）數(shù)據(jù)處理模塊。該模塊提供在線數(shù)據(jù)預(yù)處理功能，可對(duì)接入平臺(tái)的原始數(shù)據(jù)進(jìn)行加工，轉(zhuǎn)換成符合模型開發(fā)的訓(xùn)練數(shù)據(jù)集；轉(zhuǎn)換后的數(shù)據(jù)可發(fā)布共享，入駐企業(yè)相互間可節(jié)省數(shù)據(jù)標(biāo)注的時(shí)間。

（3）模型訓(xùn)練模塊。該模塊為算法工程師、模型調(diào)優(yōu)者提供低門檻、標(biāo)準(zhǔn)化、流程化的開發(fā)方式，預(yù)置和內(nèi)置了各種軟件常用環(huán)境和AI引擎，讓開發(fā)者不需要過多地關(guān)注底層實(shí)現(xiàn)即可以完成AI模型服務(wù)的開發(fā)。

（4）模型部署與服務(wù)模塊。該模塊提供模型版本的管理功能，可以發(fā)布不同的模型版本，實(shí)現(xiàn)模型的共享，同時(shí)支持對(duì)模型的一鍵化服務(wù)，極大地縮短了模型工程化的時(shí)間。

此外，為了更好地?cái)U(kuò)大征集智能場(chǎng)景需求的范圍、宣傳和推廣入駐企業(yè)的智能服務(wù)與應(yīng)用成果，系統(tǒng)設(shè)計(jì)了AI開放門戶，以更好地平衡、匹配AI服務(wù)的供需關(guān)系，讓社會(huì)上更多的主體參與廣西人工智能服務(wù)的建設(shè)。

2.2 平臺(tái)核心能力設(shè)計(jì)

廣西人工智能測(cè)訓(xùn)平臺(tái)主要包括開放服務(wù)子系統(tǒng)和智能服務(wù)構(gòu)建子系統(tǒng)兩大部分，開放服務(wù)子系統(tǒng)的建設(shè)主要為智能服務(wù)的需求方和提供方及社會(huì)公眾提供服務(wù)，使用者可以實(shí)時(shí)在線關(guān)注平臺(tái)的資信、資源服務(wù)、模型服務(wù)、應(yīng)用案例、平臺(tái)介紹等信息。需求方可以在線提出場(chǎng)景需求，平臺(tái)運(yùn)營(yíng)方在線對(duì)接場(chǎng)景需求，遴選符合要求的智能場(chǎng)景需求并發(fā)布，有能力或感興趣的機(jī)構(gòu)可以在線承接。

智能服務(wù)構(gòu)建子系統(tǒng)的建設(shè)針對(duì)數(shù)據(jù)管理者、數(shù)據(jù)標(biāo)注者、模型開發(fā)者、場(chǎng)景應(yīng)用開發(fā)者，提供數(shù)據(jù)接入、數(shù)據(jù)標(biāo)注、模型訓(xùn)練、模型評(píng)估和AI模型推理等服務(wù)。各模塊分層解耦，獨(dú)立運(yùn)行，滿足不同用戶的不同需求。例如，模型服務(wù)提供者可以利用算力資源，通過將模型鏡像部署至算力資源平臺(tái)的方式或通過服務(wù)接口注冊(cè)的方式提供AI模型服務(wù)。平臺(tái)的各模塊既可以獨(dú)立運(yùn)行，又可以相互拼接，以滿足不同用戶的實(shí)際需求，有利于構(gòu)建AI服務(wù)，快速響應(yīng)AI場(chǎng)景需求。

根據(jù)系統(tǒng)的架構(gòu)設(shè)計(jì)，平臺(tái)主要由數(shù)據(jù)標(biāo)注及特征工程、數(shù)據(jù)安全沙箱、模型訓(xùn)練及調(diào)優(yōu)、算法模型發(fā)布及評(píng)估、資源管理、在線開發(fā)工具等核心功能組成。

2.2.1 數(shù)據(jù)標(biāo)注及特征工程功能

數(shù)據(jù)標(biāo)注及特征工程功能充分對(duì)接數(shù)據(jù)平臺(tái)，利用數(shù)據(jù)平臺(tái)實(shí)現(xiàn)數(shù)據(jù)標(biāo)準(zhǔn)化、特征工程和數(shù)據(jù)管理等。根據(jù)訓(xùn)練數(shù)據(jù)需要形成標(biāo)注數(shù)據(jù)的標(biāo)簽庫，對(duì)標(biāo)簽進(jìn)行多層次的關(guān)聯(lián)管理，并對(duì)圖片、文本等進(jìn)行自定義標(biāo)注，滿足訓(xùn)練數(shù)據(jù)的需求［5］。訓(xùn)練任務(wù)可引入創(chuàng)建好的數(shù)據(jù)集作為訓(xùn)練數(shù)據(jù)集，也可導(dǎo)出標(biāo)注文本，在線下訓(xùn)練數(shù)據(jù)。特征工程包括訓(xùn)練數(shù)據(jù)特征信息查看、數(shù)據(jù)集版本篩選、特征指標(biāo)查詢、特征任務(wù)維護(hù)、特征任務(wù)啟動(dòng)、特征任務(wù)停止、特征任務(wù)進(jìn)度查看、特征任務(wù)評(píng)估、數(shù)據(jù)集特征分布情況展示、歷史特征工程任務(wù)列表查詢、特征工程統(tǒng)計(jì)分析（如效果、使用率等）。

2.2.2 數(shù)據(jù)安全沙箱功能

數(shù)據(jù)安全沙箱是平臺(tái)構(gòu)建的獨(dú)立運(yùn)行環(huán)境，具備獨(dú)立的存儲(chǔ)資源、計(jì)算資源、網(wǎng)絡(luò)資源和環(huán)境資源［6］。數(shù)據(jù)沙箱通過特定的開放性網(wǎng)絡(luò)端口與特定的安全交換服務(wù)進(jìn)行通信，通信的數(shù)據(jù)經(jīng)過特定密鑰加密脫敏處理，以保證數(shù)據(jù)來源單一、可控和安全；沙箱之間通過不同網(wǎng)絡(luò)區(qū)域互相隔離，相互之間無法通信，保證數(shù)據(jù)的可控傳輸和安全轉(zhuǎn)移。

針對(duì)需要專門資源和對(duì)運(yùn)行環(huán)境有要求的入駐機(jī)構(gòu)和企業(yè)等主體，平臺(tái)可靈活提供線上和線下2種數(shù)據(jù)安全沙箱的使用方式，依托AI平臺(tái)的硬件資源，結(jié)合虛擬化技術(shù)，為入駐機(jī)構(gòu)和企業(yè)按需提供開發(fā)、測(cè)試和生產(chǎn)發(fā)布全過程獨(dú)立、隔離的運(yùn)行環(huán)境。入駐機(jī)構(gòu)和企業(yè)可以在隔離的環(huán)境中完成模型開發(fā)、訓(xùn)練、優(yōu)化、測(cè)試和發(fā)布工作。線下模式和線上模式的數(shù)據(jù)安全沙箱流程分別見圖2和圖3。

2.2.3 模型訓(xùn)練及調(diào)優(yōu)功能

基于數(shù)據(jù)資源和算力資源，平臺(tái)已預(yù)置并優(yōu)化常用的AI模型訓(xùn)練環(huán)境，通過內(nèi)置通用的AI引擎、構(gòu)建容器機(jī)理、簡(jiǎn)化模型訓(xùn)練流程，降低了模型訓(xùn)練的門檻，為入駐企業(yè)和機(jī)構(gòu)提供充分的模型訓(xùn)練和模型管理服務(wù)，使入駐企業(yè)和機(jī)構(gòu)能更專注于智能應(yīng)用服務(wù)的開發(fā)。機(jī)器學(xué)習(xí)或深度學(xué)習(xí)模型訓(xùn)練需要大量的重復(fù)循環(huán)過程，如果運(yùn)用訓(xùn)練好的模型預(yù)測(cè)未知數(shù)據(jù)時(shí)發(fā)現(xiàn)效果不理想，則需要對(duì)模型進(jìn)行優(yōu)化處理。為此，平臺(tái)設(shè)計(jì)了多種優(yōu)化模型的方法，如增加訓(xùn)練集、調(diào)整正則化參數(shù)、減少特征數(shù)量等。

2.2.4 算法模型發(fā)布及評(píng)估功能

平臺(tái)通過在線建立評(píng)估任務(wù)，選擇統(tǒng)一的測(cè)試數(shù)據(jù)集，配置一致的基礎(chǔ)環(huán)境，設(shè)定相關(guān)算法模型的評(píng)估指標(biāo)。啟動(dòng)評(píng)估后，平臺(tái)自動(dòng)采集相關(guān)信息并進(jìn)行信息的處理和查詢。根據(jù)智能場(chǎng)景的需求，入駐企業(yè)和機(jī)構(gòu)利用平臺(tái)的數(shù)據(jù)資源和服務(wù)資源研發(fā)的人工智能模型必須通過“公平、公正”的測(cè)評(píng)后，才可應(yīng)用于實(shí)際中。平臺(tái)提供在線的算法模型評(píng)估，既可保證在相同環(huán)境、相同測(cè)試數(shù)據(jù)集下評(píng)估條件的一致性，也可保證評(píng)估過程、結(jié)果的可信度，并且能有效節(jié)省人力、物力。

2.2.5 資源管理功能

平臺(tái)的資源管理模塊主要包括數(shù)據(jù)資源管理和算力資源管理。數(shù)據(jù)資源管理是通過對(duì)接人工智能場(chǎng)景需求的原始數(shù)據(jù)以及由原始數(shù)據(jù)衍生的訓(xùn)練數(shù)據(jù)，對(duì)數(shù)據(jù)資源進(jìn)行多維度（來源、用途、類型等）管理，并且按需提供受限的共享服務(wù)，在安全共享的前提下，滿足入駐機(jī)構(gòu)對(duì)數(shù)據(jù)資源的需求，實(shí)現(xiàn)數(shù)據(jù)資源的價(jià)值。算力資源管理是提供AI中心IDC（互聯(lián)網(wǎng)數(shù)據(jù)中心）機(jī)房所有算力資源的管控服務(wù)，包括x86服務(wù)器、ARM（Advanced RISC Machine）服務(wù)器，對(duì)核心算力資源進(jìn)行維護(hù)，形成算力資源池，進(jìn)行統(tǒng)一的管理和分配，實(shí)現(xiàn)對(duì)算力資源的最大化利用。

2.2.6 在線開發(fā)工具功能

平臺(tái)提供交互式的在線開發(fā)環(huán)境，用戶可以通過Notebook編輯文本，引入多種類型文件，以交互模式運(yùn)行代碼及查看結(jié)果等。對(duì)于在線開發(fā)環(huán)境，平臺(tái)支持多種AI引擎的應(yīng)用，即同一個(gè)實(shí)例可以使用所有支持的AI引擎，不同引擎之間可快速、方便地切換。

3 廣西人工智能測(cè)訓(xùn)平臺(tái)的創(chuàng)新點(diǎn)

廣西人工智能測(cè)訓(xùn)平臺(tái)為響應(yīng)智能場(chǎng)景需求的技術(shù)攻關(guān)提供了簡(jiǎn)易化、標(biāo)準(zhǔn)化、流程化的全流程服務(wù)，加速了技術(shù)的突破和融合應(yīng)用。平臺(tái)各功能模塊可獨(dú)立運(yùn)行，也可通過相互拼接實(shí)現(xiàn)全流程服務(wù)。針對(duì)人工智能模型評(píng)測(cè)難、轉(zhuǎn)化難等問題，建設(shè)算法模型的評(píng)測(cè)模塊，該模塊可以有效地評(píng)估人工智能模型的各項(xiàng)核心指標(biāo)，提高成果質(zhì)量，是投入實(shí)際生產(chǎn)應(yīng)用的基礎(chǔ)。

（1）從技術(shù)層面看，平臺(tái)遵循“高內(nèi)聚，低耦合”的設(shè)計(jì)思路，基于大數(shù)據(jù)、大規(guī)模分布式訓(xùn)練和環(huán)境依賴等方法，突破人工智能服務(wù)的基礎(chǔ)軟件環(huán)境，實(shí)現(xiàn)了AI引擎和容器技術(shù)的融合應(yīng)用，為創(chuàng)新構(gòu)建AI研發(fā)工具、實(shí)現(xiàn)數(shù)據(jù)智能標(biāo)注和數(shù)據(jù)安全沙箱功能、AI模型在線檢驗(yàn)評(píng)測(cè)、AI算法綜合評(píng)估、自動(dòng)化模型生成、AI供需對(duì)接、標(biāo)準(zhǔn)體系建立、創(chuàng)業(yè)咨詢、孵化培育、培訓(xùn)實(shí)訓(xùn)等AI全生命周期提供了技術(shù)支持。

（2）從運(yùn)營(yíng)層面看，平臺(tái)構(gòu)建了完整的運(yùn)營(yíng)體系，內(nèi)置離線環(huán)境依賴和AI引擎環(huán)境，支持平臺(tái)不斷擴(kuò)展，增強(qiáng)AI平臺(tái)的安全性和強(qiáng)分離性。通過對(duì)算力資源細(xì)粒度進(jìn)行優(yōu)化管理，支持用戶最優(yōu)、任務(wù)最優(yōu)及系統(tǒng)最優(yōu)的多維度資源智能化分配，實(shí)現(xiàn)資源的高效利用。

（3）從場(chǎng)景層面上看，平臺(tái)實(shí)現(xiàn)了核心算力資源GPU（圖形處理器）的池化及統(tǒng)一的資源監(jiān)控與動(dòng)態(tài)擴(kuò)容。平臺(tái)集場(chǎng)景需求對(duì)接、數(shù)據(jù)集、數(shù)據(jù)標(biāo)注、模型生產(chǎn)、模型服務(wù)、服務(wù)開放于一體，并且各模塊可相互獨(dú)立工作，互不影響，形成一批有特色、有影響力的人工智能應(yīng)用場(chǎng)景。

4 結(jié)語

隨著科學(xué)技術(shù)的不斷進(jìn)步，通過人工智能賦能企業(yè)服務(wù)成為企業(yè)發(fā)展的重點(diǎn)方向。本研究可以為企業(yè)提供人工智能應(yīng)用的標(biāo)準(zhǔn)化產(chǎn)品，使企業(yè)全面、深入地了解運(yùn)營(yíng)過程中對(duì)人工智能技術(shù)的需求，并針對(duì)企業(yè)需求有針對(duì)性地提出解決方案，推動(dòng)人工智能算法模型在各領(lǐng)域的應(yīng)用，最終起到降本增效的作用。目前，廣西的大部分企業(yè)仍缺乏應(yīng)用人工智能的意識(shí)，特別是缺乏對(duì)當(dāng)前熱點(diǎn)大模型的了解，技術(shù)創(chuàng)新能力較弱，難以適應(yīng)人工智能賦能企業(yè)發(fā)展的轉(zhuǎn)型需求。因此，本研究的意義在于推動(dòng)廣西企業(yè)聚焦人工智能應(yīng)用場(chǎng)景需求的落地，促進(jìn)人工智能技術(shù)與廣西當(dāng)?shù)禺a(chǎn)業(yè)經(jīng)濟(jì)、社會(huì)治理和民生服務(wù)的深度融合。

5 參考文獻(xiàn)

［1］楊平，裴霽.一種使能5G的AI深度學(xué)習(xí)訓(xùn)練與服務(wù)平臺(tái)［J］.郵電設(shè)計(jì)技術(shù)，2020（12）：61-64.

［2］張樹軍.基于人工智能的開放式實(shí)訓(xùn)平臺(tái)模式探討［J］.黑龍江科學(xué)，2021，12（21）：130-131.

［3］陳正宇.面向醫(yī)療領(lǐng)域的人工智能模型訓(xùn)練平臺(tái)的設(shè)計(jì)與實(shí)現(xiàn)［D］.北京：北京郵電大學(xué)，2024.

［4］華程.基于云計(jì)算的人工智能訓(xùn)練平臺(tái)應(yīng)用策略研究［J］.電信快報(bào)，2021（1）：17-19，42.

［5］鄭琳欣，朱大智，吉承文.人工智能數(shù)據(jù)標(biāo)注格式轉(zhuǎn)換方法［J］.數(shù)字技術(shù)與應(yīng)用，2023，41（6）：164-166.

［6］童偉，邱楓.基于Hyperledger Fabric框架區(qū)塊鏈基礎(chǔ)平臺(tái)安全沙箱機(jī)制研究［J］.長(zhǎng)江信息通信，2023，36（4）：26-29.