研究一种电磁空间安全AI驱动系统自我学习和优化的算法参数

【需求背景】 在技术发展与实践应用层面，当前电磁空间安全 AI 驱动系统面临多重瓶颈：一是电磁环境的动态异构性突出，频谱数据呈现海量、高维、非平稳特性，传统固定参数算法难以适配频谱资源动态分配、威胁特征快速演化的场景，导致系统学习效率低、误判漏判率较高；二是现有 AI 算法参数设计多依赖经验阈值，缺乏针对电磁安全场景的专项优化，自我学习过程中易出现收敛速度慢、局部最优解陷阱等问题，难以实现威胁识别、干扰抑制、频谱自适应等核心功能的动态优化；三是科技成果转化过程中，AI 驱动的电磁安全技术因算法参数不统一、自适应能力不足，导致产品兼容性差、部署成本高，制约了技术产业化落地效率。广州市作为电磁技术研发与成果转化高地，集聚了大量通信设备制造、频谱监测、安全防护企业，其在关键基础设施、智能终端、卫星通信等领域的应用场景，对 AI 驱动系统的自我学习精度、参数优化实时性提出了更高要求。 【需解决的主要技术难题】 参数要求：特征提取维度与权重：确定哪些参数对“异常”最敏感，动态调整重要性。;聚类算法与阈值：如DBSCAN的邻域大小(e),用于自动发现新的设备类别；置信度阈值：系统对新设备/行为分类的自信程度，低于阈值则触发“人工审核”或“持续观察”;遗忘与衰减机制：自动清理长期未出现的设备数据，保持基线时效性；风险量化权重：为不同参数的异常赋予不同风险等级(如：新设备风险低，新设备+夜间活跃风险中，新设备+夜间活跃+仿冒MAC风险极高); 【期望实现的主要技术目标】 需达到效果：新设备风险低，新设备+夜间活跃风险中，新设备+夜间活跃+仿冒MAC风险极高 【技术需求】 ](https://www.kczg.org.cn/needs/index?type=1) — 采集元信息 — 需求单位：广东\*\*\*公司 所在地区：广东省 东莞市 莞城街道办事处 合作方式：委托开发 预算：双方协商 截止日期：2026-09-01 发布日期：2025-11-24 数据来源：科创中国 来源链接：https://www.kczg.org.cn/needs/detailThe?type=1&id=8419705