4.4.展望与建议 源模型。这些特征能够反映模型的结构设计和参数分布等内在属性，为不同生成模型提供类似“身份标 识”的区分依据[756]。 4.4展望与建议 识别出不同新兴关键技术所处的发展阶段，为新兴产业的研究与投资提供决策依据。展望未来，新兴技 术的演进与发展建议主要聚焦四个方面：加快构建可信数据体系、推动 AI安全体系化升级、推进云网算 一体化融合发展、布局低空智能计算基础设施。 4.4.1新兴技术的未来研究方向和关键技术展望 随着数据跨域流动加速、隐私保护需求提升，数据安全治理正向以隐私保护与可验证操作为核心的 可信数据体系演进。数据在跨区域、跨环境的流动规模持续扩大，访问主体、访问链路与治理边界愈加复 杂，传统以封闭边界和静态策略为核心的数据安全治理模式已难以满足智能化业务对可信数据环境的要 求。未来，隐私增强的跨域访问控制技术将成为基础能力，从传统规则式授权升级为基于语义理解、行 为建模与情境感知的动态零信任决策，实现对多主体、多链路访问行为的实时验证与细粒度管控。其次， 在跨域共享、模型训练与模型推理环节实现可用不可见、可控可审计。最后，智能化的数据治理技术体 系将成为能力上限，由大模型驱动的风险推理、策略生成与自动化处置将使数据安全从静态规则走向自 适应演进，支撑新兴技术环境下的可信数据空间构建。 AI安全将从单一防护向体系化、全生命周期和智能化演进。随着AI与云计算、6G、低空经济、机器 人、AI Agent、量子计算等融合发展，威胁模型从数据与模型攻防扩展到跨环境、跨设备、跨智能体的复 合式安全挑战。未来 AI安全研究的重点，将围绕可信计算环境下的模型隐私保护、硬件级隔离与加密推 理、跨层多模态威胁检测、AI自动攻防博弈与免疫自适应防御、可追溯与可问责的模型决策解释、以及 AI原生的安全治理体系展开。同时，状态感知与风险量化将逐渐成为关键技术，使AI系统能够实时评估 AI安全将形成集可信、可审计、可防御、可自治、可治理于一体的新型全栈安全体系，支撑未来智能社 会的安全与可持续发展。