GB/Z 265-2026 “人工智能+交通运输”应用安全指引
GB/Z 265-2026 Application security guidelines for “artificial intelligence+transportation”
基本信息
本文件适用于交通运输人工智能全生命周期的应用安全工作。
发布历史
-
1988年04月
-
2026年08月
文前页预览
研制信息
- 起草单位:
- 中国交通通信信息中心、交通运输部公路科学研究所、中国电子技术标准化研究院、交通运输信息安全中心有限公司、中国交通信息科技集团有限公司、青岛港国际股份有限公司、中国远洋海运集团有限公司、中国南方航空集团有限公司、上海机场(集团)有限公司、中国民航信息网络股份有限公司、中国民航大学、华为技术有限公司、交通运输部规划研究院
- 起草人:
- 杜渐、戴明、陈朴、齐志峰、罗庆勇、何峰、吴宇震、王楹、李飞、吴勇、李金良、耿庆仁、王力、许智宇、张硕、夏威、郝春亮、刘长辉、冯森、张妍婷、陈振东、霍晓宇、孙硕、贺林佳、黄伟键、张卓剑、常鑫宇、曾佩佩
- 出版信息:
- 页数:36页 | 字数:50 千字 | 开本: 大16开
内容描述
ICS35.240.60
CCSL07
中华人民共和国国家标准化指导性技术文件
GB/Z265—2026
“人工智能+交通运输”应用安全指引
Applicationsecurityguidelinesfor“artificialintelligence+transportation”
2026-08-27发布
国家市场监督管理总局发布
国家标准化管理委员会
GB/Z265—2026
目次
前言……………………………Ⅲ
1范围…………………………1
2规范性引用文件……………1
3术语和定义…………………1
4总则…………………………2
5生命周期安全要素…………………………3
6应用场景安全风险防范…………………11
附录A(规范性)交通运输人工智能应用常见安全风险防范……………12
附录B(资料性)交通运输典型应用场景突出安全风险防范示例………15
参考文献………………………25
Ⅰ
GB/Z265—2026
前言
本文件为规范类指导性技术文件。
本文件按照GB/T1.1—2020《标准化工作导则第1部分:标准化文件的结构和起草规则》的规定
起草。
请注意本文件的某些内容可能涉及专利。本文件的发布机构不承担识别专利的责任。
本文件由交通运输部和中国民用航空局提出。
本文件由全国智能运输系统标准化技术委员会(SAC/TC268)和全国网络安全标准化技术委员会
(SAC/TC260)共同归口。
本文件起草单位:中国交通通信信息中心、交通运输部公路科学研究所、中国电子技术标准化研究院、
交通运输信息安全中心有限公司、中国交通信息科技集团有限公司、青岛港国际股份有限公司、中国远洋
海运集团有限公司、中国南方航空集团有限公司、上海机场(集团)有限公司、中国民航信息网络股份有限
公司、中国民航大学、华为技术有限公司、交通运输部规划研究院。
本文件主要起草人:杜渐、戴明、陈朴、齐志峰、罗庆勇、何峰、吴宇震、王楹、李飞、吴勇、李金良、耿庆仁、
王力、许智宇、张硕、夏威、郝春亮、刘长辉、冯森、张妍婷、陈振东、霍晓宇、孙硕、贺林佳、黄伟键、张卓剑、
常鑫宇、曾佩佩。
Ⅲ
GB/Z265—2026
“人工智能+交通运输”应用安全指引
1范围
本文件给出了交通运输人工智能应用安全的总则和生命周期安全要素,提供了交通运输人工智能典
型应用场景安全风险防范的指导和建议。
本文件适用于交通运输人工智能全生命周期的应用安全工作。
2规范性引用文件
下列文件中的内容通过文中的规范性引用而构成本文件必不可少的条款。其中,注日期的引用文
件,仅该日期对应的版本适用于本文件;不注日期的引用文件,其最新版本(包括所有的修改单)适用于本
文件。
GB/T20839智能运输系统通用术语
GB/T25069信息安全技术术语
GB/T41867信息技术人工智能术语
GB45438网络安全技术人工智能生成合成内容标识方法
3术语和定义
GB/T20839、GB/T25069和GB/T41867界定的以及下列术语和定义适用于本文件。
3.1
交通运输人工智能应用transportationartificialintelligenceapplication
人工智能在公路、水路、铁路、民航、邮政、城市客运、综合交通运输等交通运输领域,以及政务服务、
业务服务、安全监管等场景中的应用,以实现检索增强、感知认知、推理决策、任务调度等方面的预期
结果。
注:包括交通运输基础大模型、交通运输垂直领域大模型、智能体等人工智能应用形式。
3.2
交通运输基础大模型transportationfoundationlargescalemodel
在通用大模型的基础上,基于交通运输行业通识高质量数据集和语料库进行训练的大模型。
注:高质量数据集是经过采集、分析、标注、转换、过滤、标准化、去标识化、质量检查、采样、增强、标记等数据处理,能
直接用于开发和训练人工智能模型,有效提升模型性能的数据集合。
3.3
交通运输垂直领域大模型transportationspecificlargescalemodel
在交通运输基础大模型的基础上,基于交通运输领域专识高质量数据集进行训练的大模型。
3.4
智能体artificialintelligenceagent
能够自主感知环境、制定决策、采取行动实现特定目标的智能系统。
注:一般具有记忆、规划、使用工具等基本能力。
1
定制服务
推荐标准
- T/PHTCX 0013-2024 地理标志产品 平和芦溪晒烟 2024-04-06
- T/SLTSA 010-2016 专业化服务现场7S管理规范 2016-10-15
- T/SLTSA 022-2016 烘烤操作规程 2016-10-15
- T/CECC 002-2021 电子雾化液安全技术规范 2021-09-16
- T/CMES 39002-2024 智能制造基于云平台的制造执行系统(iMES)应用评价方法 2024-04-03
- T/ZZB 1462-2019 烟用拉线 2019-12-26
- T/ZZB 1111-2019 卷烟包装印刷品 2019-05-22
- T/GZPPIA 01-2018 聚苯乙烯浮盘 2018-10-01
- T/SLTSA 021-2016 烘烤技术规程 2016-10-15
- T/SLTSA 025-2016 专业化分级技术规程 2016-10-15