Rust 用来表明程 序因错误而退出。第九章 “panic! 与不可恢复的错误” 部分会详细介绍 panic。 使用 --release flag 在 release 模式中构建时，Rust 不会检测会导致 panic 的整型溢 出。相反发生整型溢出时，Rust 会进行一种被称为二进制补码 wrapping（two’s complement wrapping）的操作。简而言之，比此类型能容纳最大值还大的值会回绕 称 是否引用了变量、函数、结构体、枚举、模块、常量或者其他有意义的项。你可以创建作用 域，以及改变哪些名称在作用域内还是作用域外。同一个作用域内不能拥有两个相同名称的 项；可以使用一些工具来解决名称冲突。 Rust 有许多功能可以让你管理代码的组织，包括哪些细节可以被公开，哪些细节作为私有部 分，以及程序中各个作用域中有哪些名称。这些特性，有时被统称为 “模块系统（the module system）”，包括： 后台（back of house）。前台是招待顾客的地方；这包括接待员为顾客安排座位、服务员接受 点单和付款、调酒师制作饮品的地方。后台则是厨师和烹饪人员在厨房工作、洗碗工清理餐 具，以及经理处理行政事务的区域。 为了以这种方式构建我们的 crate，我们可以将其功能组织到嵌套模块中。通过执行 cargo new restaurant --lib 来创建一个新的名为 restaurant 的库。然后将示例

系统安全风险应对 （a）对人工智能技术和产品的原理、能力、适用场景、安全风险适当公开， 对输出内容进行明晰标识，不断提高人工智能系统透明性。 （b）对聚合多个人工智能模型或系统的平台，应加强风险识别、检测、 防护，防止因平台恶意行为或被攻击入侵影响承载的人工智能模型或系统。- 9 - 人工智能安全治理框架 （c）加强人工智能算力平台和系统服务的安全建设、管理、运维能力， 确保基础设施和服务运行不中断。 （b）对收集用户提问信息进行关联分析、汇聚挖掘，进而判断用户身份、 喜好以及个人思想倾向的人工智能系统，应严格防范其滥用。 （c）加强对人工智能生成合成内容的检测技术研发，提升对认知战手段- 10 - 人工智能安全治理框架 的防范、检测、处置能力。 4.2.4 伦理域风险应对 （a）在算法设计、模型训练和优化、提供服务等过程中，应采取训练数 据筛选、输出校验等方式，防止产生民族、信仰、国别、地域、性别、年龄、 智能产品终 止下线时妥善处理用户数据。 （c）研发者应确保模型算法训练环境的安全性，包括网络安全配置和数 据加密措施等。 （d）研发者应评估模型算法潜在偏见，加强训练数据内容和质量的抽查 检测，设计有效、可靠的对齐算法，确保价值观风险、伦理风险等可控。 （e）研发者应结合目标市场适用法律要求和风险管理要求，评估人工智 能产品和服务能力成熟度。 （f）研发者应做好人工智能产品及所用数据集的版本管理，商用版本应