1.基于人工智能的计算机安全系统，其中该系统具有：存储编程指令的存储器；处理器，其被耦合至存储器并且执行编程指令；以及至少一个数据库，其中该系统包括提供指定功能的计算机实施的系统。
2.根据权利要求1所述的系统，其中该计算机实施的系统是通过云&分层的信息安全(CTIS)的关键基础设施保护&惩罚(CIPR)，进一步包括：
a)可信平台，其包括报告黑客活动的间谍的网络；
b)管理的网络&安全服务提供商(MNSP)，其提供管理的加密安全、连通性&顺应性解决方案&服务；
其中虚拟私用网络(VPN)连接MNSP和可信平台，其中VPN提供至和来自可信平台的通信通道，其中MNSP被适配成分析企业网络中的所有业务，其中该业务被路由至MSNP。
3.根据权利要求2所述的系统，其中该MNSP包括：
a)逻辑推断零数据库的先验实时防御(LIZARD)，其从外来代码导出目的和功能，并且因此在存在恶意意图或不存在合法原因的情况下阻止它，并在没有参考先验历史数据的情况下分析其中的和它们自身的威胁；
b)人为安全威胁(AST)，其提供用来测试安全规则集的效力的假设安全场景；
c)创造性模块，其执行智能创建先验形式之外的新混合形式的过程；
d)阴谋检测，其辨别信息协作并提取安全相关行为的模式，并为多个阴谋安全事件提供例行的背景检查，并尝试确定看似不相关的安全事件之间的模式和相关性；
e)安全行为，其存储事件以及它们的安全响应和特质并对它们编索引，其中该响应包括阻止/批准决策；
f)迭代智能生长/智能演进(I2GE)，其利用大数据和恶意软件签名识别，并通过利用AST和创造性模块来模拟恶意软件的未来潜在变化；以及
g)批判性思维、记忆、感知(CTMP)，其批判阻止/批准决策并充当安全的补充层，并利用来自I2GE、LIZARD和可信平台的交叉引用智能，其中CTMP估计它自己对事项形成客观决策的能力，并且将避免在内部低置信度的情况下维护作出的决策。
4.根据权利要求3所述的系统，其中LIZARD精简版客户端被适配成在企业网络的设备中操作，与MNSP中的LIZARD安全通信。
5.根据权利要求3所述的系统，进一步包括非军事区(DMZ)，其包括子网络，该子网络包含具有比正常计算机更高的安全责任的HTTP服务器，以使得企业网络的剩余部分不会承担这样的安全责任。
6.根据权利要求3所述的系统，其中I2GE包括迭代演进，在其中并行演进路径成熟并被选择，迭代的世代适用于相同的人为安全威胁(AST)，并且具有最佳人格特质的路径最终最能抵抗安全威胁。
7.根据权利要求3所述的系统，其中该LIZARD包括：
a)语法模块，其提供用于读取&编写计算机代码的框架；
b)目的模块，其使用语法模块从代码中导出目的，并以其复杂的目的格式输出目的；
c)虚拟混淆，在其中企业网络和数据库被克隆在虚拟环境中，并将敏感数据替换为虚假(假)数据，其中依据目标的行为，环境可以通过实时动态更改来包括更多的假要素或整个系统的更多真实要素；
d)信号模拟，当已得出虚拟混淆的分析结论时，其提供一种惩罚形式；
e)内部一致性检查，其检查有意义的外来代码的所有内部函数；
f)外来代码重写，其使用语法模块和目的模块来将外来代码降成复杂目的格式；
g)隐秘代码检测，其检测隐秘嵌入在数据&传输分组中的代码；
h)需要映射匹配，其是需要&目的的映射的层次结构并且被参考以决定外来代码是否适应系统的总体目标；
其中对于编写来说，语法模块从目的模块接收复杂格式目的，然后以任意代码语法编写代码，然后帮助功能将该任意代码翻译成实际可执行代码；其中对于读取来说，语法模块为目的模块提供代码的语法解释以便为这样的代码的功能导出目的；
其中该信号模拟使用语法模块来理解恶意软件与其黑客的通信语法，然后劫持这样的通信以便向恶意软件给出错误的印象，即它成功地将敏感数据发送回给黑客，其中黑客也通过LIZARD发送恶意软件的错误代码，使得其看起来像是来自恶意软件；
其中外来代码重写使用所导出的目的来构建代码集，从而确保在企业内只执行所期望的和理解的外来代码的目的，并且任何非预期的功能执行都不能获得对系统的访问。
8.根据权利要求7所述的系统，其中为了使外来代码重写以语法再现外来代码以减轻潜在的未被检测的恶意漏洞利用，组合方法将声明的目的与导出的目的进行比较和匹配，其中目的模块被用来操作复杂目的格式，其中在具有导出目的的情况下，需要映射匹配保持层次结构以维护对所有企业需要的管辖权，从而代码块的目的被定义且证明合理，这取决于以管辖权来定向的需要映射中的空缺，其中输入目的是递归调试过程的引入。
9.根据权利要求8所述的系统，其中递归调试循环通过代码段来测试错误和应用错误修复，其中如果错误继续存在，则整个代码段被替换为原始的外来代码段，其中原始代码段随后被标记以便于虚拟混淆和行为分析，其中在具有外来代码的情况下，代码的原始状态由用于代码重写的目的模块和语法模块来解释，其中在因为重写版本中存在永久错误而需要安装原始外来代码段的情况下，由调试器直接参考外来代码，其中在重写代码处，段由虚拟运行时环境进行测试以检查编码错误，其中虚拟运行时环境执行代码段，并检查运行时错误，其中在具有编码错误的情况下，在范围和类型上定义在虚拟运行时环境中产生的错误，其中在具有目的对准的情况下，编码错误的潜在解决方案是通过从阐述的目的重新导出代码来制定的，其中编码错误的范围以备选格式重写以避免这样的错误，其中潜在的解决方案被输出，并且其中如果没有保留解决方案，则丧失对该代码段的代码重写并且在最终代码集中使用直接来自外来代码的原始代码段。
10.根据权利要求8所述的系统，其中对于需要映射匹配的操作，LIZARD云和LIZARD精简版参考企业管辖权分支的层次映射，其中无论输入目的是经由目的模块声明还是导出，需要映射匹配验证了在企业系统内执行代码/功能的正当理由，其中层次映射的主拷贝被存储在MNSP中的LIZARD云上，其中通过参考主拷贝来计算需要映射匹配内的需要索引，其中预优化的需要索引分布在所有可访问的端点客户端之间，其中该需要映射匹配接收对整个系统最适当需要的需要请求，其中对应的输出是表示适当需要的复杂目的格式。
11.根据权利要求3所述的系统，其中实质上在MNSP内重建企业的整个LAN基础设施，其中于是黑客在系统执行行为分析时，暴露于真实LAN基础设施和虚拟克隆版本的要素中，其中，如果此类分析的结果表明风险，则黑客对虚拟克隆基础设施的暴露增加，以减少真实数据和/或设备受到危害的风险。
12.根据权利要求3所述的系统，其中向AST提供恶意软件根签名以使得形成恶意软件根签名的迭代/变体，其中将恶意软件的多态变体提供作为来自I2GE的输出并将其转移到恶意软件检测。
13.根据权利要求12所述的系统，其中恶意软件检测部署在计算机的组成的所有三个层级上，包括用户空间、内核空间和固件/硬件空间，所有空间都由Lizard精简版间谍来监视。
14.根据权利要求1所述的系统，其中该计算机实施的系统是通过网络空间中的隐秘操作的机器秘密智能(MACINT)&惩罚,进一步包括：
a)智能信息和配置管理(I2CM)，其提供智能信息管理、查看和控制；以及b)管理控制台(MC)，其向用户提供输入/输出通道：
2
其中ICM包括：
i)聚合，其使用通用级准则来过滤掉不重要且冗余的信息，合并和标记来自多个平台的信息流；
ii)配置和部署服务，其包括用于部署具有预定安全配置和连通性设置的新企业网络设备以及用于管理新用户帐户的部署的接口；
iii)按管辖权分离，在其中根据管理控制台用户的相关管辖权专门分离标记的信息池；
iv)按威胁分离，其根据个体威胁来组织信息；
以及
v)自动化控制，其访问MNSP云、可信平台或附加第三方服务。
15.根据权利要求14所述的系统，其中在MNSP云中，行为分析观察当恶意软件在虚假数据环境中时恶意软件所处的状态和所执行的动作；其中当恶意软件试图向黑客发送假数据时，将发出的信号重新路由以使其被假黑客接收；其中黑客接口接收恶意软件的代码结构并且对恶意软件的内部结构进行逆向工程以输出黑客接口，其中在虚拟化环境内仿真假的黑客和假的恶意软件；其中虚拟化的假黑客向真正的恶意软件发送响应信号，以观察恶意软件的下一个行为模式，其中给黑客与真实恶意软件的行为/状态不关联的假响应代码。
16.根据权利要求14所述的系统，其中漏洞利用扫描识别犯罪资产的能力和特性并且结果产生的扫描结果由漏洞利用管理，该漏洞利用是由可信平台经由渗透目标犯罪系统的惩罚漏洞利用数据库发送的程序，其中惩罚漏洞利用数据库包含一种漏洞利用由硬件供应商以已建立的后门和已知漏洞的形式提供的犯罪活动的手段，其中统一的法庭证据数据库包含来自跨多个企业的多个来源的汇编法庭证据。
17.根据权利要求14所述的系统，其中当来自犯罪系统的休眠间谍捕获企业网络的文件时，防火墙生成被转发到日志聚合的日志，其中日志聚合将数据按类别分为长期/深度扫描和实时/表面扫描。
18.根据权利要求17所述的系统，其中深度扫描有助于大数据并且参与大数据，同时利用阴谋检测子算法和外来实体管理子算法；其中来自安全检查点的标准日志在日志聚合处聚合并且利用低限制过滤器选择；其中事件索引+跟踪存储事件细节；其中异常检测根据由深度扫描模块提供的中间数据来使用事件索引和安全行为以确定任何潜在的风险事件；其中外来实体管理和阴谋检测被牵涉在事件的分析中。
19.根据权利要求17所述的系统，其中可信平台查找任意计算机来检查其或其服务器亲属/邻居(与其连接的其他服务器)以前是否为可信平台建立了双重间谍或三重间谍；其中在可信双间谍索引+跟踪云和可信三重间谍索引+跟踪云处执行间谍查找检查；其中受任意计算机信任的双重间谍通过其可信通道推送漏洞利用，其中该漏洞利用试图查找敏感文件、对其进行隔离、将其精确状态发送回到可信平台，并且然后尝试将其从犯罪计算机中擦除。
20.根据权利要求19所述的系统，其中ISP API请求是经由可信平台并在网络监督网络日志处对任意系统作出的，并发现转移至犯罪计算机的潜在文件，其中元数据被用来决定将文件发送到哪台计算机的重要置信度，其中网络监督发现犯罪计算机的网络细节，并将这些信息重新路由至可信平台，其中该可信平台被用来参与由软件和硬件供应商提供的安全API以便利用可以帮助司法调查的任何已建立的后门。
21.根据权利要求14所述的系统，其中可信平台将软件或固件更新推送到犯罪计算机以建立新的后门，其中安慰剂更新被推送到附近的类似机器以保持隐形，其中目标身份细节被发送到可信平台，其中可信平台与软件/固件维护人员通信以便将安慰剂更新和后门更新推送到相关计算机，其中后门更新通过使用安装在计算机上的预先建立的软件更新系统来将新的后门引入到犯罪计算机的系统，其中安慰剂更新忽略了后门，其中维护人员将后门转移到目标，以及具有高于对目标的平均暴露量的计算机，其中在经由后门更新来实施漏洞利用时，对敏感文件进行隔离和复制，以便随后对其元数据使用历史进行分析，其中收集任何补充的法庭数据并将其发送到可信平台处的漏洞利用接触点。
22.根据权利要求14所述的系统，其中将长期优先级标志推送到可信平台上以监视犯罪系统的任何和所有变化/更新，其中企业系统向授权模块提交目标，该授权模块扫描所有附属系统输入以得到所定义的目标的任何关联，其中如果存在任何匹配，则信息将被传递到企业系统上，该系统限定授权并试图渗透目标，其中将输入转移到期望的分析模块，该模块使互利的安全信息同步。
23.根据权利要求1所述的系统，其中该计算机实施的系统是逻辑推断零数据库的先验实时防御(LIZARD)，进一步包括：
a)静态核(SC)，其主要包括固定的程序模块；
b)迭代模块，其修正、创建和销毁动态壳上的模块，其中迭代模块使用AST用于安全性能的参考，并且使用迭代核来处理自动代码编写方法；
c)微分修正符算法，其根据AST发现的缺陷对基本迭代进行修正，其中在应用了微分逻辑后，提出了一种新的迭代，在这时，递归调用迭代核并经历由AST测试的相同过程；
d)逻辑演绎算法，其从AST接收动态壳迭代的已知安全响应，其中LDA演绎什么代码集构成将实现对安全场景的已知正确响应；
e)动态壳(DS)，其主要包含已经由迭代模块(IM)自动编程的动态程序模块；
f)代码隔离，其将外来代码孤立到约束的虚拟环境中；
g)隐秘代码检测，其检测隐秘嵌入数据和传输分组中的代码；以及
h)外来代码重写，其在导出外来代码目的之后，重写代码自身的部分或整个代码并且允许仅重写被执行；
其中所有企业设备通过LIZARD路由，其中运行企业设备的所有软件和固件被硬编码以经由作为永久代理的LIZARD来执行任何种类的下载/上传，其中LIZARD与包括运动中的数据、使用中的数据和静止数据的三种类型的数据交互，其中LIZARD与包括文件、电子邮件、网络、移动设备、云和可移除媒介的数据媒介交互。
24.根据权利要求23所述的系统，进一步包括：
a)AST溢出中继器，其中当系统可以仅执行低置信度决策时，将数据中继到AST以用于进一步迭代改进；
b)内部一致性检查，其检查外来代码块的所有内部函数是否是有意义的；
c)镜像测试，其检查以确保重写的输入/输出动态与原始的相同，从而使原始代码中的任何隐藏的漏洞利用都是冗余的并且永远不会执行；
d)需要映射匹配，其包括被参考以决定外来代码是否适应系统的总体目标的需要和目的的映射的层次结构；
e)真实数据同步器，其选择要被给予合并环境的数据以及处于什么优先级由此使可疑恶意软件无法访问敏感信息；
f)数据管理器，其是实体和来自于虚拟环境外部的数据之间的中间人接口；
g)虚拟混淆，其通过将代码逐渐且部分地浸没到虚拟化的假环境中来混淆和限制代码；
h)隐秘传输模块，其将恶意软件悄悄地且离散地转移到虚假数据环境中；以及i)数据回调跟踪，其跟踪从可疑实体上传和下载至可疑实体的所有信息。
25.根据权利要求24所述的系统，进一步包括目的比较模块，在其中将四种不同类型的目的进行比较，以确保实体的存在和行为在朝向系统的总体目标的生产中是LIZARD应得和理解的。
26.根据权利要求25所述的系统，其中该迭代模块使用SC来根据从数据返回中继器(DRR)中限定的目的对DS的代码库进行语法修正，其中LIZARD的修正后的版本与多个并行进行压力测试，并通过AST来改变安全场景。
27.根据权利要求26所述的系统，其中在SC内部，逻辑推导从最初更简单的函数中导出逻辑上必需的函数，由此从阐述的复杂目的构建整个函数相依树；
其中代码翻译将由语法模块功能直接理解的任意通用代码转换为任何选择的已知计算机语言，并且还执行将已知计算机语言翻译为任意代码的逆操作；
其中逻辑降低将用代码编写的逻辑降成更简单的形式以产生互连的函数的映射；
其中复杂目的格式是用于存储表示总体目的的互连子目的的存储格式；
其中目的关联是什么功能和类型的行为指代什么种类的目的的硬编码参考；
其中迭代扩展通过参考目的关联来添加细节和复杂性，从而将简单的目标演化为复杂的目的；
其中迭代解释遍历所有互连函数，并通过参考目的关联来产生解释目的；
其中外部核由语法和目的模块组成，这些模块一起工作以便将逻辑目的导出为未知的外来代码，并根据阐述的函数代码目标产生可执行代码；
其中外来代码是LIZARD未知的代码并且功能和预期目的未知，并且外来代码是对内部核的输入且所导出的目的是输出，其中所导出的目的是由目的模块估计的给定代码的意图，其中所导出的目的以复杂目的格式返回。
28.根据权利要求27所述的系统，其中IM使用AST用于安全性能的参考，并使用迭代核来处理自动代码编写方法，其中在DRR处，当LIZARD不得不求助于以低置信度作出决策时，将关于恶意攻击和坏行动者的数据中继给AST；其中在迭代核内部，微分修正符算法(DMA)从内部核接收语法/目的编程能力和系统目标指导，并使用这样的代码集根据AST 17所发现的缺陷来修正基本迭代；其中安全结果缺陷被直观地呈现出来，以指示在运行虚拟执行环境时通过基本迭代转移的安全威胁。
29.根据权利要求28所述的系统，其中在DMA内部，当前状态表示具有象征性地相关形状、大小和位置的动态壳代码集，其中这些形状的不同配置指示安全智能和反应的不同配置，其中AST提供碰巧不正确的以及正确的响应是什么的当前状态的任何潜在响应；
其中攻击向量充当网络安全威胁的象征性示范，其中方向、大小和颜色都与比如攻击向量、恶意软件的大小和恶意软件的类型的假设的安全属性相关，其中攻击向量象征性地从代码集上弹出以表示代码集的安全响应；
其中正确状态表示DMA的从动态壳的代码块产生所期望的安全响应的过程的最终结果，其中当前状态和正确状态之间的差异导致不同的攻击向量响应；
其中AST提供已知的安全缺陷连同正确的安全响应，其中逻辑演绎算法使用DS的先前迭代来产生被称为正确安全响应程序的动态壳的更优且更好装备的迭代。
30.根据权利要求26所述的系统，其中在虚拟混淆中，可疑代码被隐秘地分配到一个环境中，在这个环境中，一半的数据与虚假数据智能地合并，其中在真实系统内进行操作的任何主体都可以因为虚拟孤立而轻松且隐秘地转移到部分或完全虚假数据环境；其中虚假数据生成器使用真实数据同步器作为用于创建假冒&无用数据的模板；其中所感知的传入外来代码的感知中的置信度风险将影响LIZARD选择的混淆等级；其中对恶意代码的高置信度将调用至包含大量虚假数据的环境的分配；其中对恶意代码的低置信度可以调用至真实系统或100％虚假数据环境的分配。
31.根据权利要求30所述的系统，其中数据召回跟踪保持对从可疑实体上传以及下载到可疑实体的所有信息的跟踪；其中在虚假数据已发送到合法企业实体的情况下，执行回调所有虚假数据的回调，并且作为替换发送真实数据；其中实施回调触发器以便合法的企业实体对某些信息不采取行动直到存在确认数据不是假的为止。
32.根据权利要求31所述的系统，其中行为分析跟踪可疑实体的下载和上传行为，以确定潜在的纠正动作，其中真实系统包含完全存在于虚拟化环境之外的原始真实数据，其中替换虚假数据的真实数据是将真实数据不经过滤地提供给数据召回跟踪的地方，从而可以制作真实数据补丁来用以前可疑的实体上的真实数据替换虚假数据；其中被浸没在虚拟孤立的环境中的数据管理器接收来自数据召回跟踪的真实数据补丁；其中当行为分析已将无害代码清除为恶意代码时，执行纠正动作来将以前可疑实体中的虚假数据替换为它所表示的真实数据；其中秘密令牌是由LIZARD生成和分配的安全字符串允许确实无害的实体不进行其工作；其中如果令牌丢失，则这指示该合法实体可能因其为恶意软件的风险评估而被偶尔置于部分虚假数据环境中的可能场景，此后具有延迟接口的延迟会话被激活；其中，如果发现令牌则这表明服务器环境是真实的并且因此任何延迟的会话都被停用。
33.根据权利要求31所述的系统，其中在行为分析内部，目的映射是赋予整个企业系统目的的系统目标的层次结构，其中将所声明的、活动和代码库目的与据说可疑实体正在做的任何事情的内在系统需要进行比较；其中在具有活动监视的情况下监视可疑实体的存储、CPU处理和网络活动，其中语法模块根据期望的函数来解释这些活动，其中这些函数随后由目的模块翻译为行为上的预期目的，其中代码库是可疑实体的源代码/编程结构并被转发到语法模块，其中语法模块理解编码语法并将编程代码和代码活动降为互连函数的中间映射，其中目的模块产生可疑实体、输出代码库目的和活动目的的感知意图，其中代码库目的包含如由LIZARD的语法编程能力导出的实体的已知目的、功能、管辖权和权力，其中活动目的包含如由LIZARD的其存储、处理和网络活动的理解所理解的实体的已知目的、功能、管辖权和权力，其中所声明的目的是如由实体本身声明的实体的假定目的、功能、管辖权和权力，其中所需的目的包含企业系统所要求的预期目的、功能、管辖权和权力，其中所有目的都在比较模块中进行比较，其中目的之间的任何不一致都将引起目的场景中的偏离，这导致纠正动作。
34.根据权利要求1所述的系统，其中该计算机实施的系统是批判性思维记忆&感知(CTMP)，进一步包括：
a)批判性规则范围扩展器(CRSE)，其利用已知的感知范围并将其升级为包括感知的批判性思维范围；
b)正确规则，其指示通过使用感知的批判性思维范围而导出的正确规则；
c)规则执行(RE)，其执行已被确认为已存在并根据记忆对混沌字段的扫描而实现的规则以产生期望的和相关的批判性思维决策；
d)批判性决策输出，其通过比较由感知观察者仿真器(POE)和RE得出的结论来产生用于确定CTMP的总体输出的最终逻辑；
其中该POE产生观察者的仿真，并在观察者仿真的这些变化的情况下测试/比较所有潜在的感知点；
其中该RE包括棋盘平面，其用于跟踪规则集的转换，其中该盘上的对象表示任何给定安全情形的复杂性，而这些对象跨‘安全棋盘’的移动指示了由安全规则集的响应来管理的安全情形的演进。
35.根据权利要求34所述的系统，进一步包括：
a)主观意见决策，其是由所选模式匹配算法(SPMA)提供的决策；
b)输入系统元数据，其包括来自SPMA的原始元数据，该原始元数据描述了算法的机械过程及其如何得到这些决策；
c)推理处理，其通过比较性质的属性来从逻辑上理解断言；
d)规则处理，其使用已导出的结果规则，用作用来确定当前问题的范围的参考点；
e)记忆网，其扫描市场变量日志以获取可实现的规则；
f)原始感知产生，其从SPMA接收元数据日志，其中对日志进行解析并形成表示这种算法的感知的感知，其中以感知复杂格式(PCF)来存储该感知，并且由POE来仿真；其中应用感知角度指示已经被SPMA应用和利用的感知角度；
g)自动感知发现机制(APDM)，其利用创造性模块，该创造性模块产生根据由应用感知角度提供的输入而形成的混合感知，从而可以增加感知的范围；
h)自我批判性知识密度(SCKD)，其估计可报告日志无法获得的潜在未知知识的范围和类型，由此CTMP随后的批判性思维特征可以利用所有涉及的知识的潜在范围；其中批判性思维指示基于规则的思维的外部壳管辖权；
i)隐含推导(ID)，其从当前应用感知角度导出可能被隐含的感知数据的角度；
其中SPMA经由感知和规则与CTMP所执行的批判性思维并置。
36.根据权利要求35所述的系统，进一步包括：
a)资源管理&分配(RMA)，在其中可调策略指示被用来执行观察者仿真的感知量，其中所选择的感知的优先级根据降序的权重进行选择，其中然后该策略指示选择截断的方式，而不是选择百分比、固定数或更复杂的算法；
b)存储搜索(SS)，其使用从数据增强日志导出的CVF作为感知存储(PS)的数据库查找中的准则，其中在PS中，除了其相关的权重外，感知还以可比变量格式(CVF)存储为其索引；
c)度量处理，其使来自SPMA的变量分配的逆向工程；
d)感知演绎(PD)，其使用分配响应以及其相应的系统元数据来复制分配响应的原始感知；
e)元数据分类模块(MCM)，在其中使用基于语法的信息分类将调试和算法跟踪分为不同的类别，其中该类别被用于组织和产生与风险和机会相关的不同的分配响应；
f)度量组合，其将感知角度分为度量的类别；
g)度量转换，其将各个度量反转回到整个感知角度；
h)度量扩展(ME)，其将多个以及变化的感知角度的度量按类别存储在各个数据库中；
i)可比较可变格式生成器(CVFG)，其将信息流转换为可比较可变格式(CVF)。
37.根据权利要求36所述的系统，进一步包括：
a)感知匹配503，在其中CVF是由从规则语法推导(RSD)接收的感知而形成的；其中新形成的CVF被用来利用相似的索引在PS中查找相关的感知，其中潜在的匹配被返回到规则语法生成(RSG)；
b)记忆识别(MR)，在其中由输入数据来形成混沌字段613；
c)记忆概念索引，在其中整个概念被单独优化为索引，其中索引被字母扫描器用来与混沌字段交互；
d)规则实现解析器(RFP)，其接收带有识别标记的规则的各个部分，其中每个部分都通过记忆识别标记为在混沌字段中被已被发现或没有被发现；其中RFP从逻辑上演绎在混沌字段中已经充分识别出RE应得的哪些整体规则，所有它们的部分的组合；
e)规则语法格式分离(RSFS)，在其中正确规则按类型分离并组织，由此所有动作、性质、条件和对象被分开堆叠；
f)规则语法推导，在其中逻辑‘黑和白’规则被转换为基于度量的感知，由此多个规则的复杂布置被转换成经由变化梯度的多个度量来表述单个统一感知；
g)规则语法生成(RSG)，其接收先前确认的感知，这些感知以感知格式存储在感知的内部度量构成中并参与感知的内部度量构成，其中将度量的这种基于梯度的测量转换为仿真原始感知的输入/输出信息流的二进制和逻辑规则集；
h)规则语法格式分离(RSFS)，在其中正确规则表示符合被观察对象的现实的规则集的精确表现形式，由此正确规则按类型分离和组织并因此所有的动作、性质、条件和对象被分开堆叠，从而使得系统能够辨别在混沌字段中发现了哪些部分，以及哪些部分没有被发现；
i)内在逻辑演绎，其使用逻辑原理，从而避免谬论，以演绎什么种类的规则将准确地表示感知内的许多度量梯度；
j)度量上下文分析，其分析度量感知内的互连关系，其中某些度量可以依赖具有不同程度量值的其他度量，其中这种语境化用于补充规则在‘数字’规则集格式内的镜像互连关系；
k)规则语法格式转换(RSFC)，其遵照规则语法格式(RSF)的语法对规则进行分类和分离；
其中直觉决策经由利用感知参与批判性思维，其中思维决策经由利用规则参与批判性思维，其中感知是根据以内部格式定义的格式语法从直觉决策接收的数据，其中满足的规则是从思维决策接收的数据，该思维决策是来自RE的可实现的规则集的集合，其中数据根据在内部格式中限定的格式语法传递；
其中动作指示可能已经被执行、将被执行、正在被考虑激活的动作，其中性质指示某种类似性质的属性，该属性描述其他事项，无论它是动作、条件或对象，其中条件指示逻辑运算或运算符，其中对象指示可以具有可应用于其的属性的目标；
其中分离的规则格式被用作来自规则语法格式分离(RSFS)的输出，其被认为是预记忆识别阶段，并且被作为来自记忆识别(MR)的输出，其被认为是记忆后识别阶段。
38.根据权利要求37所述的系统，进一步包括：
a)混沌字段解析(CFP)，其将日志的格式组合成单个可扫描的混沌字段613；
b)额外的规则，其从记忆识别(MR)产生以补充正确规则；
其中在感知匹配(PM)内部，度量统计提供来自感知存储、错误管理解析语法和/或源自各个度量中的任一个的逻辑错误的统计信息，分离的度量将每个个体度量孤立，因为它们过去被组合在作为输入感知的单个单元中，节点比较算法(NCA)接收两个或多个CVF的节点构成，其中CVF的每个节点都表示性质量值的程度，其中以个体节点为基础来执行相似性比较，并计算总方差，其中较小的方差数表示更接近的匹配。
39.根据权利要求38所述的系统，进一步包括：
a)原始感知-直觉思维(模拟)，其根据‘模拟’格式处理感知，其中与决策相关的模拟格式感知被存储在无阶平滑曲线上的梯度中；
b)原始规则-逻辑思维(数字)，其根据数字格式处理规则，其中与决策相关的数字格式原始规则按小到没有‘灰色区域’的阶来存储；
其中未实现的规则是根据它们的逻辑相依在混沌字段中未被充分识别的规则集，并且实现的规则是根据它们的逻辑相依在混沌字段613中被识别为足够可用的规则集；
其中队列管理(QM)利用语法关系重构(SRR)以最符合逻辑的顺序分析每个个体部分，并访问记忆识别(MR)结果，由此可以回答二进制的是/否流程问题并采取适当的动作，其中QM分阶段检查每个规则段，如果混沌字段中缺少单个段并且与其他段没有适当的关系，则将规则集标示为未实现；
40.根据权利要求39所述的系统，顺序记忆组织是按次序的信息“链”的优化信息存储，其中在记忆访问点中，各节点(块)中的每个的宽度表示观察者对所记忆的对象(节点)的直接可访问性，其中在可访问性的范围内每个字母都表示其对观察者的直接记忆访问点，其中更大范围的可访问性指示每个顺序节点存在更多的可访问性点，其中仅‘按顺序’引用多于一个序列而不是从任何随机选择的节点中引用，那么可访问性的范围就越窄(相对于序列大小，其中在嵌套的子序列层的情况下，表现出强不均匀性的序列是由一系列互连的较小的子序列构成的。
41.根据权利要求39所述的系统，其中非顺序记忆组织处理非顺序相关项的信息存储，其中可逆性指示非顺序布置和统一范围，其中非顺序关系由每个节点的相对宽的接入点来指示，其中当节点的顺序被重新洗牌时存在相同的统一性，其中在核心主题和关联中，同一系列节点被重复但具有不同的核心(中心对象)，其中，核心表示主要主题，其余节点充当对于该主要主题的记忆邻居，相对于在不存在定义的核心主题的情况下，可以更容易地访问该记忆邻居。
42.根据权利要求39所述的系统，其中记忆识别(MR)扫描混沌字段以识别已知概念，其中混沌字段是任意浸没在‘白噪声’信息中的概念的‘字段’，其中记忆概念保留存储准备好索引和参考字段检查的可识别概念，其中3字母扫描器扫描该混沌字段，并检查对应于目标的3个字母段，其中5字母扫描器扫描该混沌字段，并检查对应于目标的5个字母段，但是这次与遍及字段的每一项进展一起检查的段是整个字，其中混沌字段被分段用于按不同比例进行扫描，其中随着扫描范围的缩小，准确性增加，其中随着扫描器的字段领域的增加，更大的字母扫描器更有效地用于执行识别，代价是准确性，其中记忆概念索引(MCI)响应于它们留下的未被处理的记忆概念而交替变化扫描器的大小，其中MCI 500以最大的可用扫描器开始并逐渐减小，从而可以发现更多的计算资源来检查较小记忆概念目标的潜在存在。
43.根据权利要求39所述的系统，其中字段解释逻辑(FIL)操作用于管理不同宽度的扫描器的逻辑学，其中一般范围扫描以大字母扫描开始，并且以较少的资源详查大范围的字段，代价是小尺度准确性，其中当重要的区域已经被定位时使用具体范围扫描，并且需要被‘放大’，从而确保在冗余和不弯曲的位置不执行昂贵的准确扫描，其中在混沌字段中接收对记忆概念的附加识别指示字段范围包含记忆概念的密集饱和。
44.根据权利要求39所述的系统，其中在自动感知发现机制(APDM)中，感知角度由包括范围、类型、强度和一致性的多个度量按组成限定，这些限定了构成整体感知的感知的多个方面，其中创造性模块产生了复杂的感知变化，其中感知权重限定了感知在由POE仿真时对感知具有多少相对影响，其中两个输入感知的权重都在考虑中，同时限定了新迭代的感知的权重，其包含受上一代感知影响的混合度量。
45.根据权利要求39所述的系统，其中针对CVFG的输入是数据批量，其是表示必须由所生成的CVF的节点构成来表示的数据的任意集合，其中通过数据批量所限定的各个单元中的每一个来执行顺序前进，其中数据单元被转换成节点格式，其具有与如最终CVF所参考的信息相同的组成，其中当检查转换后的节点在阶段的存在时它被临时存储在节点保留中，其中如果找不到它们，则创建它们并利用包括发生和使用的统计信息更新它们，其中具有保留的所有节点被组装并作为CVF推送为模块输出。
46.根据权利要求39所述的系统，其中节点比较算法比较已经从原始CVF读取的两个节点构成，其中在具有部分匹配模式(PMM)的情况下，如果一个CVF中存在活动节点，并且在其比较候选中没有发现它(该节点处于潜伏)，则该比较不受惩罚，其中在具有整个匹配模式WMM的情况下，如果在一个CVF中存在活动节点，并且没有在其比较候选中发现它(该节点处于潜伏)，则对比较进行惩罚。
47.根据权利要求39所述的系统，其中系统元数据分离(SMS)将输入系统元数据分离为有意义的安全因果关系，其中在具有主体扫描/同化的情况下，使用预先制作的类别容器和来自分类模块的原始分析从系统元数据中提取安全情形的主体/猜疑，其中主体被用作导出安全响应/变量关系的主要参考点，其中在具有风险扫描/同化的情况下，使用预先制作的类别容器从系统元数据中提取安全情形的风险因素并且从分类模块中提取原始分析，其中风险与展示或暴露于此类风险的目标主体相关联，其中在具有响应扫描/同化的情况下，使用预先制作的类别容器从系统元数据中提取由输入算法构成的安全情形的响应，并且从分类模块中提取原始分析，其中响应与据说应得这样的响应的安全主体相关联。
48.根据权利要求39所述的系统，其中在MCM中，格式分离根据可识别格式的规则和语法对元数据进行分离和分类，其中局部格式规则和语法包含使MCM模块能够识别预先格式化的元数据流的定义，其中调试跟踪是提供所使用的变量、函数、方法和种类及它们各自的输入和输出变量类型/内容的编码级跟踪，其中算法跟踪是软件级跟踪，其提供与算法分析相结合的安全数据，其中提供了由此产生的安全决策(批准/阻止)连同其如何达到该决策的踪迹(正当理由)，以及每个因素对作出该安全决策所起的作用的适当权重。
49.根据权利要求39所述的系统，其中在度量处理(MP)中，安全响应X表示一系列因素，这些因素促成了被SPMA选择的结果得到的安全响应，其中初始权重由SPMA来确定，其中感知演绎(PD)使用安全响应的一部分以及其相应的系统元数据来复制安全响应的原始感知，其中对维度序列的感知解释显示PD将如何接受SPMA的安全响应并将相关的输入系统元数据关联起来以重新创建如最初由SPMA使用的智能‘数字感知’的全部范围，其中形状填充、堆叠量和维度是捕获智能算法的‘透视图’的数字感知。
50.根据权利要求49所述的系统，其中在PD中，将安全响应X作为输入转发到正当理由/推理计算中，其通过利用输入/输出减少(IOR)模块的意图供应来确定SPMA的安全响应的正当理由，其中IOR模块使用元数据中列出的各种函数调用的分离的输入和输出，其中元数据分离由MCM来执行。
51.根据权利要求39所述的系统，其中对于POE来说，输入系统元数据是原始感知产生(RP2)用于在CVF中产生感知的初始输入，其中在具有存储搜索(SS)的情况下，从数据增强日志中导出的CVF被用作感知存储(PS)的数据库查找中的准则，其中在排名中，感知是根据它们的最终权重排序的，其中数据增强的日志被应用于用来产生阻止/批准建议的感知，其中SCKD标记日志以限定未知知识的预期上限范围，其中数据解析对数据增强日志和输入系统元数据进行基本解释以输出如由原始SPMA决定的原始批准或阻止决策，其中CTMP根据感知在POE中批判决策，并根据从逻辑上定义的规则来在规则执行(RE)中批判决策。
52.根据权利要求36所述的系统，其中在度量复杂度的情况下，圆形的外界表示关于个体度量的已知知识的峰值，其中圆形的外部边缘表示更多的度量复杂性，而中心表示较少的度量复杂性，其中中心浅灰表示应用的感知角度的当前批量的度量组合，而外部深灰色表示一般被系统存储和已知的度量复杂性，其中ID的目标是增加相关度量的复杂性，使得感知角度可以在复杂性和数量方面成倍增加，其中深灰色表面区域表示应用感知角度的当前批量的总范围，并且根据已知的上限留下的范围的数量超过，其中在增强和复杂性丰富时将度量返回作为度量复杂性，其作为度量转换的输入而传递，它将个体反转到感知的整个角度，从而将最终的输出组装为隐含的感知角度。
53.根据权利要求39所述的系统，其中对于SCKD，已知数据分类(KDC)将已知信息与输入按类别分离，以便可以执行适当的DB类比查询，并将信息分离为类别，其中分离的类别向CVFG提供输入，CVFG以CVF格式输出分类信息，其被存储搜索(SS)用来检查已知数据范围DB中的相似性，其中每个类别都被标记根据SS结果的其已知数据的相关范围，其中每个类别的未知信息的标记范围被重新组装回到未知数据组合器(UDC)的相同的原始输入流中。
54.根据权利要求1所述的系统，其中该计算机实施的系统是词汇客观性挖掘(LOM)，进一步包括：
a)初始查询推理(IQR)，将问题转移到其中，并其利用中心知识保留(CKR)来破译对理解和回答问题/对问题作出响应的至关重要的缺失细节；
b)调查澄清(SC)，将问题和补充查询数据转移到其中，并且其接收来自人类主体的输入并将输出发送给人类，并形成明确的问题/断言；
c)断言构造(AC)，其以断言或问题的形式接收提议，并提供与这样的提议相关的概念的输出；
d)响应呈现，其是用于向人类主体和理性呼吁(RA)二者呈现由AC汲取的结论的接口；
e)层次映射(HM)，其映射相关联的概念以发现问题/断言一致性的证实或冲突，并计算在该主题上采取某种立场的利益和风险；
f)中心知识保留(CKR)，其是用于参考针对LOM的知识的主要数据库；
g)知识验证(KV)，其接收高置信度和预批判的知识，这些知识需要针对CKR中的查询能力和同化而在逻辑上分离；
h)接受响应，这是给予人类主体的一种选择以用来或者接受LOM的响应或者以批判来呼吁，其中如果响应被接受，则由KV进行处理，以便将其作为确认的(高置信度)知识存储在CKR中，其中如果人类主体不接受响应，则将它们转发给RA，该RA检查和批判由人类给出的呼吁的理由；
i)管理的人工智能服务提供商(MAISP)，它运行具有CKR的主实例的LOM的互联网云实例，并将LOM连接到前端服务、后端服务、第三方应用程序相依、信息源、和MNSP云。
55.根据权利要求54所述的系统，其中前端服务包括人工智能个人助理、通信应用程序和协议、家庭自动化和医疗应用程序，其中后端服务包括在线购物、在线运送、医疗处方订购，其中前端和后端服务经由文件化的API基础设施与LOM进行交互，这实现信息传递和协议的标准化，其中LOM经由自动化研究机制(ARM)从外部信息源检索知识。
56.根据权利要求55所述的系统，其中语言构造(LC)解释来自人类主体和并行模块的原始问题/断言输入，以产生语言语法的逻辑分离；其中概念发现(CD)在澄清的问题/断言内接收兴趣点并通过利用CKR来导出关联的概念；其中，概念优先级(CP)接收相关概念，并在表示特定性和通用性的逻辑层中对它们进行排序；其中响应分离逻辑(RSL)利用LC来理解人类响应，并将相关和有效的响应与初步澄清请求关联起来，从而实现SC的目标；其中然后LC在输出阶段期间被重新利用以修改原始问题/断言来包括被SC接收的补充信息；其中上下文构造(CC)使用来自断言构造(AC)的元数据和来自人类主体的证据向CTMP给出原始事实以进行批判性思考；其中决策比较(DC)确定了批判前和批判后决策之间的重叠；其中概念兼容性检测(CCD)比较来自原始问题/断言的概念推导以确定逻辑兼容性结果；其中利益/风险计算器(BRC)从CCD接收兼容性结果，并权衡利益和风险，以形成包括概念构成中隐含的变量的梯度的统一决策；其中概念交互(CI)将与AC概念有关的属性分配给经由调查澄清(SC)从人体主体收集的信息的各部分。
57.根据权利要求56所述的系统，其中在IQR内部，LC接收原始的问题/断言；该问题在语言上是分离的并且IQR利用CKR每次处理一个个体单词/短语；通过参考CKR，IQR考虑潜在的选项，它们可能考虑到单词/短语的模糊性。
58.根据权利要求56所述的系统，其中调查澄清(SC)从IQR接收输入，其中该输入包含所请求的澄清系列，人类主体将针对要被得到的原始问题/断言的客观回答来回答的所请求的澄清系列，其中针对澄清提供的响应被转发给响应分离逻辑(RSL)，它将响应与澄清请求相关联；其中与正在处理的所请求的澄清并行地，向LC提供澄清语言关联，其中关联包含所请求的澄清和语言结构之间的内部关系，这使得RSL能够修改原始问题/断言，从而LC输出已澄清的问题。
59.根据权利要求56所述的系统，其中对于接收到已澄清的问题/断言的断言构造，LC将问题分解为兴趣点，这些点被传递到概念发现上，其中CD通过利用CKR导出关联概念，其中概念优先级化(CP)将概念排序到逻辑层中，其中顶层被指定为最一般的概念，而较低的层被分配越来越具体的概念，其中顶层被作为模块化输入转移至层次映射(HM)；其中在信息的并行转移中，HM接收兴趣点，该兴趣点被其相依模块概念交互(CI)处理，其中CI通过访问CKR处的索引信息将属性分配给兴趣点，其中在HM完成其内部过程时，其最终输出在导出的概念已经过兼容性测试后返回AC，并权衡和返回立场的利益/风险。
60.根据权利要求59所述的系统，其中对于HM，CI向辨别两个概念之间的兼容性/冲突等级的CCD提供输入，其中兼容性/冲突数据被转发给BRC，该BRC将兼容性和冲突翻译为在此问题上采取整体一致立场的利益和风险，其中将立场连同它们的风险/利益因素作为模块化输出转发给AC，其中系统包含信息流循环，其指示作为逐渐建立的客观响应的问题/断言的主观性质而逐渐补充的智能梯度；其中CI接收兴趣点并根据优先级化的概念的顶层来解释每一个兴趣点。
61.根据权利要求56所述的系统，其中对于RA，核逻辑处理经过转换的语言文本，并返回结果，其中如果结果是高置信度的，则将结果传递到知识验证(KV)上，以便正确地同化到CKR中，其中如果结果是低置信度的，则将结果传递到AC上以便继续自我批判的循环，其中核逻辑以没有语言要素的预批判决策的形式从LC接收输入，其中将该决策作为主观意见转发给CTMP，其中决策也被转发给上下文构造(CC)，该上下文构造(CC)使用来自AC的元数据和来自人类主体的潜在证据向CTMP给出作为输入‘客观事实’的原始事实，其中在CTMP已接收到其两个强制性输入的情况下，这些信息被处理以输出其达到‘客观意见’的最佳尝试，其中在RA内部将意见作为批判后的决策来处理，其中批判前和批判后的决策二者都被转发给决策比较(DC)，该决策比较(DC)确定两项决策之间的重叠范围，其中于是呼吁论据要么承认为真，要么改进反观点以解释呼吁为何无效，其中在对承认或改进场景漠不关心的情况下，将高置信度的结果传递到KV上并且将低置信度的结果传递到AC 808上以供进一步分析。
62.根据权利要求56所述的系统，其中对于CKR，将信息单元存储在单元知识格式(UKF)中，其中规则语法格式(RSF)是一组用于跟踪引用规则的语法标准，其中RSF内的多个规则单元可以被利用来描述单个对象或动作；其中源属性是复杂数据的集合，其跟踪要求保护的信息源，其中UKF集群由所链接的一连串UKF变体组成，以限定在管辖权上独立的信息，其中UKF2包含主要的目标信息，其中UKF 1包含时间戳信息并因此省略时间戳字段本身以避免无限回归，其中UKF 3包含源属性信息并且因此省略源字段本身以避免无限回归；其中每个UKF2必须伴随有至少一个UKF1和一个UKF3，否则集群(序列)被认为是不完整的且其中的信息还不能由LOM全系统通用逻辑处理；其中在中央UKF2以及其对应的UKF1和UKF3单元之间中，可以存在充当链接桥的UKF2单元，其中一系列UKF集群将由KCA处理以形成导出的断言，其中知识证实分析(KCA)是将UKF集群信息进行比较以用于证实关于观点立场的证据的地方，其中KCA的处理完成后，CKR可以输出对主题的结论性的武断立场。
63.根据权利要求56所述的系统，其中对于ARM，其中如用户活动所指示，用户与LOM概念的交互直接或间接地被带到与回答/响应于问题/断言相关，其中用户活动预计最终会产生CKR具有低的相关信息或没有相关信息的概念，如由所请求但不可用的概念的列表所指示的，其中在具有概念整理&优先级化(CSP)的情况下，从单个独立源接收概念定义并且将它们聚合以便对信息请求的资源划分优先级，其中由信息源提供的数据根据它们请求什么概念定义而在信息聚合器(IA)处进行接收和解析，并保存相关的元数据，其中将信息发送到交叉引用分析(CRA)，在那里将所接收的信息与来自CKR的先前存在的知识相比较并且在考虑来自CKR的先前存在的知识的情况下构造所接收的信息。
64.根据权利要求56所述的系统，其中个人智能配置文件(PIP)是经由多个潜在的末端点和前端来存储个体的个人信息的地方，其中它们的信息与CKR分开，但可用于LOM全系统通用逻辑，其中与人工智能应用有关的个人信息被加密并以UKF格式存储在个人UKF集群池中，其中在带有信息匿名处理(IAP)的情况下，信息在被剥夺任何个人可识别信息后被补充到CKR，其中在具有交叉引用分析(CRA)的情况下，将所接收的信息与来自CKR的先前存在的知识相比较并且在考虑来自CKR的先前存在的知识的情况下构造所接收的该信息。
65.根据权利要求56所述的系统，其中生活监管&自动化(LAA)连接衔接平台上的互联网启用的设备和服务，其中主动决策(ADM)根据基金拨款规则&管理(FARM)考虑前端服务、后端服务、IoT设备、支出规则和可用数量的可用性和功能；FARM接收向模块限定准则、限制和范围的人类输入以告知ADM它的活动的管辖权是什么，其中将密码货币资金存入数字钱包中，其中IoT交互模块(IIM)维护哪些IoT设备可用的数据库，其中数据馈送表示IoT启用设备何时向LAA发送信息。
66.根据权利要求54所述的系统，进一步包括行为监视(BM)，其监视来自用户的个人可识别的数据请求以检查不道德和/或非法材料，其中在具有元数据聚合(MDA)的情况下从外部服务聚合用户相关数据，以便可以建立用户的数字身份，其中这种信息被传递到归纳/演绎，并最后是PCD，在那里利用来自MNSP的证实因素来执行复杂的分析；其中来自以PIP为目的地的经过身份验证的用户都经过信息跟踪(IT)，并根据行为黑名单进行检查，其中在犯罪前检测(PCD)处演绎和归纳信息被合并和分析以获得犯罪前的结论，其中PCD利用CTMP，其直接参考行为黑名单来验证归纳和演绎产生的立场，其中黑名单维护授权(BMA)在MNSP的云服务框架内操作。
67.根据权利要求65所述的系统，其中LOM被配置成管理个体生活中的人格化组合，其中LOM接收到经由LOM的内部审议过程得出结论的初始问题，其中它连接到LAA模块，该模块连接到LOM可以从其接收数据和控制数据的互联网启用设备，其中在具有语境化的情况下，LOM演绎在构造论据的过程中缺失的环节，其中LOM用其逻辑破译了解决原始断言所造成的困境，它必须首先知道或假定关于情形的某些变量。
68.根据权利要求1所述的系统，其中该计算机实施的系统是线性原子量子信息传递(LAQIT)，包括：
a)在逻辑结构语法中递归地重复相同的一致彩色序列；以及
b)使用该序列利用英文字母表递归地翻译；
其中当构造字母表的‘基础’层时，在彩色通道上以缩短且不相等的权重使用彩色序列，并为彩色通道内的语法定义保留剩余空间以供今后使用和扩展；
其中，复杂算法利用LAQIT报告其日志事件和状态报告，自动生成状态/日志报告，其中状态/日志报告被转换为可运送的基于文本的LAQIT语法，其中语法上不安全的信息通过数字传递，其中可运送的基于文本的语法被转换为高度可读的LAQIT视觉语法(线性模式)，其中密钥是为人类记忆而优化的，并且基于相对短的形状序列；
其中，局部非安全文本是由发送者输入的以提交给接受者，其中文本被转换为可传输的加密的基于文本的LAQIT语法，其中语法安全信息通过数字方式传递，其中数据被转换为视觉上加密的LAQIT语法；
其中增量识别效应(IRE)是信息传递的通道，并且在信息单元完全递送之前就识别出它的完整形式，其中通过显示单词与单词之间的过渡来合并预测指数的这种效果，其中近端识别效应(PRE)是信息传递的通道，并且在信息单元被破坏、合并或改变时识别信息单元的完整形式。
69.根据权利要求68所述的系统，其中在LAQIT的线性模式中，块示出线性模式的‘基本渲染’版本并且点显示它没有加密，其中在具有单词分隔符的情况下，形状的颜色表示单词后面的字符，并充当单词和下一个单词之间的分隔，其中单查看区域合并具有更大字母的更小查看区域，并且因此每个像素的信息更少，其中在双查看区域中，每个像素存在更多的活动字母，其中阴影覆盖使传入和传出的字母变得迟钝，使得观察者的主要焦点在查看区域上。
70.根据权利要求68所述的系统，其中在具有广泛范围加密级的原子模式中，基色主字符引用将指定正在定义哪个字母的通用规则，其中存在与基色颜色范围相同的冲击，并且其确切地定义具体字符，其中在具有读取方向的情况下，信息递送读取在一个轨道环的顶部方形上开始，其中一旦轨道环被完成，读取将从下一个顺序轨道环的顶部方形继续，其中进入/退出入口是字符(其基色)的创建和破坏点，其中属于相关轨道的新字符将从入口出现并顺时针滑动到其位置，其中原子核定义了单词后面的字符；
其中在具有单词导航的情况下，每个块都表示屏幕左侧上的整个单词(或分子模式下的多个单词)，其中当显示单词时，相应的块向右朝外移动，并且当该单词完成时，块向后退，其中导航块的颜色/形状与单词的第一个字母的基色的颜色/形状相同；其中在具有语句导航的情况下，每个块都表示单词集群，其中集群是可以在单词导航面板上适应的最大单词量，其中原子状态创建是一种引起增量识别效应(IRE)的过渡，其中在这样的过渡下基色从进入/退出入口出现，使它们的冲击隐藏，并顺时针移动以假设它们的位置；其中原子状态扩展是一种引起近端识别效应(PRE)的过渡，其中一旦基色到达它们的位置，它们就会在信息状态呈现的‘扩展’序列中向外移动，它揭示了冲击由此可以呈现信息状态的具体定义；其中原子状态破坏是一种引起增量识别效应(IRE)的过渡，其中基色已经收缩(反转的扩展序列)以再次覆盖冲击，其中现在它们正顺时针方向滑动以到达进入/退出入口。
71.根据权利要求70所述的系统，其中在具有形状混淆的情况下，标准方形被替换为五个视觉上的不同形状，其中语法内的形状变化允许在原子轮廓的策略点处插入无用的(假)字母，而无用字母混淆了消息的真实和预期含义，其中破译字母是真实的还是无用的都是经由安全和临时传递的解密密钥来完成的；
其中，在具有重定向键合的情况下，键合将两个字母连接在一起并改变读取流程，其中当以典型的顺时针读取模式开始时，遇到发起(开始)并且着落在合理/非无用字母上(以该合理/非无用字母结束)上的键合将转向读取模式使其在着落字母上恢复；
其中在放射性要素的情况下，一些要素可以“慌乱”，这可以使字母是否为无用的评估反转，其中形状示出可用于加密的形状，其中中心要素示出定义了紧接在单词后面的字符的轨道的中心要素。
72.根据权利要求71所述的系统，其中在具有重定向键合的情况下，该键合以“发起”字母开始并且以“着落”字母结束，它们中的任一个可能是无用的或者可能不是无用的，其中如果它们中没有一个是无用的，则该键合改变读取方向和位置，其中如果一个或两个都是无用的，则整个键合必须被忽视，否则消息将被不正确地解密，其中在具有键合密钥定义的情况下，如果在读取信息状态的过程中必须遵循键合，则取决于它是否已经在加密密钥中具体定义。
73.根据权利要求71所述的系统，其中在具有单集群的情况下，两个邻居都是非放射性的，因此为集群限定范围，其中由于密钥将双集群指定为有效，所以如果要素首先不是放射性的话则该要素要被处理，其中在具有双集群的情况下，密钥定义将双集群限定为活动的，因此在解密消息的同时所有其他大小的集群都被认为是潜伏的，其中不正确的解释示出了解释器如何不将双集群视为反序列(误报)。
74.根据权利要求71所述的系统，其中在启用加密和流送的分子模式下，在具有隐秘字典攻击抵抗的情况下，消息的不正确解密会导致“转移注意力”备用消息，其中在每个分子具有多个活动单词的情况下，在分子程序期间，这些单词被并行呈现，从而增加了每表面积比的信息，然而具有一致的过渡速度，其中二进制和流送模式示出流送模式，而在典型的原子配置中读取模式是二进制的，其中二进制模式指示中心要素定义单词后面是哪个字符，其中分子模式也是二进制的；除了当启用遵守流送模式的加密时，其中流送模式在轨道内对特殊字符进行参考。
75.根据权利要求1所述的系统，其中该计算机实施的系统是具有基本连接协调附接集成节点的通用BCHAIN所有事项连接(UBEC)系统，该系统进一步包括：
a)通信网关(CG)，其是BCHAIN节点与其硬件接口交互的主要算法，此后导致与其它BCHAIN节点的通信；
b)节点统计调查(NSS)，其解释远程节点行为模式；
c)节点逃逸指数，其跟踪节点邻居将逃离感知节点的附近的可能性；
d)节点饱和指数，其跟踪在感知节点的检测范围中的节点数量；
e)节点一致性指数，其跟踪如由感知节点解释的节点服务的质量，其中高节点一致性指数指示周围的邻居节点往往具有更多的可用的正常运行时间和性能一致性，其中具有双重目的的节点在使用中往往具有较低的一致性指数，其中专门用于BCHAIN网络的节点展示更高的值；以及
f)节点重叠指数，其跟踪如由感知节点互相解释的重叠节点的数量。
76.根据权利要求75所述的系统，进一步包括：
a)定制链识别模块(CRM)，其与包括先前已由节点注册的应用程序链或微链的定制链连接，其中当在元链或微链的元链仿真器中的应用程序链的区段上检测到更新时，CRM通知BCHAIN协议的其余部分；
b)内容声称递送(CCD)，其接收经过验证的CCR并且此后发送相关CCF来满足请求；
c)动态策略适配(DSA)，其管理策略创建模块(SCM)，其通过使用创造性模块来动态生成新的策略部署以使该系统已经由优化策略选择算法(OSSA)优选的复杂策略混合，其中新策略根据由字段混沌解释提供的输入而变化；
d)在UBEC平台接口(UPI)下与由图形用户界面(GUI)管理的各种各样的经济人格的密码数字经济交换(CDEE)；其中在人格A的情况下，消耗节点资源来仅与您所消费的相匹配，其中人格B消耗尽可能多的资源只要利润边际大于预定值，其中人格C经由交易货币来支付工作单元，其中在人格D的情况下节点资源被尽可能多地花费，并且不受任何期望回报的限制，无论是消耗内容还是金钱补偿；
e)当前工作状态解释(CWSI)，其参考元链的基础设施经济区段来确定该节点在已完成工作信用的方面的当前盈余或亏空；
f)从经济角度考虑工作强制(ECWI)，其考虑在当前工作盈余/亏空的情况下所选的经济人格，以评估目前是否应该执行更多工作；以及
g)共生递归智能进步(SRIA)，其是包括LIZARD的不同算法之间的一种三位一体的关系，其通过理解代码目的来改进算法的源代码，包括其自己、仿真虚拟迭代的生成的I2GE、以及BCHAIH网络，该BCHAIH网络是可以以分散方式运行复杂的数据密集型程序的混乱连接的节点的庞大网络。