本发明公开了一种安全云存储系统的分层密钥管理方法。通过 构建二叉 Trie 密钥管理树和基于此树的密钥推导机制完成对非对称密 钥和对称密钥的高效组织管理，降低了数据拥有者管理密钥的复杂度， 提高了数据的安全性。通过引入满足多跳性的 ElGamal 代理重加密机 制完成密钥的更新，将访问策略变更引发的密钥重加密部分负担转移 到 CSP；利用延迟更新策略将数据的重加密开销转移到被共享用户端， 降低了数据拥有者的处理开销，

本发明公开了一种基于多级缓存的混合云存储方法，包括：用 户登录时根据其所在的局域网加入用户组，向该用户组所在区域的超 级节点发送用户名和密码进行用户认证，超级节点根据接收到的用户 名和密码对用户进行认证，用户接收从超级节点返回的目录视图及其 所有文件的元数据信息，将目录视图发送到该用户组的组长节点，组 长节点根据接收到的目录视图判断其组缓存空间中是否包括该目录视 图中的文件，若是则将组缓存空间中存储该文件的节点的 I

成果系教育部人文社科研究项目成果、获武汉市优秀社科奖三等奖，在国家版权局著作权登记中心登记。 1、项目简介 收集和完善读者数据，建立精确、有效的读者数据库，利用读者数据资源开展数据库营销、创造增值价值，是国际领先报刊媒体的普遍趋势。《报刊社读者数据库管理系统》软件是报社、期刊社、邮政报刊发行局、各类媒体发行公司实现数据库营销、精确营销的信息系统管理工具，帮助发行工作人员轻松实现数据库营销效果。它借鉴云计算理念，依托数据库技术和互联网技术，通过数据采集向导和信息挖掘工具，帮助媒体对读者数据进行全面的采集、保存与挖掘分析，并据此开展读者分类、报刊发行辅助营销和多种经营（增值服务项目）达到利用报刊发行渠道为媒体创造经济价值的目的。软件同时具有具有发行订单管理、投递管理、财务管理等实用功能， 能够满足媒体的日常需求。 2、创新要点 第一，解决了“要什么数据”的问题，设置科学的读者数据结构模型，用以描述读者的特征和行为。第二，解决了“怎么获取（采集）这些数据”的问题，本软件设计了多渠道建立大众化日报读者数据库的新路径。第三，解决了“这些数据有什么用处”的问题。本软件中的读者消费日志、读者营销项目、读者关怀服务、读者价值分析等功能设计，使得数据信息得到充分的运用。 在国内方面：读者数据库管理系统是国内首创用于媒体读者（受众）数据库管理的软件；在国际方面：在数据描述指标健全度、数据分析处理能力、个性化等方面，在国际同类软件中处于领先水平。 3、效益分析（资金需求总额 20-50 万元） 本项目具有投入少、见效快的特点。根据需求设定符合实际需求的投资档位。根据初步测算，对于一家发行量为 50 万份的中型报业集团来说，预计第一年投入 30 万元，一年后可创收 500 万元；2 年后可达到 1000 万元；第三年可达到2000 万元。 4、推广情况 已经在沈阳、珠海、无锡等 3 家报业集团推广告，具有良好的经济效益和广阔的经济前景。 

产品详细介绍 智慧班牌 数字班牌方案 电子班牌系统云班牌 学校电子班牌软件 云班牌 新高改特色化 解决新高考改革、分层走班教学改革下的选课走班模式的教学管理问题 支持分层教学的走班模式下为学校提供在线选课 实时发布走班模式下的课程信息和课堂内容 采集学生考勤数据为走班教学管理提供数据支持 完美支持一师一课表、一室一课表、一生一课表 功能丰富 一应俱全 便捷的选课平台  不需要电脑、手机等终端，学生在每班一台的云班牌上轻松完成选课操作 强大的走班管理   教室课表、教师课表、学生课表、走班考勤，通过云班牌轻松实现  全面的教学支撑  课前发布教学要点与课件、课中状态展示、课后反馈改进，全周期支撑教学管理 无门槛的翻转课堂  无需专属系统和设备，马上实现翻转课堂 班级文化创意平台 个性化的班级名称、LOGO展示，多形式的风采呈现 高效的资源管理平台  课件、习题、试卷、微课等多类型的教学资源轻松上传、便捷发布和高效管理 最实用的信息发布窗口  校园通知、新闻资讯、考场信息，一个后台轻松管理 最贴心的安全考勤  便捷随意刷（卡）、轻松管理出勤、家长实时掌握 我们的优势 1)课前课中课后协同支撑 课前 老师高效云备案，推送课件资源给学生，实现翻转课堂。 学生在线选课 轻松搞定，一键智能生成个性化课表。 课中 课表实时呈现，走班制更灵活。 走班云动态考勤，数据实时传递，管理更便捷。 课后 老师资源推送，学生完成知识要点，个性化学习更智慧。 课堂反馈教学质量智能分析，随时掌握学生学习动态。 2)家校协同推动家校共育 学校将公告和学生到校信息有效传递家长  消除家校沟通隔阂。 家长实时查看孩子课后作业、学习情况、在校信息等，实现家校共育。

一、技术背景 东海近岸海域易受台风和风暴潮等不利天气的影响，故建设海洋牧场时需充分考虑人工鱼礁的安全性。该海域传统的人工鱼礁投放以沉底式为主，在以软相泥地为主的区域设置后往往会出现滑移、倾覆和掩埋的现象从而影响鱼礁稳定性和功能的持续发挥。此外，东海区海洋牧场基本以资源养护型为代表，几乎没有产业带动能力。 在此背景下，设计一套既能抵抗强台风又能保证效能的鱼礁系统显得颇为重要，而融入产业服务功能又是维持海域海洋牧场活力的必由之路。为此，上海海洋大学海洋牧场工程研究中心设计团队经过多年酝酿和探索性试验，研发了一套抗风浪全水层平台礁系统构建技术。 二、技术要素组成 抗风浪全水层平台礁系统由锚礁系统和台礁系统两部分组成。锚礁系统通过高强度缆绳连接底部鱼礁和上层筏式构件（图1），形成浮式藻场的着生介质系统。由表层大型天然海藻、养殖海藻和浮游植物共同构成强大的固能传质网络，为海洋牧场资源增殖打下基础。   图1 每20个锚礁构成一个锚礁群（225m×25m）  锚礁系统中形成的能量和物质将通过牧食和碎屑食物链从表层传向底层，发挥海洋生物泵和表底层耦合的综合效应。在锚礁系统区形成的资源增量将通过大型平台礁系统进行回收利用（图2）。 平台礁由高强度钢桩、鱼礁底座、多层圆盘礁、柔性鱼礁和上层镂空廊道五大要素构成（图2）。首先根据地质调查情况确定打桩的数量和深度。钢桩设置好之后，在其上套入鱼礁底座和圆盘礁，使底部周围形成三型鱼类活动的主要生息场。上层柔性鱼礁可作为大型海藻附着基而用，从而增加上层水体空间异质性，丰富微生境格局，为中上层附着生物和游泳生物提供栖息和摄食场所。最后设置上层廊道，为休闲海钓和海上观光等产业活动的融入提供平台。休闲海钓是牧场区鱼类资源回收的主要方式，而企业承包锚礁系统是拓展其海水养殖的重要方式。由此，构建出一套在东海区具有极大推广价值的海洋牧场构建模式（图3）。   图2 大型平台礁系统的结构要素   图3 锚礁系统和台礁系统组合布置后的效果示意图 三、技术创新点 （1）新的鱼礁系统是以初级生产力调控为核心目标，强化表层水体生物群落稳定性、提升生物多样性为重要目标的全水层锚礁系统。该系统通过功能型环保构件的有机结合，营造大规模浮式藻场，形成饵料生物聚集区、幼鱼庇护区、成鱼育肥区和附着生物生长区；并通过生物泵作用影响调控底层水体的能流和物质循环，为增殖底栖鱼类和大型无脊椎动物、优化其群落结构创造条件。 （2）沉底鱼礁的设计根据表层浮礁系统的物理特性和生态功能辐射效能，选用抗沉陷锚式鱼礁和大型平台礁。这两种鱼礁结构均为首创，前者在发挥礁体本身对三型鱼类聚集效果的基础上，同时起到固定上层浮礁构件的锚系作用；后者以钢桩打底、嵌套分层固体构件并环绕柔性构件的方式，在中下层水体形成较大规模的底鱼礁系统。这两种鱼礁系统的设计在工程上以安全和效率为核心，生态上以环保性和可持续性为原则，社会效益上以产业需求为导向，综合构建出适合东海区等高海况海域的全新海洋牧场建设模式。该模式的一大优点是将鱼礁易在淤泥底下陷的缺陷变为功能性优势，以台礁方式避免礁体偏移走位，确保人工生境系统的稳定性，无需进行鱼礁抗滑移倾覆方面的工程核算，提高了工程效率。 （3）以整体打桩方式进行台面立柱布局，礁体穿孔套入钢桩，用热铸法固定圆形钢板控制鱼礁位置，两层钢板相隔1m，可控制组合鱼礁底部的台礁支脚插入底泥层1m左右。这种组合下可实现鱼礁系统抵抗几十年一遇的强台风，使之长时间发挥渔业资源养护和产业服务的功能。

结合模式识别及语音情感感知算法，开发了应用于移动平台的语音情感识别系统，该技术具有自主知识产权。该系统能够通过移动终端采集用户的语音信号，经情感建模和识别算法处理后，实时感知用户语音中包含的六种基本情感信息（高兴、悲伤、惊讶、害怕、生气、嫌恶）。系统特点：1、融合说话人无关和说话人相关两种语音情感模型，用以弥补单一模型无法兼顾算法普适性和准确性的不足；2、具备在线及离线两种工作模式，在线模式下，移动设备可以借助服务器获得更为准确的识别结果，并且节省运算资源；3、对移动设备使用环境中的低采样率与低信噪比环境作了针对性优化，保障了识别算法在一般环境下的鲁棒性。 本系统基于北京航空航天大学模式识别与人工智能实验室的多模型融合语音情感识别技术，在移动平台上实现了对说话人情感表达的识别。其能够对说话人相关和说话人无关情形进行相应优化，对于未在系统注册的一般用户，识别准确率为76%；对于已在系统注册的用户，识别准确率可达83%，属于国内外领先水平。对于长度为2s的语音，本系统离线模式下识别时间小于0.5s，在线模式下识别时间小于0.2s。

采用无人机搭载相机以及图像处理硬件模块，通过图像识别与跟踪实现对运动员的跟踪、定位功能，并将检测数据通过WIFI传输到数据综合分析系统。

新型电力系统仿真分析、测试验证。 一、项目分类 关键核心技术突破 二、成果简介 随着“双碳目标”国家能源战略的确定和新型电力系统概念的提出，我国能源转型力度持续加大，逐步形成了大量新能源接入电力系统的局面。由于风能、太阳能等新能源与常规能源禀性差别很大，其并网发电系统具有显著不确定性、波动性和机械惯量缺失等特点。此外，高比例电力电子装备、新一代直流输电、多能互补的综合能源、各类大规模储能电站、各种通信及自动化新技术装置等因素使得新型电力系统组成要素愈加复杂，动态特性蕴含诸多未知，造成系统规划设计、装备制造、系统集成和运行控制等都面临史无前例的挑战。目前，电力科研院所、规划设计单位、装备制造厂家、教育培训机构等对新型电力系统开展仿真分析、测试验证的需求很大、很迫切。同时看到，新型电力系统的这些新型场景对仿真技术要求苛刻，门槛很高。 1）新型电力系统需要精细化动态模拟。人们对新型电力系统动态行为的认识还不够深入，无论是基础理论层面还是工程技术层面还处于广泛讨论、观点碰撞或局部示范试验阶段。然而，电力设施的新技术路线试错成本极高，不太可能对所有备选方案和技术选项都逐一示范。因此，开展大量深入的仿真研究是推进新型电力系统实施的必要手段。对于新型电力系统，需要深入开展仿真研究的领域包括：①新型电网体系结构研究；②新能源接入电网关键技术； ③ 新能源电网保护与自动化技术； ④源网荷储协同控制与优化调度；⑤新型配电网的电能质量分析与控制；⑥人工智能等新技术对新型电力系统的支撑。 2）新能源基地并网需要做稳定性评估。大规模陆上及海上风电集中接入局部电网有可能引发次/超同步振荡、宽频谐波谐振等电网安全稳定性问题，需要对这些问题进行机理及应对策略分析。所以需要对包含多类型新能源装备的局部电网做精细化动模仿真测试。然而，百千台级风光机组电磁暂态详细建模与仿真是一个卡脖子难题。 3）软、硬件在环仿真是必要的。新能源及储能电站的电力电子变流器控制及保护策略是厂家核心机密，对外不公开。由于控保策略对装置外特性及其接入系统的响应特性有重要影响，故需要分析内部核心控保策略。需要将新能源及储能控制器实物或黑盒模型接入测试平台开展动模仿真，以对其多时间尺度动态响应特性进行精细化分析。软、硬件在环试验对仿真平台提出了更高要求。 4）超大规模储能电站的仿真难度大。①单个储能机组的设备形态发生改变，从两/三电平变流器向模块化多电平变流器（MMC）的复杂结构演变，甚至采用储能跟变流器集成，故需要对这种复杂新形态做精细化测试验证。②超大规模、超大机组的储能电站包含较多并联储能单元或者储能机组，吉瓦时级储能电站，需上百台机组并联。另外，储能变流器的控制策略正从电流源型向电压源型转变，控制策略趋于复杂化，故需要大量的储能变流器的控制装置接入测试平台，才能对实现对储能单机以及多机之间协调控制性能测试，进而实现超大规模、超大机组的储能电站的精细化仿真。 5）现代直流输电控制与保护测试提出更高要求。超/特高压直流输电系统应用于新能源基地外送的控制保护策略及其硬件在环试验对实时仿真平台硬件资源要求苛刻，既要对直流输电系统建模，又要对新能源基地建模，应用场景的复杂性对仿真平台要求更高。 1 技术分析（创新性、先进性、独占性） 1.1 国产化实时仿真技术现状 实时仿真是指仿真模型执行进度与系统时钟完全同步的一类仿真，具备这种特性的仿真装置称为实时仿真器。新型电力系统的认知、试验、生产、培训需求快速增长，形成了实时仿真领域巨大潜在市场。但目前RTDS、RT-LAB等进口设备依旧垄断市场，对于大规模新能源场站、县域规模万节点级电力系统、多端特高压直流输电等应用场景电磁暂态仿真，所需的仿真资源巨大，平台造价极高。且关键核心技术处于卡脖子状态，平台应用的灵活性和开放性受到很大限制。只有开发和推广国产化实时仿真技术才能为顺利推进新型电力系统建设过程中的研究和生产提供自主可控的工具和手段。 1.2 UREP与进口设备的对比试验  为了实现电力实时仿真器的国产化替代，彻底解决电力实时仿真领域的技术“卡脖子”问题，国产实时仿真器UREP需要与国际主流技术进行对比，力求达到甚至超过目前世界最先进的技术。对标对象为行业公认的电力系统实时仿真仪（RTDS）和行业广泛使用的RTLAB，以上两款设备均为加拿大生产。对比试验方案如图1-1所示。制定标准（典型）测试算例，分别在UREP、RTDS和RTLAB环境下搭建测试算例的仿真模型，在完全相同的测试条件和试验内容下得到各种仿真器的仿真结果，比较仿真结果的一致性。同时比对仿真规模、建模效率和编译时间等关键指标。             图1-1  国产UREP与进口设备对标方案 1.2.1电气网络仿真对比    图1-2表示了一个多支路网络，基于图1-1中三种仿真器搭建该模型，通过不断增加支路数扩大网络规模，直到仿真器过载，得到仿真器的算力极限。         图1-2  多支路电气网络 在50us仿真步长下，对于图1-2案例RTLAB最大仿真规模为78个 三相节点，UREP也为78个 三相节点，二者相同。在编译速度方面，RTLAB编译时间为3分52秒，UREP编译时间为1分12秒，UREP是RTLAB的3.22倍。      图1-3  基于RTDS的仿真模型  当基于RTDS建模时，如图2-5，每块PB5最多允许24个节点；当基于NovaCor建模时，在超大步长150us下可以达到100节点，在50us步长下仿真规模未知。 2.2.2 双馈风机仿真对比   双馈风机含有电机、传动链、电力电子变流器和控制系统，是具有代表性的新能源元件。在在50us仿真步长下，对于如图1-4案例，RTLAB最大仿真规模为6台，UREP也为6台，二者相同。在编译速度方面，RTLAB编译时间为7分0秒，UREP编译时间为2分12秒，UREP是RTLAB的3.18倍。                图1-4  双馈风机测试案例 2.2.3 直流输电仿真对比   直流输电是最复杂的电力电子装备，有换流阀、阀控制器、极控制器、站控制器等一次和二次系统，是实时仿真领域的难点，也是检验仿真器能力的试金石。图1-5是双端单极直流输电系统测试用例，每端包含2个六脉波桥，控制保护包括了阀控、极控和主控模型，封装于蓝色模块内。   图1-5 双端单极直流输电系统测试用例 将图1-5所示算例分别在RTLAB和UREP中建模运行，在单核可用资源下，若仿真对象为电气主系统和控制保护组成的整个系统，则RTLAB过载，UREP也过载。若仿真对象仅为电气主系统（即双侧电源、交直流滤波器和4个6脉波桥），则RTLAB和UREP均不过载。在编译速度方面，RTLAB编译时间为3分40秒，UREP编译时间为1分11秒，UREP是RTLAB的3.10倍。 2.2.4 同步发电机组仿真对比    同步发电机目前仍是电力系统主力电源，是电力系统的主要仿真对象。同步发电机组模型包括同步发电机、调速器、励磁调节器及升压变。搭建多台同步电机并列运行算例，如图1-6所示。   图1-6  同步电机并列运行算例 在50us仿真步长下，对于图1-6案例RTLAB最大仿真规模为11台，UREP为13台。在编译速度方面，RTLAB编译时间为3分51秒，UREP编译时间为1分16秒，UREP是RTLAB的3.04倍。 2.2.5 最小步长对比 基于CPU的最小仿真步长能够体现仿真计算时间的抖动问题，抖动越小，允许的仿真步长就越小。因此，通过比较最小仿真步长，也可以反映仿真器的计算性能。仿真对象采用单台双馈风机，模型包括风力机、绕线异步电机、机侧变流器、网侧变流器、主动系统、所接入的配电网等元素，如图1-7所示。             图1-7  测试最小步长算例 经测试，RTLAB最小仿真步长为24us，UREP最小仿真步长为20us。可见，UREP具有更小的仿真抖动。 2.2.6 仿真精度对比 为了验证国产UREP的仿真精度，采取和RTDS交叉对比验证方法说明UREP的仿真精度。电力系统仿真包括电磁暂态和机电暂态，因此，从电磁暂态和机电暂态两个方面进行对比，同时考虑各种应用场景，以覆盖各种情形。电磁暂态检测案例的电网拓扑如图1-8所示。 图1-8 电磁暂态检测使用案例 无穷大电源电压等级为110kV，频率为50Hz，系统内阻抗为；L1、L3线路阻抗为，L2、L4线路阻抗为， T1、T2两变压器的额定容量均为，短路电压，空载损耗，空载电流，短路损耗，变比，高低压绕组均为Y形联结；假设系统A1、B1、A、B处供电负荷为(5+j1)MVA，C1和C处供电负荷为1+j0.1MVA。UREP建模如图1-9所示。   图1-9 电磁暂态检测案例的UREP仿真模型 基于RTDS建立电磁暂态案例的仿真模型如图1-10所示，其电压过零点短路控制如图1-10所示。   图1-10  RTDS仿真模型   图1-11  RTDS电压过零点短路控制结构 对上述模型，分别使用UREP和RTDS进行实时仿真，仿真时间为0.2s，短路故障发生在0.06s-0.16s之间，仿真步长为100微秒，横轴表示在0.2s时间内仿真采样点数，纵轴表示母线电压、电流，单位分别为V、A。在母线A点处发生三相短路，短路前后及短路期间的三相电压波形如图16-7。为了显示细微之处，将图1-12局部放大后，如图1-13。   图1-12  A点发生三相短路时三相电压波形   图1-13  A点处发生三相短路时三相电压波形局部放大 点划线为RTDS仿真结果，虚线为UREP仿真结果。可以看出，两种仿真结果高度重合，表现出电磁暂态仿真结果的高度一致。电磁暂态过程除了表现在电压动态还表现在电流动态，短路前后及短路期间的三相短路电流波形如图1-14。   图1-14 A点处发生三相短路时三相电流波形 图1-15  A点处发生三相短路时三相电流波形局部放大图 1.3  对标结论 （1）在内核资源完全等同条件下，国产UREP和RTLAB的仿真算力基本相同，即内核授权数相同条件下，具有相同的仿真规模。 （2）国产UREP的建模效率和编译速度远远高于RTLAB。小规模场景下，UREP是RTLAB的3倍左右，大规模场景下UREP是RTLAB的45倍左右。 （3）在仿真对象完全相同的条件下，国产UREP和RTDS的电磁暂态仿真结果完全相同，二者交叉对比没有差别。

同济大学电子与信息工程学院康琦教授团队面向复杂工业过程智能运维，深度融合物联网、大数据、人工智能等技术，设计开发了高集成度与模块化的边缘计算平台。该技术采用云-边-端一体化的系统架构设计，结合迁移学习、演化计算等智能技术，构建了可持续学习的通用网络进化框架，针对不同应用场景，通过模型与算法的模块化管理与轻量化学习，可实现边缘侧模型定制与部署，全面感知系统动态，自适应环境与工况变化，实现无人值守的工业过程在线学习、智能控制与持续优化，显著降低运行成本，提升企业经济效益。 边缘计算平台架构 目前该技术已经获得相关授权发明专利6项，面向钢铁冶炼、汽车制造、污水处理、轨道交通等领域，在多个省市的节能控制与运营优化相关智能化工程项目中得到了推广应用，平均节能达30%，经济效益明显。基于该平台技术对城市污水处理厂生物曝气过程进行自适应软测量建模与学习优化控制，实现了多目标联合优化的在线智能监控系统，年平均节电超过27%。对大型制造企业的多车间冷源系统实现了全自动在线优化与智能控制，系统能效提升一倍，年平均节电36.9%。

产品详细介绍