本发明公开了一种并行重复数据删除方法，包括以下步骤：客 户端先对要重删的数据进行分块，然后通过哈希函数计算出每个分块 的哈希指纹，然后把哈希指纹发送到不同的重删服务器节点上进行指 纹的查重工作。如果某个指纹经过对比，确认是重复的指纹，则只用 更新查询服务器上元数据和重删服务器节点上的指纹计数器。如果某 个指纹经过对比，确认是一个新的数据块，则传输该数据块到重删服 务器并且更新指纹库和查询服务器上的元数据。本发明具重删

一种可扩展的重复数据检测方法，属于计算机存储技术领域， 解决现有重复数据检测方法中存储容量无法高效扩展的问题，以适应 存储需求扩大，重删系统面临升级换代的现状。本发明包括分块处理、 指纹提取、布隆过滤器检索、指纹子集表检索、未满布隆过滤器判断、 新指纹标记、布隆过滤器数量判断以及布隆过滤器阵列扩展步骤。本 发明采用布隆过滤器阵列来检索指纹数据，可快速定位检索范围，提 高检索效率，实现重复数据的检测，具有高扩展性、高查

一种面向云存储的数据分类加密方法，属于计算机存储安全领 域，解决现有数据加密方法不识别数据内容，对所有数据采用单一加 密算法，导致存在的计算量大，效率低下的问题。本发明顺序包括： (1)构建安全特征库步骤、(2)数据分类步骤、(3)数据按类加密步骤和(4) 数据存储步骤。本发明只对涉及隐私需要高安全保护的那部分数据采 用高安全性的加密算法，而对于占大部分的一般数据采用安全性较低、 计算复杂度较低的加密算法，在对隐私数

本发明公开了一种大规模图数据的压缩存储方法，包括：（1） 将原始图数据以行为单位用二进制邻接矩阵 M 存储；（2）根据邻接 矩阵 M 中每行的偏移值建立散列索引；（3）将邻接矩阵 M 中每行中 的起点按照出度进行升序排序；（4）记录入度为 0 的节点记为根节点， 将根节点按照出度进行降序排序，记为根节点序列；（5）对于根节点 序列中的每个节点，以根节点为开始节点，按深度优先策略依次分配 ID；（6）遍历邻接矩阵 M，

本发明公开了一种基于 Cassandra 的数据并行处理系统，包括 Hadoop 主节点、多个 Hadoop 子节点以及位于 Hadoop 子节点上的 Cassandra 存储端，主节点包括用户接口模块、Cassandra 查询模块、作 业调度模块、作业队列模块、作业追踪器,子节点包括任务追踪器、输 入模块、输出模块以及 Mapreduce 模块,用户接口模块用于接收用户请 求，并判断用户请求的类型是数据查询请求、提交数据处理作业

项目主要是把贮运厂电气运行数据集成到PHD，并提供WEB浏览，方便管理，实现生产的长期稳定、安全运行，保证贮运厂的经济效益和社会效益的最大化。通过开发专用数据接口，将电气PLC控制系统的相关数据集成到PHD数据库，绘制流程图和制作参数报表和趋势图，通过WEB服务器进行信息发布，经过授权可以进行远程信息浏览。

针对传统的信息安全领域老三件(防火墙、VPN、IDS)已无法满足移动互联网环境、特别是移动云计算环境和云计算环境中的信息安全要求，在系统、全面地分析了移动互联网环境、移动云计算环境和云计算环境中数据安全保护可能存在的各种安全隐患之后，立足于“数据主动防止泄漏”的创新理念，认为“当对用户数据和用户应用数据以密文形式进行存储、传输和访问时，能最大程度地保护信息安全”。为此，项目组围绕这一理念系统地展开移动云计算环境下数据主动防止泄漏的关键技术和技术实现架构的研究，围绕密文的存储、传输和访问针对性地研发出动态透明加密技术、双向双因子认证技术、密文检索调度技术、基于可信计算的密文存储技术，以及面向数据主动防止泄漏的支撑平台研发。支撑平台通过在客户端与云端之间架构数据安全管理层，构筑防止数据泄漏的 3 层防御体系，通过利用所研发的动态透明加密技术对所产生的敏感信息和重要文件实现可选透明加密和强制透明加密，从而实现从源头上确保信息的安全性，实现“事前‘预防’”；通过利用所研发的双向双因子认证技术、密文的可信存储技术、密文的透明调度和访问技术以及外发文件的安全控制管理技术，避免越权访问事件和系统管理人员主动泄密事件的发生，实现“事中‘控制’”；通过综合利用审计追踪技术，对访问日志、用户操作进行监控跟踪，实现“事后‘追踪’”，最终实现数据主动防止泄漏的多级、立体化安全防御。这一技术架构能同时兼顾隐私保护、防止信息泄密的技术要求。 创新要点： (1)动态透明加密技术。在传统强制透明加密技术基础上，实现了可选、动态透明加密； (2)双向双因子认证技术。面向终端设备的物理特征，实现用户与终端、终端与终端之间的多重双向认证; (3)密文检索技术； (4)面向云存储的可信程序操作文件备份技术; (5)通过研究创新、现有技术改进和综合应用多项信息安全技术构筑了一个“事前预防、事中控制、事后追踪”的多级、立体的数据主动防止泄漏安全防御体系。 效益分析： 该技术适用于信息隐私保护和防止信息泄密的多数应用场合；适用于对传统信息安全保护软件、信息安全软件产品的升级改造；适用于传统信息管理系统在向云计算环境、移动互联网环境移植时，同样能保护信息全生命周期的安全。 应用情况： 全部或局部地通过与数家高科技公司合作，改造、升级了若干件软件产品，为公司创造了一定规模的经济效益。

“NMT界乔布斯”许越先生推荐创新平台 中关村NMT产业联盟推介成员单位创新产品 “全球抗疫，人人有责” 推出背景：         3D模型能够给人以更强烈的视觉刺激，震撼程度远远高于二维画面。有了物体的三维数据，可以产生任意视图，视图间能保持正确的投影关系，这为生产工程图带来了方便。此外还能生成透视图和轴侧图，这在二维系统中是做不到的。   我们的日常生活是在三维空间下开展的，那么对于生物体而言，三维空间的数据展示才是最真实的。举例：我们检测到的数据是浓度（点），单个位点浓度的进出（线），两个位点浓度的进出（面），多个位点浓度的进出（立体）。不同的维度所展现的内容不同，科研的发展趋势必将是向多维方向，向上发展。   产品介绍 名称：NMT-3D数据分析软件V3.0（MageFluxV3.0） 品牌：旭月 产地：中国 简介： 应对挑战： 活体样品是立体的，使用立体图形及3D数据能够才能更加真实的展现样品情况 如何获得3D数据是较难的问题 解决方法： NMT是检测活体样品的技术，并拥有三维流速数据监测的功能，配合NMT-3D数据分析软件，能够制作科研人员可直接观看的三维可视化流速数据图。更加直观，更加真实地展现样品在立体空间中的流速情况   功能特点 1.基本功能： 展示可视化三维流速数据图 可以录制三维流速云数据图视频 可以随时随地查看图形 可根据客户需求进行定制材料模型 流速指标展示的颜色自定义 2.软件参数： 根据科研人员上传的数据信息和建模信息，帮助科研人员生成可以裸眼观看的三维可视化流速数据图。还可以对流速数据图进行：      1）手动平移、缩放和旋转      2）自动围绕x轴、y轴和z轴旋转      3）录制并下载1分钟之内的三维可视化流速数据图的视频      4）背景色调整，可调整为任意颜色      5）任意选择一个或多个显示内容，包括：离子流速、分子流速、材料、材料比例尺、离子流速比例尺、分子流速比例尺      6）调整离子流速比例、分子流速比例，可以设置离子分子比例联动      7）调整材料透明度

产品详细介绍互联网+大数据智能书柜教学实训系统 一、 概述智能书柜是以智慧图书柜或微型智慧图书馆为载体，可以广泛的在校园、公司写字楼、商场、社区、公园等地方使用，比如放置在校园的各个角落，如教学楼每层走廊、每间教室、宿舍楼等地，无需专门的图书管理员，学生可以随时随地快速方便的进行图书借还操作，而且校园内的所有图书可以随意流通借还，是传统图书馆功能在使用空间和时间上的扩展，是实现阅读无处不在、阅读触手可及的基础平台。互联网+大数据智能书柜是以智能书柜为硬件平台，综合了互联网数据传输、云大数据处理功能，通过在图书上粘贴RFID标签，利用智能书柜里面的RIFD读写器和RFID天线对图书标签自动实时识别，实现图书批量自助借还、智能盘点、智慧拣选、图书防盗等一系列智能化的图书管理，结合云平台大数据分析挖掘，实现精准图书采购、个性化指导学生借书种类和阅读时间，构建阅读学习成长模型。互联网+大数据智能书柜基本组成部分如下：第一部分：感知层和控制层，包括RFID图书信息采集模块、RFID人员身份信息采集模块、二维码信息采集、摄像头信息采集和控制、电控锁控制模块等；第二部分：传输层，包括有线网络传输、无线网络传输，如WIFI、4G等；第三部分：应用层，主要是智能书柜应用软件功能；第四部分：云服务器大数据处理，主要是大数据挖掘分析功能。这四部分功能，结合配套的相关设备，使互联网+大数据智能书柜成为用RFID等物联网技术手段改变图书馆传统借阅、阅读环境的典型应用。互联网+大数据智能书柜教学实训系统是用于研究RFID等物联网技术实现典型应用的平台，完成RFID等物联网技术从技术到实现典型应用相关的教学和学习13965501553

南京智农云芯大数据科技有限公司(简称AgriBrain)是一家专注农业领域大数据分析与人工智能解决方案的高科技公司，基于自主研发的无代码AI平台GrowthBrain、自动化表型引擎PhenoBrain和高精度全基因组选择算法平台GSBrain，旨在为科研、教育和企业用户提供低成本、高效率、智能化的AI解决方案。 GrowthBrain无需编程简单拖拽即可实现海量算法训练和分析，傻瓜式设计无需用户具备算法背景，旨在降低AI应用门槛让用户更专注自身业务领域。PhenoBrain可以使得客户根据自身场景进行快速的本地分析、调用或集成,同时相比业内高昂的表型平台，具备低成本、高个性化等优势；GSBrain中的全基因组选择算法，经三组数据实验数据验证比当前国际开源算法稳定提升 9%~45%，可更高效的进行子代筛选和更精准的指导基因编辑。 公司核心团队由美国上市公司的研发、南农等顶尖高校的机器学习、表观遗传、农学等专业背景成员组成，合作客户包括上海交大、中国农大、上海农科院等知名单位。