以“线下项目实施 + 线上工程仿真 + 远程系统部署”的模式，引入业内成熟、前沿的开源解决方案，在线实现AIoT项目从0到1实施落地的全过程。

启明AI防作弊在线考试平台 点滴投入，轻松考试     核心功能   在线考试 360°智能监考：精准识别环境异常、照片/真人替考、虚拟摄像头等； 本地环境监控，屏键锁定、热键屏蔽、远程协助工具屏蔽； 人脸识别，身份认证，活体检测，考中抓拍； 视频监控，手机监控，双机位或三机位监考； 随机抽题，小题乱序，选项乱序，一人一卷。 高中低三挡监考策略； 考中可通话、可求助； 云端巡考，监控大屏鸟瞰实时考场； AI监考，智能预警；作弊排查，违规记录存底可追溯。 功能稳定：集中统考、随到随考，随机组卷，支撑安全稳定的10万+并发考试。 故障防备：考中异常中断，作答实时保存，实现断点续考。 统计分析：统计考试的总人数、参考/缺考/及格人数、考试排名等多维度信息。   制题组卷 题库管理：强大题库管理，支持全试题模型（文字、图片、表格、公式、音频等），单题/批量录入，在线/离线录入，录入、编辑、审核、组卷、检索操作简单，试题与成绩关联，记录试题版本和使用次数等。 智能组卷：手动组卷/自动组卷，单套/批量组卷，可按题量、分数、题型结构、知识结构、难度系数等多重模式组卷，简单组卷、精确组卷、蓝图组卷。 高效输出：试题试卷可预览、可修改、可导出，可一体化输出线下印刷，也可联通线上网考。   网上阅卷 在线管理：阅卷进度、阅卷质量全监管，监管与阅卷线上协同，科学化管理。 高效阅卷：客观题自动判分，主观题在线评阅；键盘给分、鼠标给分、轨迹给分；智能回评、问题卷提交；可看标答；评卷轨迹可追溯，复核可定义题位；自动加分、登分、统计。 统计分析：题目得分、题类得分；平均分、最高最低分、得分率、标准差；其他统计指标。 信息查询：查询考生答卷信息（答题、得分、评分等）；查询阅卷进度、分科目阅卷进度、老师阅卷情况等。   产品优势   制题组卷 系统化：对题以资料库的概念进行整合，能精准识别各类试题。 全题型：文件、图片、表格、音频等试题模型都可以得到支持。 多维度：可对试题进行多种属性定义，如难易度、章节等；且能按需生成多套试卷。 高效率：支持批量导入、批量组卷，自动组卷，在线预览，快速导出。 超专业：多种组卷模式，可按试卷结构/题量/章节/知识点/难度进行蓝图组卷，按试卷结构/大小题/分数/题量进行精确组卷，按照试卷总分/题型题数/抽取规则进行简易成卷。   在线考试 最新的线上监考技术：四级监考策略灵活选择。自研监考系统，AI智能监考，主动识别预防作弊。利用人脸识别、行为识别等最新技术，自动捕捉记录考中的违纪情况。 监管更加精准：窗口防作弊控制，多屏实现360°无死角视频监控，一个主机摄像头针对一个人，同时支持手机机位视频监控。 防泄题防作弊：支持考生端远程环境检测，考生端屏键双锁，随机抽卷/小题乱序/选项乱序/逐题作答。 安全验证全程护航：网考环境复杂多变，为保证数据安全，采用基于人工智能，融合人机区分技术，层层过滤风险，全程护航。   网上阅卷 快速高效：客观题自动判分，帮助管理者快速完成大规模考试，主观题智能整理，降低对人工操作的依赖，提高阅卷工作效率。 超强容错：考试过程中发现试题或答案问题，可以及时纠正，不影响后续考生作答。 稳定安全：系统分权限进行用户操作和系统管理；确保阅卷信息不外泄，在互联网环境下采用高等级的安全防护措施。  

本书分为四篇.第一篇中国政府审计的行为主题及其效率效果实证检验;第二篇审计环境因素对审计效率效果的理论分析和实证检验;第三篇审计自身因素对审计效率效果的理论分析和实证检验;第四篇审计对象因素对审计效率效果的理论分析和实证检验.

本发明公开了一套评测杀菌剂对枝干表层腐烂病菌铲除效果的方法，涉及植物病害防治药剂评测方法。具体方法是用腐烂病菌的孢子悬浮液接种苹果的活体枝条，让接种枝条在自然条件下生长2~4周后，在接种枝条表面施用待测杀菌剂，施药1周后，从树体上剪取处理枝条，破坏芽部及周围皮层组织，在离体条件下诱导伤口发病，依据伤口发病的百分率，评测杀菌剂的铲除效果。本发明克服了现有技术难以评测杀菌剂对潜伏于枝条表层腐烂病菌铲除

本技术以岩体工程地质力学和岩体水力学理论为指导，采用五图—双系数法对底板突水危险性进行综合评价，通过理论分析、室内试验、现场测试和模拟计算，系统地开展注浆前后工作面底板水文地质与工程地质特征研究，揭示注浆前、后工作面底板采动变形破坏特征的差异性，为注浆改造底板突水预测和评价提供技术支撑，为承压水体上煤炭资源安全高效开采提供地质保障。 （1）采用五图—双系数法对井田 6 煤底板突水危险性进行了预评价，反映了深部水平煤层底板的水害威胁程度，为矿井防治水工程设计与实施提供了依据； （2）采用岩石物理力学实验、岩石质量指标统计、岩石试件波速测试和原位波速测试等多种方法，研究了注浆前后底板岩体结构的差异性，给出了注浆前后底板岩体的强度值； （3）建立了注浆前原始底板、厚度增加底板、强度增加底板、强度厚度均增加底板、含套管底板等 5 种不同的底板模型，模拟注浆前后各种状态的底板结构类型的采动效应，获得了各种模型的底板采动效应特征，揭示了工作面底板岩体结构改造的效果以及采动效应的岩体结构控制作用； （4）采用孔间电阻率 CT 法对注浆后底板采动效应进行了监测，获得了注浆后底板岩层的破坏特征，揭示了底板岩层破坏具有分带性。

本平台设计一套集成学习系统用来精确预测未来时间段的流量，本系统使用随机森林，SVR，三指数 平滑、GBDT，BPNN等传统算法和机器学习算法作为单模型，并通过集成学习的方式提高预测准确率。

本平台基于用户报刊订阅历史数据及用户个人信息，结合矩阵分解，K-Means等机器学习技术，构建了用户报刊个性化推荐系统，在提升推荐准确性的同时较好地解决了冷启动问题。

一、项目简介 智能计算MR成像主要是基于脉冲序列设计、成像、重建、处理与分析的全链路优化思想，利用人工智能领域的深度学习与大数据方法，研究新体制智能计算成像理论、方法与应用，突破现有系统将成像与分析分治难以兼顾的不足，从而为医学临床和科研提供新的、更快的成像手段、更好的成像质量以及更符合实际需求的成像模式。 二、前期研究基础 无 三、应用技术成果1）基于深度学习的信息保持压缩感知重建（左图为填零重建、右图为所提方法）

当前，保护数据的隐私和安全已经成为世界性的热点，各国都在加强对数据安全和隐私的保护。近年来，国家相继出台个人信息保护的标准和政策，旨在加强隐私保护。为了在符合相关法规的前提下使用数据，部分研究者尝试令各方数据保留在本地的同时训练全局模型，如 Google 提出的联邦学习。作为一种加密的分布式机器学习技术 , 联邦学习能够让参与各方在不披露底层数据和底层数据加密 ( 混淆 ) 形态的前提下，仍然能利用其余几方参与者提供的信息，更好地训练联合模型，提升 AI 模型效果。 然而，将数据留在本地的方式却也引发其他问题，如针对联邦模型的投毒攻击。投毒攻击通过攻击训练数据集或算法来操纵机器学习模型的预测，使分类器识别特定样本的分类边界发生变化。而联邦学习场景下的投毒攻击通常拥有更强的隐蔽性和破坏性。 因此，我们将传统投毒攻击防御中对原始数据的清洗过程转变至对上传的模型权重参数的预处理，在参数服务器部署防御框架来防御投毒攻击。我们设计了一种新颖的防御与追溯框架，该框架主要由模型聚类、初步防御和细化防御三个模块构成，构建多层纵深防御体系，保护联邦模型安全，并在源头上主动追溯攻击者。我们设计面向神经网络的无监督层级聚类算法，消除了神经网络中隐含元素置换不变性的影响。根据类内代表模型在聚合过程中的贡献度确定其可疑度，并以动量思想将可疑度绑定每个客户端，并结合历史用户行为对攻击者进行定位。我们的防御框架可以自主评估模型贡献度，自动确定可疑度动态划分阈值，并在图像、文本等多源数据集上达到了 100% 追溯率，实现了零漏检，零误检。 目前，成果性能已经过多方测试和验证，代码已部署在华为自研深度学习框架MindSpore 中，进一步为广大开发者所用。

膜识别技术的应用 1.基于深度学习的虹膜识别算法性能达到国际先进水平； 2. 虹膜图像采集采用全自动自适应技术，可以自动寻找虹膜，自动聚焦，在中远距离范围实现了高用户友好性。 系统的性能远高于市场同类产品； 3. 整套系统成本很低，远低于市场同类产品，非常适合大规模应用 。