成果完成年份：2011年7月 成果简介：本项目是基于windows系统的综合性数据防护系统，拥有数据驱动级隐藏保护与文件彻底销毁等主要功能。本项目由学生自主开发并且参加2011年全国第四届大学生信息安全大赛获得全国二等奖。 项目来源：自行开发 技术领域：信息技术 应用范围：中小型用户机密数据加密保护以及彻底销毁 现状特点：国内领先 技术创新：作为一款综合性数据防护系统，本系统不但拥有常规安全软件拥有的数据保护功能，

Ø 传统的数据库安全系统侧重于权限控制。例如，对表和存储过程的访问。而数据库安全扫描系统所要做的是：对数据库系统进行范围更广的彻底安全分析，找出所有可能存在的潜在漏洞。为了保护数据库的安全，检测出数据库的漏洞，从而保证数据库系统资料的机密性和完整性，有必要有一套工具来实现对数据库进行检测和安全性评估。数据库安全扫描系统的目标就是：针对主流数据库（Oracle、SQLServer）系统进行自动化的检测，以发现数据库中存在的安全风险，并提供可操作的修复建议。数据库安全扫描系统通过创建和执行安全

一种油井数据交换系统，用于实现井上作业平台和井下装置间 的数据传输，包括井上读写器、低频 RFID 标签及井下数据处理子系 统。井下数据处理子系统包括安装在油井管道上的天线、读写模块及公用存储器。井上读写器向低频 RFID 标签写入数据，读写模块读取 低频 RFID 标签中的数据存放于公用存储器；读写模块判断是下传标 签，则将标签中的数据信息发送给井下装置，判断是上传标签，则将 井下装置存放于公用存储器的数据写入低频 RFID 标签，井上读写器 读取该数据。本发明以低频 RFID 标签作为中介实现了井上井下之间 的双向数据传输，通过公用存储器起到数据缓冲作用，使得不需要在 读/写标签的同时对井下装置进行数据分配或者收集，缩短读写数据的 时间，提高系统的可靠性。

麦可思通过对师范类专业认证标准的研究与分析，设计调研评价指标。以结果为导向，基于师范生培养的“出口 - 过程 - 入口”全过程，从毕业生中期发展、应届毕业生跟踪、用人单位评价、教学质量与改进、师资保障、学生成长及生源与招生等维度，对师范类专业人才培养质量进行监测，同时也结合师范认证中关注的校本数据，为专业构建内部质量监测体系及撰写自评报告提供数据举证。

目前的高校，数据中心建设存在的大量的问题，难以满足高校在决策、管理、服务、流程优化、业务创新等多方面的要求。为此，急需进行全面的数据治理。通过数据治理可重复的迭代过程，螺旋式上升模型，实现数据资产的不断沉淀、积累和质量的持续提升。 高校数据中台的建设遵循技术与管理的相结合，贯穿在数据管理的过程中。建立科学有效的数据中台体系，对学校各业务系统和数据中心的数据质量实施全程、全域和全员的管理。将数据质量管理以制度化、规范化的方式落实到数据采集、存储、清洗、生成、转化、传递和使用的各个过程环节之中。 方案优势： 1. 多元化的数据管理，真正实现数据全生命周期管理 通过数据中台及数据治理，定位核心数据，将信息数据通过标准化采集、自动化清洗、共享化整合入库等操作最终实现信息标准管理、元数据管理、主数据管理、历史数据管理、数据资源管理、数据安全管理等多元化数据管理场景，真正实现数据全生命周期管理。 2. 高自由度组合，打破固有局限 以信息化建设为基础，通过数据中台体系，对于信息标准、元数据、公共数据、数据交换、数据质量检测进行统一规划管理，同时所有产品功能模块可独立或按需组合，支持多种自定义模式，突破原有的固定局限，满足用户不同的数据中心建设需求。 3. 数据监控运维一览，实现可持续数据治理 通过统一监控与运维平台，实现主动监控、集中管理的方式，满足对于数据标准、数据采集、数据质量检测、数据内容等可视化监控与一站式管理，降低了人工运维成本，实现运维水平和可持续维护能力的效果。

教育云数据中心解决方案，奠定教育数字化转型基石，资源整合与共享是教育信息化建设的重要课题，而教育数据中心是实现共享，弥合数字鸿沟的重要基础设施。 华为教育云数据中心解决方案，依托领先的服务器、模块化数据中心基础设施，统一管理软件以及可靠的业务连续性保障机制，打造敏捷高效、安全可靠、绿色节能的数据中心。 华为FusionCloud虚拟化技术，提供资源池化、全栈云服务能力，为教育客户提供融合资源池、托管云、混合云等场景下的解决方案，助力教育信息化迈向云时代。华为领先的模块化数据中心基础设施采用模块化架构，UPS效率高达97%，“泊位”建设模式快捷复制扩容，节省初期投资，省50%交付工期。 1.敏捷部署：资源灵活分配，教育业务分钟级上线 2.高效管理：统一管理多校区数据中心，效率10倍提升 3.节省投资：基于OpenStack架构，异构兼容多厂家设备

【应用领域】将研究内容实际应用于“医务通”中，实现医史文献类资源在“医务通”中各项功能的应用。 【技术特点】 针对医用智能手持设备或移动通讯设备中所需信息构建客户端移动数据库以及服务器端数据库。具体分析同构与异构操作系统支持的数据库部署问题，解决数据库数据复制与缓存、移动事务处理等关键技术客户端与服务器端数据同步问题，研究信息检索层次结构、检索结果返回方法，从关键技术和应用实例整理出移动数据库设计应用成果，为其他行业智能手持设备或移动通讯设备提供一个可借鉴的经验，填补技术市场相关知识资源的空白。    【主要技术指标】 （1）数据复制与缓存技术 数据复制与缓存技术是解决移动数据库断接性的关键技术，即在现有DBMS基础上进行修补以适应移动计算。 （2）移动事务处理 针对移动事务的移动性、长事务、易错性以及异构性的特点，进行对数据库的可靠的查询和更新。 （3）数据库构建和部署 由于移动数据库的内容是服务器数据库的一部分，所以联机服务器数据库进行查询时就要考虑到构建的结构。另外移动设备的操作系统有多种，如常见的Windows CE、Symbian等系统。针对不同的系统进行部署时要解决关键的接口问题。 【推广应用前景】 移动数据库技术不但可以应用于医疗行业，如医务人员实时查询、医院查房问诊记录等，还可以配合GPS技术用于智能交通管理、大宗货物运输管理和消防现场作业等。 移动数据库技术将为医疗卫生、制造业、零售业、金融业等领域嵌入式系统与网络应用开辟更加广泛的前景。 【进展情况】 论文3篇、社区儿童电子档案系统演示系统 1套、医务通模拟演示样机 1台、手机客户端1款、计算机软件著作权登记 2项。  

本发明公开了一种群集运动实验数据采集方法及系统，方法包括以下步骤：在实验场景中采集群集运动目标的视频；从当前视频帧中提取目标运动区域；对目标运动区域滤除背景；将滤除背景的目标运动区域与目标灰度阈值进行比较，判定大于目标阈值的像素点为可疑目标像素点，将邻近的可疑目标像素点视为一个可疑目标；将可疑目标与预定目标长度、宽度和面积阈值进行比较，判定可疑目标为个体目标、多目标重合、非目标中的一种；根据历史目标位置、速度和

随着我国社会经济发展和人民生活水平的提高，城市居民对重塑慢行系统、提升城市空间品质提出了更高的要求。共享单车作为一种便捷、高效、绿色的新型出行方式，是解决城市短距离出行和"最后一公里"难题的重要工具。本文以一种新的视角，应用共享单车骑行轨迹数据从骑行行为角度对骑行环境进行研究。以龙岗区为例，首先对街道骑行行为的时空间分布特征进行了研究，发现骑行行为在时间上主要集中在早晚高峰时段，在空间分布上主要集中在地铁和公交的接驳站点和龙

（一）项目背景 当前，智慧教育具有智能导学、精准推荐、定制辅导、精细评价等特点，已成为国际国内教育信息化发展的趋势。智慧教育的研究主要聚焦于智慧学习环境建设的研究、智能技术支持下的智慧教学研究和机器学习技术支持下的个性化学习研究。智慧教育的出现极大地促进了当前教育中学习空间的重构。在“学习空间”之前，人们通常使用“教学空间”来指代这种场所，将有教学活动的场所均称作教学空间。随着人们对学习过程的理解变化、智慧教育的快速发展以及人们对非正式学习的重视，学习空间逐渐由单一的物理教学空间向包含物理空间、网络空间、移动空间的多元学习空间转变。多元学习空间的提出虽然更多地体现出了“以学生为中心”的倾向，但如何具体衡量多元学习空间对学生学习效果的影响是评价多元学习空间的重要步骤。同时，在多元学习空间具体构建时，面对空间中来源不同、结构多样、数量庞大的多模数据如何进行处理存储、并在保证数据有效性的前提下对教育数据进行隐私保护是多元学习空间需要解决的另一个难点。 （二）项目简介 本项目主要目标是针对信息技术支撑下学习空间多元化、场景复杂、需求多样化，学习者及学习行为呈现出新的特点和规律，研究多元学习空间中学习行为数据化关键技术，构建“云-边缘-物联网”架构的多模态数据存储与处理平台，实现混合式学习环境下学习行为智能感知和数据化，优化学习行为模型，基于实际应用与不同学习目标函数及内容，建立可重复、可预测、可验证的对比数据集，为数据驱动的智慧教育生态构建和教育应用提供核心技术与数据支撑。 （三）关键技术 我们面向智慧教育中准确认知学生的学习状态和行为的大数据需求提出研究方案。本项目实施方案涉及教育学、物联网、云计算、人工智能、隐私保护等多个领域，主要技术路线如图所示： 图 1 技术路线图 其中，项目包括的关键技术主要有以下三点： 1.基于物联网的多模态数据实时智能感知和多时间域数据采集技术 该技术针对学习状态的数据化、特征参数量化问题，设计能够采集多 重学习空间下的智能数据感知物联网系统。主要技术难点在于抽样频率与 识别准确度的平衡、人机交互的变化规律等全新科学问题。 2.学习状态多模态数据解析和智能处理技术 利用智能感知物联网采集实时性的原始学习状态数据，包括面部表情、 脑电信号、头部姿态、交互行为等原始数据，这些数据具有数据量大、模 态多、冗余度高等特点，需要通过智能化的预处理方法转换成可以量化的 状态数据。 3.多层次数据差分隐私保护技术 学习行为数据是学习者被动采集的多方面行为数据，受到日益增长的 具有争议性的数据伦理的制约。该项技术通过数据隐私保护机制实现数据 多层次化的差分隐私安全算法；在保证学习者最大数据隐私性的前提下， 研究满足学习行为分析所需要的数据颗粒度。