面向物联网、电子信息及计算机专业教学。包含硬件设备、软件平台和教学资源库的完整教学实验体系，可应用于相关课程的原理展示、动手实验及综合实训。

产品详细介绍1.系统方案ANSYS高精度自动驾驶仿真验证平台提供了基于物理的三维场景建模、基于语义的道路事件建模、基于物理光学属性的摄像头和激光雷达的仿真、基于物理电磁学属性的毫米波雷达的仿真，从而实现多传感器、多交通对象、多场景、多环境的实时闭环仿真。其主要功能如下：1)开放式交通场景编辑模块，自定义设定道路和交通场景，可以自定义设定道路两旁的建筑物，绿化带等等；2)可以根据用户需求，自定义设定道路场景上的交通流，可以自定义设定道路上来往的车辆，行人和交通指示灯；3)可以根据客户需求，自行设定主动驾驶（或算法控制车辆）的车辆动力学参数；4)支持高精度的三维场景仿真和基于环境光的模拟；5)支持高精度的物理属性的传感器仿真，包括毫米波雷达的仿真、摄像头的仿真和激光雷达的仿真；6) 此外，考虑到能更加逼真地反映“人—车—路”在环仿真测试，该平台还提供了开放的接口，可以与实物传感器、VR设备、控制器、各类测试数据进行无缝的联入，从而更好的满足不同级别、不同目标的测试仿真要求。2.      系统构成下面分别介绍本平台各模块的构成。2.1.自定义道路环境ANSYS自动驾驶仿真平台提供了一套自定义道路场景的设计工具，具备直道、弯道、曲线等设计能力，支持道路宽度、长度、半径、方向、车道数量、车道方向、车道限速、车道类型等的编辑。同时，该设计工具支持高架等不同高度道路以及不同坡度倾角、道路交叉口、匝道、并道等的定义。还支持车道线的自定义化建模，包括单线、双线、实线、虚线、车道线纹理、颜色等一系列车道线类型。同时，软件集成丰富的环境模型库，如树木、建筑物、交通标识、路灯、电线杆、绿化带、动物，施工路段障碍物和设施、交通行人等对象模型，可根据用户需求对道路场景进行快速建模。除了自定义场景外，ANSYS自动驾驶仿真平台还支持导入OpenStreetMap等3D高精地图，自动生成与地图匹配的道路模型。2.2.自定义交通场景ANSYS自动驾驶仿真平台还提供了快捷的基于语义的道路交通流设计，包括车道行驶规则、车辆及行人行为、交通指示牌行为，以及某一时刻各交通对象交通行为的精确数据输出。此外，交通对象的行为也可以人为定义，包含如车辆驾驶行为、突然变道、突然加速、行人乱闯红灯和人行道等一系列场景的仿真，同时软件内部车辆和行人之间可自定义交互与否，即可仿真自动避让行人和忽视行人发生碰撞等行为。软件内嵌脚本语言定义，同时也支持如Python，C++等语言的接口控制来定义交通行为。如下图所示，为通过语义级的脚本语言来定义车辆和行人等交通对象的行为。2.3.构建车辆动力学模型除了上述的道路场景以及交通流的搭建能力之外，ANSYS自动驾驶仿真平台同样提供了基于总成特性的车辆动力学模型，并提供了以下性能参数的配置：底盘参数，如长宽高、轴间距、重量等；性能参数，如最大时速、引擎转速等；转向参数；轮毂参数； ……同时，软件还提供了各类特性参数的预定义实验数据，方便用户对所定义车辆的特性进行快速的测试验证。相关的实验数据有：加速特性实验数据；刹车特性实验数据；转弯特性实验数据；方向盘特性实验数据；侧风实验数据；障碍物和转弯实验数据；……ANSYS自动驾驶仿真平台还支持外部车辆动力学模型的导入和集成，如CarSim车辆动力学模型，以及用户自研的车辆动力学模型。2.4.基于物理真实的三维场景建模在无人车辆的物理仿真中，除了前述关于道路场景，交通流以及车辆动力学模型的建模能力外，ANSYS自动驾驶仿真平台的最大特点和优势在于提供基于物理真实的三维场景建模和ray-tracing的图形算法。使得上述的场景的构建与物理真实达到一个高匹配度，以此对无人车中传感器的感知和后期控制算法的验证提供了很好的准确性和真实性，以减少场景搭建的缺陷所带来的传感器和感知算法的决策错误。在整个基于物理真实的建模平台搭建中，ANSYS 自动驾驶仿真验证平台会通过对以下物理真实参数的定义和基于ray-tracing的图形算法来保证仿真的准确性和真实性：环境光源的定义，包括：天空的照度值； 基于经纬度的太阳光的照度和位置定义；环境场景中各种点光源以及面光源的定义（光谱+IES+XMP）；车辆照明系统的光源定义（光谱+IES+XMP）；环境场景中包括道路，建筑，车身等一系列材料表面光学属性的定义。其中各个光源的定义通过导入相关定义文件，如下图所示：如前述所讲，材料表面光学属性通过ANSYS开发的一套OMS材料物理光学属性BRDF测量仪硬件设备，对用户所需仿真的场景材料库进行探测，并将探测所得材料表面光学属性BSDF函数附在前述场景建模的所属材质表面，从而在ray-tracing的图形算法下仿真得到一整套完整的考虑外部环境光以及物体表面光学属性的物理真实的三维场景建模。同时ANSYS自动驾驶仿真平台还提供丰富的材料库供客户场景建模使用。2.5.基于物理真实的多传感器模型融合和系统级仿真在无人车辆中，除了前述ANSYS自动驾驶仿真平台能提供的基于物理真实的场景建模能力外，同样集成了包含摄像头，激光雷达和毫米波雷达的感知系统模型仿真。可以实现物理级的实时动态仿真，即在基于物理真实的道路场景以及交通流定义完成，添加环境光源以及材料表面光学属性后，通过搭建智能驾驶模拟器来实现感知系统的动态实时仿真验证，研究环境以及交通流对感知系统的影响。同时，ANSYS自动驾驶仿真平台还支持如C++/ANSYSSCADE/SIMULINK等外部接口的控制算法来对传感器的输出进行数据处理和验证，包括SIL, HIL等多级别仿真验证。1)      基于物理的摄像头系统级仿真在基于物理的摄像头系统级仿真阶段，ANSYS自动驾驶仿真平台通过定义摄像头的如下物理参数得到RAW图像用以对摄像头供应商进行验证或者硬件在环系统的仿真验证。摄像头系统级仿真参数模型参照EMVA1288标准建模，主要包含： 镜头模型镜头材料； 焦距；孔径光阑；镜片透过率函数； 畸变等；成像仪模型分辨率；尺寸；曝光时间； 噪声系数；量子效率；增益等；处理器模型 摄像头位置风挡参数入射角；折射率；厚度；透过率函数等。基于以上物理参数的建模以及对场景环境光源的考虑和材料表面光学属性的影响，在系统级仿真中摄像头输出与真实匹配度高度一致的RAW图像。如下图所示ANSYS自动驾驶仿真平台的摄像头实时输出提供给感知算法的车道线识别。2)      基于物理的激光雷达系统级仿真类似于摄像头的系统级仿真，激光雷达的系统级仿真通过准确定义的激光雷达参数，通过发射和接收生成的点云图对用户构建的场景和交通流进行感知探测并验证相关感知算法。支持多种激光雷达模式（扫描式，旋转式）。激光雷达的建模参数包括：扫描式最大和最小探测距离； 横向视场角；纵向视场角；分辨率等；旋转式最大和最小探测距离；旋转速率；最大线数等；如下图所示为ANSYS自动驾驶仿真平台的激光雷达实时探测深度图与摄像头输出RAW图像相匹配。3)      基于物理的毫米波雷达系统级仿真毫米波雷达的系统级别仿真通过ANSYS特有的ROM降阶技术，以HFSS软件为模拟工具，可以通过内嵌接口工具与ANSYS自动驾驶仿真平台结合实现毫米波雷达与摄像头和激光雷达的同步实时仿真，得到雷达回波的成像结果并进行分析。2.6.实时闭环仿真系统如前述通过对环境、场景、交通流的建模构造出无人车辆的运行场景和轨迹，同时耦合如摄像头、激光雷达和毫米波雷达的感知系统的仿真，通过开放的API接口，可以方便的进行外部自动驾驶算法的集成。从而形成实时闭环的驾驶系统仿真。2.7.基于物理的智能头灯照明仿真系统随着智能驾驶辅助系统（ADAS）的逐渐普及和行业发展，车辆智能化头灯照明系统也逐渐成为当前行业的发展趋势和应用热点。ANSYS自动驾驶仿真平台Headlamp模块通过ANSYS特有的物理级仿真引擎，为客户提供真实的车辆头灯路面光型分布测试和动态驾驶与智能头灯仿真测试。除了前述在三维环境建模中通过ANSYS OMS设备进行材料表面光学属性的采集与赋值外，为了保证接近真实的物理仿真光型，Headlamp模块同样对光源进行仿真模拟，包括车灯光源，自然光光源，路灯光源等。定义方式包含如：光源光强分布IES文件；光源光谱spectrum文件；光源强度等；如下图所示分别为不同光源的光谱分布和车灯光源的IES定义文件。基于环境和光源的物理仿真，可以实现车辆前照灯远光，近光，侧灯的切换以及光强的实时切换控制，同时丰富的光度学分析工具，包含色度学，光度学，等照度线，等照度区域等信息便于分析光分布情况。支持的25米目标墙光分布信息用于分析验证头灯光分布是否符合标准。除了静态光型分布验证，ANSYS Headlamp开放的如C++，SCADE，Simulink的光型数据接口支持客户自定义化的智能头灯开发与验证，同时丰富的动态驾驶模拟和场景仿真也可以帮助客户实现实时的动态驾驶头灯验证，如AFS，ADB，矩阵头灯，像素头灯等智慧头灯的仿真与测试验证，基于IIHS动态头灯测试标准的夜间测试验证。ANSYS VRXPERIENCE 驾驶仿真软件由SCANeR™提供技术支持要满足自动驾驶车辆的严格安全标准，需要测试数百万种情境下的世界、交通和天气的所有复杂交互。物理测试需要数十亿英里的真实环境驾驶，这需要数十年开发时间和巨额成本。ANSYS VRXPERIENCE 驾驶仿真软件由经 AVSimulation验证的 SCANeRTM 提供技术支持。这是一款开放式的可扩展模块化仿真解决方案，用于构建真实度极高的虚拟环境。ANSYS VRXPERIENCE 驾始仿真软件由 SCANeR 提供技术支持，可根据各种目标和性能要求进行测试。它集成了高清 (HD) 地图生成的道路状况与资料库、交通状况、天气情况及车辆动力学等内容。任何自定义车辆模型都可以通过 FMI、C/C++、ANSYS Twin Builder 或 Simulink 进行连接。SCANeR 支持的 VRXPERIENCE 驾驶仿真软件还集成了所有驾驶员硬件模拟器界面，帮助打造出最具真实感的驾驶体验。SCANeR是一个全面的交通场景仿真软件套件，专门用于汽车和运输仿真，解决ADAS，自动驾驶车辆，HMI和前灯使用案例的测试和驾驶问题。SCANeR提供构建超逼真虚拟世界所需的所有工具和模型：道路环境，车辆动力学，交通，传感器，真实或虚拟驾驶员（自动驾驶），车前灯，天气状况和场景脚本。它不是一个“黑匣子”工具，而是一个真正的科研实验专用的模块化仿真平台，灵活，可扩展和开放，满足研究人员和工程师的需求。它的多功能性使得整个设置成为可能：驱动模拟器Simulator，模型在环MIL，软件在环SIL，硬件在环HIL。ANSYS VRX平台是一个全面的交通场景仿真软件套件，专门用于汽车和运输仿真，解决ADAS，自动驾驶车辆，HMI和前灯使用案例的测试和驾驶问题。ANSYS VRX平台提供构建超逼真虚拟世界所需的所有工具和模型：道路环境，车辆动力学，交通，传感器，真实或虚拟驾驶员（自动驾驶），车前灯，天气状况和场景脚本。它不是一个“黑匣子”工具，而是一个真正的科研实验专用的模块化仿真平台，灵活，可扩展和开放，满足研究人员和工程师的需求。它的多功能性使得整个设置成为可能：驱动模拟器Simulator，模型在环MIL，软件在环SIL，硬件在环HIL。欧洲2.0旨在满足场景密度要求，同时通过利用SCANeR™的新磁贴系统管理，可以创建有效的场景控制。由于其大尺寸和地形多样性，欧洲2.0提供了许多机会。使用欧洲2.0，您将能够使用各种实验（ADAS的开发，管理事件的研究等），以便在许多移动车辆上快速和长时间驾驶：公路，高速公路，山脉（雪，曲线和银行） ，城市，休息区等由于SCANeR™即将推出的新“国际化”功能，客户可以自动将标志和道路标记更改为其他国家/地区（DE / US / MX）。使用SCANeR™studio的Terrain模式可以轻松导入GIS数据。据外媒报道，ansys宣布与avsimulation合作，将avsimulation的仿真技术与ansys的沉浸式自动驾驶仿真解决方案相结合，加快自动驾驶汽车进入市场的步伐。为了达到严格的自动驾驶安全标准，需要在数百万种场景中，测试自动驾驶汽车与周围环境、交通和天气之间的复杂互动。该测试需要对原型车进行数十亿英里详尽的物理道路测试，花费数十年的开发时间和成本。ansysvrxperience有助于减少物理原型测试，节省时间。它是ansys的沉浸式解决方案之一，结合了虚拟现实功能与物理仿真。使工程师能在日常驾驶条件下，测试、验证以及体验自动驾驶系统和车辆性能，一天之内就能完成数百万英里虚拟测试。vrxperience包括hmi测试、物理传感器仿真（包括雷达、激光雷达、摄像头和超声波）、嵌入式软件控制集成以及前照灯仿真，并与仿真数据管理和系统安全分析连接。avsimulationscaner studio嵌入vrxperience，作为其驾驶模拟器模。avsimulationscanerstudio是一个开放的、可扩展的模块化仿真解决方案。它能创建真实的虚拟世界，使用户在高性能集群或者公共云中，例如微软azure，模拟成千上万种多变的驾驶场景。scaner?融合了高清地图和资产库生成的道路、交通状况、天气条件、以及汽车动力学等。雷诺集成cae & plm工程副总裁olivier colmard表示，“虚拟样机和大规模仿真是确保自动驾驶汽车安全的关键。雷诺车队利用avsimulation及其scaner studio技术，可以在百万种驾驶场景中设计、模拟和测试自动驾驶系统，验证汽车安全性。此次合作有助于以减少物理测试，缩短上市时间，确保安全。”ansys系统事业部副总裁兼总经理eric bantegnie表示，“vrxperience与scaner驾驶模拟器结合，将使原始设备制造商、第一级和第二级客户能够快速追踪三级到五级自动驾驶汽车的创建、集成和认证。此次合作有助于汽车制造商降低开发成本，加快自动驾驶汽车交付进度。”AVSimulation与ANSYS之间的战略合作伙伴关系通过虚拟测试加速了自动驾驶汽车的设计和验证，可在一周内实现数百万英里的数字道路测试。此次合作将AVSimulation的革命性仿真技术与ANSYS的沉浸式自动驾驶模拟解决方案相结合，大大加速了自动驾驶汽车向汽车制造商推向市场的道路。作为其驾驶模拟器模块嵌入在VRXPERIENCE中，AVSimulation经过验证的SCANeR™Studio产品是一个开放且可扩展的模块化仿真解决方案，可创建超逼真的虚拟世界，使用户能够模拟数千种高性能集群或多种可变性的驾驶场景。公共云，例如Microsoft Azure。SCANeR™融合了高清地图和资产图书馆生成的道路，交通状况，天气状况，车辆动力学等。“通过这种合作伙伴关系，AVSimulation和ANSYS提供了惊人的广度和深度的技术，使汽车制造商能够大幅降低开发成本，加快向客户交付自动车辆”，ANSYS系统业务部副总裁兼总经理Eric Bantegnie说。有关官方新闻稿的详细信息：https：//www.prnewswire.com/news-releases/avsimulation-and-ansys-speed-development-of-safe-autonomous-driving-for-automakers-300873669.html

·场景应用 烟感：教学楼挑高普遍很高，设计按照每个烟感保护面积为30平米，烟感采用吸顶安装，均匀布置 于教室内并远离墙壁及空调出风口部位，有条件的升级为无线烟感，可直接接入云平台。 电气火灾：智慧用电设备安装于每层强电井内及配电箱内，可安装有开口式剩余电流探测器及温度传感器。 火灾自动报警系统： 教学楼普遍已安装，可采用传输设备来实现独立系统的集中云平台管理， 消防水及喷淋水系统： 建议采用安装无线压力传感器及无线液位传感器来实现。在每层楼的喷淋管末端放水处安装一个压力传感器，而在消防水池及屋顶水箱都安装压力传感器及液位传感器来达到实时监测其液位高度及压力大小的目的。 体育馆、报告厅是典型的大空间建筑，单体面积大， 空旷，层高很高。针对这类建筑往往光电感烟探测器就起不到探测的作用了，所以在设计时候就采用了诸如水炮，VFD，吸气式等大空间火灾设备。而这些大空间设备都是独立系统，没有接入火灾报警系统。此种情况下，本方案采用取其开关量信号接入用户信息传输设备，并安装智慧用电系统和水系统的方法。 校园安全精细化管理平台由智能终端和系统模块两部分组成，其中智能终端主要为人脸识别测温设备， 系统模块为疫情防控-人脸识别测温管理系统和疫情防控-大数据智能分析平台。 智能人脸测温一体机落地部署，与速通门进行联动，实现校园出入口人员体温身份验证管控。支持多重身份核验（人脸&身份证&校园卡）。 ·服务优势 无感测温 人脸识别同时采集人体温度，并数据上传到管理系统及智能分析平台。 精准测温 实名精准测温：有效测温距离1.0米( 误差± 0.3 ℃)， 并可自定义预警体温值(37.3℃);与人脸识别身份绑定，实名测温。 人脸识别 基于最新人脸识别算法，实现戴口罩也能精准识别。内置数据库，实时完成抓取得人脸归类、比对及结果上传到后台数据库。 实时联动 当体温高于预警值(37.3℃)，可通过大数据智能分析平台进行实时联动预警。 统一管理 实现数据回溯、大数据分析、可视化决策。 团队能力强 团队有近20年的先进智能软硬件及物联网产品设计、系统集成、平台&大数据服务能力和经验，专业的工程勘察、施工、维护能力;可为客户提供从产品定制化，模块化以及一站式服务; 产品实用性强 拥有多项产品发明，实用新型，及软件著作专利;所有软硬件产品均模块化设计，高集成，高品质， 高性能;有持续产品，平台优化及行业数据分析服务能力 客户认知，模式成熟 方案已经成功在上海，江苏，广西，广东等多地部署，涵盖政府，消防以及企事业，“智慧消防项目” 曾获南京政府创新一等奖 资质服务 公司是上海消防协会物联网资质会员;作为上海，南京等多地消防部门认可的资质服务商，积极参与了当地相关的智慧消防建设，并得到了消防部门和客户的认可 ·平台功能 GIS地图子系统提供各系统所需地图的数据源及展示功能。可以在全区地图上展示学校信息、学校安全设备     及各类传感器的分布和状态。 结合GIS地图展现，可对区下辖学校重点区域（门口、食堂、实验室、图书馆、校园周边）实时监控，支持     身份识别、传感报警。

业界首个针对AI在极端和对抗环境下的算法安全性检测与加固的工具平台“对抗样本”成新型病毒，算法安全问题亟待解决随着人工智能技术的高速发展，人工智能在诸多场景正逐渐替代或协作着人类的各种劳动，它们可以成为人类的眼睛、耳朵、手臂甚至大脑。其中，机器视觉作为AI时代的基础技术，其背后的AI算法一直是各科技巨头和创业公司共同追逐的热点。然而在机器视觉诸多主流应用场景的背后，往往也藏着由技术性缺陷导致的算法安全风险。例如，在一些训练数据无法覆盖到的极端场景中，自动驾驶汽车的识别系统可能出现匪夷所思的决策，危害乘车人的人身安全。从2016年至今，Tesla、Uber等企业的辅助驾驶和自动驾驶系统就都曾出现过类似致人死亡的严重事故。并且这类极端情形也可能被恶意制造并利用，发动“对抗样本攻击”，去年7月，百度等研究机构就曾经通过3D技术打印出能让自动驾驶“无视”的障碍物，让车辆面临撞击风险。而以上攻击之所以能成功，主要是机器视觉和人类视觉有着很大的差异。因此可以通过在图像、物体等输入信息上添加微小的扰动改变(即上述故意干扰的“对抗样本”)，就能导致很大的算法误差。此外，随着AI的进一步发展，AI算法模型将运用金融决策、医疗诊断等关键核心场景，这类AI“漏洞”的威胁将愈发凸显出来。近年来，包括清华大学人工智能研究院院长张钹院士、前微软全球执行副总裁沈向洋等均提倡要发展安全、可靠、可信的人工智能以及负责任的人工智能，其中AI的安全应用均是重点方向。而且，AI安全作为新兴领域，在开源社区、工具包的加持下，对抗样本等攻击手段日益变得复杂，相关防御手段的普及和推广却难以跟上。并且对抗样本等算法漏洞检测存在较高的技术壁垒，目前市面上缺乏自动化检测工具，而大部分企业与组织不具备该领域的专业技能来妥善应对日益增长的恶意攻击。从安全测评到防御加固，RealSafe让AI更加安全可控就如网络安全时代，网络攻击的大规模渗透诞生出杀毒软件，RealAI团队希望通过RealSafe平台打造出人工智能时代的“杀毒软件”，帮助企业高效应对人工智能时代下算法漏洞孕育出的“新型病毒”。目前，RealSafe平台主要支持两大功能模块：模型安全测评、防御解决方案。其中，模型安全评测主要为用户提供AI模型安全性评测服务。用户只需接入所需测评模型的SDK或API接口，选择平台内置或者自行上传的数据集，平台将基于多种算法生成对抗样本模拟攻击，并综合在不同算法、迭代次数、扰动量大小的攻击下模型效果的变化，给出模型安全评分及详细的测评报告(如下图)。目前已支持黑盒查询攻击方法与黑盒迁移攻击方法。防御解决方案则是为用户提供模型安全性升级服务，目前RealSafe平台支持五种去除对抗噪声的通用防御方法，可实现对输入数据的自动去噪处理，破坏攻击者恶意添加的对抗噪声。根据上述的模型安全评测结果，用户可自行选择合适的防御方案，一键提升模型安全性。另外防御效果上，根据实测来看，部分第三方的人脸比对API通过使用RealSafe平台的防御方案加固后，安全性可提高40%以上随着模型攻击手段在不断复杂扩张的情况下，RealSafe平台还持续提供广泛且深入的AI防御手段，帮助用户获得实时且自动化的漏洞检测和修复能力。准确度99.99%也难逃被“恶意干扰”，RealSafe高效应对算法威胁 考虑到公众对于对抗样本这一概念可能比较模糊，RealSafe平台特意选取了公众最为熟知的人脸比对场景(人脸比对被广泛用于金融远程开户、刷脸支付、酒店入住登记等场景的身份认证环节)提供在线体验。并且，为了深入研究“对抗样本”对人脸比对系统识别效果的影响，RealAI 团队基于此功能在国内外主流 AI 平台的演示服务中进行了测试。实测证明，“对抗样本”可以极大的干扰人脸比对系统的识别结果，而测试的这几家互联网公司平台开放的人脸比对API或SDK，几乎覆盖了目前市面上很多中小型企业在落地人脸识别应用时的选择，如果他们的人脸比对技术存在明显的安全漏洞，意味着更广泛的应用场景将存在安全隐患。因此，为了帮助更大范围内的企业高效应对算法威胁，RealSafe平台具备以下两大优势：·  组件化、零编码的在线测评：相较于ART、Foolbox等开源工具需要自行部署、编写代码，RealSafe平台采用组件化、零编码的功能设置，免去了重复造轮子的精力与时间消耗，用户只需提供相应的数据即可在线完成评估，学习成本低，无需拥有专业算法能力也可以上手操作。·可视化、可量化的评测结果：为了帮助用户提高对模型安全性的概念，RealSafe平台采用可量化的形式对安全评测结果进行展示，根据模型在对抗样本攻击下的表现进行评分，评分越高则模型安全性越高。此外，RealSafe平台提供安全性变化展示，经过防御处理后的安全评分变化以及模型效果变化一目了然。从数字世界到物理世界 RealAI落地更多安全周边产品随着机器学习模型不断的升级演化，“对抗样本”已经演变成一种新型攻击手段，并且逐渐从数字世界蔓延到物理世界：在路面上粘贴对抗样本贴纸模仿合并条带误导自动驾驶汽车拐进逆行车道、胸前张贴一张对抗样本贴纸在监控设备下实现隐身……因此，除了针对数字世界的算法模型推出安全评测平台，RealAI团队也联合清华大学AI研究院围绕多年来积累的领先世界的研究成果落地了一系列AI攻防安全产品，为更多场景保驾护航。比如通过佩戴带有对抗样本图案的“眼镜”，黑客可以轻易破解商用手机的面部解锁，通过在胸前张贴特制花纹实现在AI监控下的“隐身”，以及通过在车辆上涂装特殊花纹躲避AI对车辆的检测。发现类似新型漏洞的同时，RealAI也推出相应的防御技术，支持对主流AI算法中的安全漏洞进行检测，并提供AI安全防火墙对攻击AI模型的行为进行有效拦截。人工智能的大潮滚滚而来，随之而来的安全风险也将越来越多样化，尤其近年来因AI技术不成熟导致的侵害风险也频频发生，可以说，算法漏洞已逐渐成为继网络安全、数据安全后又一大安全难题。所幸的是，以RealAI为代表的这些顶尖AI团队早已开始了AI安全领域的征程，并开始以标准化的产品助力行业降低应对安全风险的门槛与成本。此次上线RealSafe人工智能安全平台是RealAI的一小步尝试，但对于整个行业而言，这将是人工智能产业迈向健康可控发展之路的一大步。

本项目开发了一种量子保密通信保障信息传输安全条件下的量子安全云智慧考场作弊防控新技术，并成功地开发了量子安全云智慧侦测器屏蔽、量子安全侦测等终端产品， 所开发完成的量子安全云智慧考场技防平台，确保考试安全和公平公正”的明确指示，针对当前无线电作弊的现状和未来趋势，实施有效的考场电子防卫。该系统侦测范围涵盖当前已知的几乎所有无线电作弊设备（包括语音通信、字符通信以及手机/对讲机等），兼具实时侦测、作弊信号识别、作弊信号内容探测、作弊信号还原取证、对作弊信号实施阻断等多种能力。功能全面强大，易于部署，且能够接入考务综合管理平台，通过数据接口链接支持与巡查指挥等其他系统的互联互通和协同工作，是目前业内最先进最完整的高科技作弊防控解决方案。 

校园安全综合管控平台是以移动互联网为载体，结合“物联网”、“大数据”技术创建的校园安全管理平台。系统价值： 学校：校长的安全秘书、安全主任的安全助理，减轻工作负担 教师：在零碎的课余时间参与校园安全工作，安全工作常规化，同时将空间、时间和责任人绑定，细化安全责任学生：以交互式、个性化的方式让新一代接受安全意识，落实安全实践，提高安全意识，减少和预防安全事故发生家长：搭建家长和学校之间的沟通桥梁，家长随时随地获知孩子在学校安全情况，同时参与校园安全建设工

广凌安全文明校园管理平台全面推进高校建设安全文明校园，有效统计高校监控、应急报警、车辆人员管理等校园安全信息化建设情况，辅导完成对“平安校园”考评的咨询工作，实现更高水平的“平安校园”100%全覆盖。

01. 成果简介 随着国民经济的快速发展，机动车辆增长迅速、路面交通任务日益繁忙，国内交通安全形势面临日益严峻的考验。虽然基础应用系统已经达到了较高的技术和应用水平，但也存在着一些问题和不足：各应用系统只针对本系统的数据处理；局限于简单的统计，统计信息都有其局限性，出现“信息孤岛”现象；无法实现数据融合、信息共享，不能为交通运行评估和辅助决策提供依据；不能进行相关系统的协同联动，使之使用在日常工作中；工作效率仍没有显著提高；由于缺少科学管理手段，各交通管理部门，越来越难以适应当前形势的要求。主要表现在：1）信息孤岛问题；2）缺少跨系统信息融合分析及挖掘；3）信息服务、协同指挥及公共服务功能不足；4）公路交通状况管控困难。 本成果团队自主研发的广度学习基础计算系统集成平台提供了一个基于全量多模态数据融合和协同挖掘分析的大数据智能系统支撑框架，可以对在地理、空间上分散的人、设备、环境、事件等进行大规模实时关联和因果分析，以指导复杂态势环境下的指挥行动。这些大数据技术已被运用于交通态势分析和预测，如实时分析城市交通流量与预测等。基于通用的大数据融合智能分析平台，使指挥人员和调度人员能在单一系统内解决所有问题，包括各类交通情报分析（情报报告，事件行为等），关联分析（背景、跟踪、时空、反应等）和预判决策等功能。系统利用统一数据融合服务（UDFS）和统一视频融合服务（MVFS）等技术手段，将跨界多源动静态交通数据进行融合利用，并产生统一的道路交通基础知识图谱（DKG），然后统一提供给拥有计算能力的融合计算引擎基础算力平台（TAIOS），训练和调度各类模型算法（TAIMODEL），生成基础应用工具和基础应用指标，最后通过组合统一用户管理（４A）和统一指挥调度（TBOCC）到具体的业务流程中，构成各类闭环场景应用，从而产生智能、精准的道路交通治理优化方案，提升道路的畅通程度和安全水平。 图1. 数据融合图2. 态势感知02. 应用前景 广度学习基础计算系统集成平台应用于智慧交通领域，其创新成果已在贵州省交通管理局复合型大数据交通态势感知指挥云平台工程建设中得到应用，创造了良好的经济和社会效益。填补了国内在交通管理领域大数据融合应用空白。是提升交通管理的跨界数据融合、功能融合、管理融合、指挥融合的创新型技术。促进了我国交通大数据智能管理建设技术水平的提高，促进了交通管理行业的技术进步。该项目具有广阔的市场前景。03. 知识产权 已申请发明专利9项。04. 团队介绍 本项目以清华-青岛数据科学研究院（挂靠软件学院，以下简称数据院）韩亦舜执行副院长团队为核心。数据院于2017年8月下设交通大数据研究中心，该中心面向国家重大战略需求，专注跨界融合大数据、机器学习、人工智能技术在交通行业全流程数据科学和数据工程的核心技术创新应用研究，在交通管理、交通运输规划与管理、公共交通、物流运输等领域开展跨界大数据融合智能交通应用示范。05. 合作方式 投融资 / 专利许可。06. 联系方式 邮箱：liuc1988@tsinghua.edu.cn、liuyi2017@tsinghua.edu.cn

◎无可挑剔的本底噪声 ◎十路麦克风48V幻像供电 ◎不发言通道电平自动衰减，有效降噪 ◎先进声控电路设计，声控开关自动切换 ◎自动话筒开启，有效抑制啸叫 ◎无损音效处理，声音原汁原味再现 ◎总输出高、中、低音调调节 ◎特有环境噪声消除功能，嘈杂环境清晰录播 ◎匹配录播系统要求，优化输出端口电平，无需经调音台，直接使用 产品介绍：            本会议、录播音频处理平台主要针对精品课堂录播、多媒体教室录播、班 班通互动课堂录播、法庭录播、审讯室录播、本地和远程会议录播等工程应用 针对音频采集和现场扩声的需要而特别研发的音频处理产品。     本音频处理平台根据录播系统工程实际应用需求进行专门研究开发，采用 模块化设计，可以根据不同的工程需要，选配相应的模块组合，为工程需要提 供最适合的应用方案，节约工程投入。为迎合录播系统应用的多样性需求，开 发人员为本平台设计了丰富全面且可调的各类接口和设置，可以衍生出丰富多 样的搭配使用效果，游刃有余的应对各种不同的使用需求，同时也有效避免了 系统平台对其他音频中介调节设备的依赖，如调音台等，节约高效。     本平台具备10路自动混音、针对性的主动环境噪声消除、一流的全自动啸 叫消除、远程主动回声消除等全面卓越的功能，各功能模块灵活配置，您可以 根据具体工程需要，轻松用组合出高效的配置，有效解决在各种录播工程中遇 到的几乎所有的音频问题。     感谢您选用我们的产品，如使用过程中，有任何的意见和建议，或者还有 没法解决的音频问题，请随时与您的销售商联系，向我们及时反馈您的问题， 以便我们不断改进和完善我们的产品。   技术参数：

成果简介：     大型风电叶片一般由复合材料制成的复杂外形薄壁结构，其建模、仿真与设计工作异常烦杂。该项技术采用Matlab平台建立友好的GUI窗口，根据用户输入参数，通过现代全局优化方法，形成叶片气动优化模块，可得到用户需求的最优叶片外形方案；形成诸如ANSYS等通用商用软件叶片有限元模型输入文件和自