天为 piMES 钢铁行业产销一体化管理系统（ TianWei process industry Manufacturing Execution System ，简称天为 piMES ）是专门面向国内钢铁制造企业的专业化软件平台，系统解决了钢铁制造企业经营管理系统与设备控制系统之间产生的信息断层问题， MES 系统上对经营管理系统接收生产计划和技术要求数据，下对生产车间各种自动控制设备进行数据采集，通过 MES 的生产作业计划、物料、质量、计量、成本等系统功能，提高企业订单执行和生产过程控制能力，强化产品质量管理，降低控制成本，提升客户满意度。

我国特钢企业基础自动化水平高但生产管理手段落后、上层管理与底层控制相互割裂、信息不畅通的问题，针对特钢企业的生产特点，大连理工大学 CIMS 中心设计开发了天为 piMES 流程型企业产销一体化管理系统，专门面向国内钢铁制造企业的专业化软件平台，系统解决了钢铁制造企业经营管理系统与设备控制系统之间产生的信息断层问题， MES 系统上对经营管理系统接收生产计划和技术要求数据，下对生产车间各种自动控制设备进行数据采集，通过 MES 的生产作业计划、物料、质量、计量、成本等系统功能，提高企业订单执行和生产过程控制能力，强化产品质量管理，降低控制成本，提升客户满意度。

本发明公开了一种基于移动终端的立体车库泊车管理方法及系统，对用户进行分类，对不同类别的用户差异化管理；对持用终端的注册用户，停车管理包括接收用户请求、车位查询、预约停车、车辆识别、生成引导信息、计时收费、控制停放、车位状态更新；取车管理包括接收用户取车请求、车辆识别、计时收费、车位状态更新；对于持用终端的未注册用户，停车管理包括车辆识别、生成终端与车辆对应关系、生成引导信息、计时收费、控制车辆停放、车位状态更新；取车管理包括车辆识别、收费识别、车位状态更新等；针对无终端用户保留传统车库立体停取车的人工管理方式。本方法基于当前立体车库的总体结构和运营模式，简化并优化了立体车库停取车管理。

开发的工程风险分析与应急管理软件系统具有自主知识产权、可替代进口，与国际同类先进软件相比，具有适用范围广、计算模型先进、环境平台适应性强等优势。

本发明公开了一种基于射流冲击冷却的航空器热管理系统，涉及航空器热管理散热系统技术领域，包括设备舱，所述设备舱的内侧多个放置板，相邻的两个所述放置板之间放置有芯片组，所述放置板的内部开设有冷却槽，相邻的两个所述放置板之间设置有风冷组件，所述风冷组件对芯片组进行降温。本发明通过安装有风冷组件，风冷组件能够在利用风机产生气流，将液氮通过细管限制在通风孔处，使通风孔处的空气成为冷空气，气流经过冷空气区域吹向芯片组，通过调节通风口的朝向，能够对芯片组进行精准散热，提高散热效果。

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。 

人样安全激光测距技术主要应用于大气层内的长距离高精度激光测距，其主要应用领域包括火控系统，激光雷达，目标跟踪，测高仪。

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。

2011年，苏州市交通局在全市范围内进行桥梁检测和安全隐患排查整治工作，我校承担了苏州地区国、省干道公路桥梁、苏州城区部分中小桥梁及各辖区、市5000多座农村公路桥梁的安全隐患排查项目。 此次排查主要内容包括桥梁基础安全隐患、主要承重构件安全隐患、护岸防护设施是否完好有效、有无影响桥梁安全运行的其他隐患，对所有桥梁进行了技术状况评定，建立了基础技术档案。为苏州市公路桥梁的养护、维修提供了可靠的技术支撑，确保了桥梁运行安全。