执行标准：GB/T 50082-2009，JTG 3420-2020 混凝土的碳化作用是指空气中的二氧化碳与水泥石中的氢氧化钙在有水存在的条件下发生化学作用，生成碳酸钙和水。碳化过程是二氧化碳由表及里向混凝土内部逐渐扩散的过程。碳化对混凝土最主要的影响是：使混凝土的碱度降低，减弱了对钢筋的保护作用，可能导致钢筋的锈蚀。碳化还会引起混凝土收缩（碳化收缩），容易会使混凝土的表面产生细微的裂缝。 NELD-CA070型混凝土碳化试验箱是北京耐尔得公司研发的进行混凝土碳化试验的专用设备。产品采用中文液晶显示，操作简单，全程自动控制，性能完善。

NELD-SCH型离子浸出试验箱是耐尔得公司受清华大学委托研制开发的科研产品，本试验设备主要用于对试样进行单面恒温恒湿试验，在单面恒湿恒温到一定时间后，测量单面离子浸出物质量。产品温湿度可以自由设置，结构紧凑，箱体耐腐蚀强，测量稳定性高，经久耐用。 耐尔得接受不同用户的不同需求，并可以快速、科学地完成定制开发。

NELD-CSTM混凝土冲刷试验机是根据《水工混凝土试验规程SL/T352-2020》和《DL/T5150-2017水工混凝土试验规程》所规定的技术要求而设计的，利用高速离心力旋转叶轮转动水流冲击混凝土内环表面，以测定混凝土表面抗水流冲击磨损能力。客户可任意调整冲刷流速(10m/s∽40m/s)及冲刷时间。由于成型试件较重，产品采用液压升降试件箱的方式进行装卸，大大减轻人工吊车协助，试验箱内采用制冷循环系统实现试件箱体温度的控制(目标温度可设定)，该设备是测定各类混凝土内表面高速抗水流砂冲击磨损能力的专用仪器。全自动升降试验箱体设计国内首创。

随着电子政务、电子商务的发展，信息技术已经渗透到政府日常运作的每个环节，“无纸化”办公已成为发展趋势。信息技术的应用极大地提高了工作效率，但也带来安全上的巨大风险。每年都有大量因网络攻击、存储介质的保管不善或在网络中传输过程数据被截获或篡改等造成的失泄密事件，不仅直接威胁到国家的安全。妥善解决文件数据的安全成为政府和社会关注的重点和亟待解决的问题。 在网络条件下实现电子文件的安全共享是一项复杂的系统工程，也是国际性难题。为此，本项目将以我国自主发明的CPK标识认证系统为基础，开发完成基于CPK技术的安全文件服务系统。通过将文件的使用控制管理及对文件的数据加密两种手段紧密结合，构建起一个从服务器到客户端，涵盖存储、传递到使用各个环节，集文件加密、访问控制、授权管理、动态密钥交换、过程审计、动态跟踪为一体的保密文件数据管理体系，不仅能够能保证文件在存储状态下和网络传输过程中的安全，还可以通过数字签名保证文件和数据的真实性、完整性和不可抵赖性，实现数据、文件密码级的安全存储、传递和共享。 基于CPK技术的安全文件服务系统可应用于政府，实现内部机密文件的安全存储和共享，有效地解决当前各单位最担心的机密文件和数据的丢失问题。同时，该项技术也可以扩展应用到数字版权管理、视频点播、虚拟资产保护等领域，对发展教育娱乐等产业，保护知识产权具有重要意义，是一项经济价值和社会价值都非常大的技术项目。具体操作方式是全密化、私密化，防窃取、防扩散，密钥交换过程不需要服务器内对文件数据进行加、脱密操作，保证了系统的高效运行；采用认证登录防止非法接入，通过对登录用户，文件阅读、批阅等进行详细记录和安全审计，及时发现和制止非法操作，一旦出现问题可进行责任追溯；提供用户端的文件保密（利用自身的标识对文件加密）和用户间的安全信息交互功能（利用对方的标识加密）。

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。

·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。

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。