随着P2P（Peer-to-Peer，即对等连接）技术的迅速推广和普及，基于P2P技术的文件共享、音视频直播/点播、网络游戏、协同处理和深度搜索等各类应用大量涌现，而其中的安全问题尤为突出，给网络运营商、网络监管部门带来了新的安全问题和管理挑战。 目前，已经存在一些使用P2P特征码的方式对P2P应用进行识别和控制，当前对P2P应用进行识别的方式不少采用X86平台+Linux操作系统，使用纯软件的方式进行识别和控制，但是由于X86平台自身的性能瓶颈，使得在千兆网络环境中很容易形成性能瓶颈，不仅影响网络通信质量，也使得对P2P应用进行识别时达不到应有的效果。网阀项目组通过对目前架构中出现的问题的研究，找到当前X86平台中的缺陷，并针对该缺陷，提出了使用FPGA卡，在硬件级对P2P协议进行识别和控制。这种软硬件相结合的方式，解决了传统的X86平台中的瓶颈问题，使得系统的整体性能得到了很大的提高。 针对目前市场上的需求，我们在对P2P应用进行识别和监控的系统中增加了带宽管理、流量清洗以及日志统计等功能，实现了对网络进行有效管理的功能。另外，通过对多核技术的研究和应用，对操作系统及网络协议栈的优化，使系统更能够满足在高速网络中的性能需求。 1. 支持对多种P2P应用及其传统网络应用的分析、识别 2. 基于P2P应用的网络带宽管理 3. P2P流量统计与分析 4. 远程管理和维护 5. 面向对象的管理机制 6. 多级权限管理功能 7. 账户锁定保护功能 8. 独立、强大的日志功能 9. 快速的P2P协议/应用分析响应机制 10. 智能升级功能 11. 支持两种工作模式 12. 支持ByPass功能 13. 串口控制台功能模块 14. 支持配置参数的导处和导入功能 15. 支持状态监控功能 16. 利用FPGA实现高速协议特征识别； 17. 在高速网络应用识别和控制的系统中增加了带宽优化技术； 18. 使用流量清洗，能够对网络中的异常流量进行清洗过滤； 19. 实现高速网络环境下的各种应用协议的流量统计、排序； 20. 实现基于主机的流量统计、分析，并实现TOP-n排序等功能； 21. 对Linux内核的网络协议栈进行优化； 22. 采用多核技术实现高速网络数据处理。 “P2P应用监控关键技术研究及系统研发”获得2008年度四川省科技进步奖二等奖。 该系统的前一代产品（基于纯软件实现）在取得公安部销售许可证的情况下，已经在学校、政府以及一些高信息化的事业单位进行应用。而软硬件结合的网络监控与带宽管理系统也将一步步替换前一代的纯软件平台，并将进一步的部署在党政、电信、教育、企业等行业。该系统投产条件要求不高，可以根据市场情况调整生产能力。需要的生产能力是装配工业控制计算机及软件（初期可以采用硬件装配外包的形式）。

项目简介：目前，基于互联网的搜索系统，主要依赖于GOOGLE、BAIDU等搜索引擎，这类搜索引擎功能强大，但在同一关键词中，所搜索的结果往往多达几千条甚至几万条或更多，在如此多的结果面前去寻找自己想要的结果，其难度那是可想而知的。另外，由于这些搜索引擎反馈的信息以关键字为线索，导致反馈结果完全可能与用户希望查找的结果相关度不大，反馈大量无用信息。 本项目研究使用主题爬虫技术建立分布式爬虫，采用精准搜索技术对互联网上的包含特定信息的网页进行抓取和存储，并采用自然语言处理技术和文本挖掘技术对抓取的网页元素进行智能分析和智能抽取，然后将包含特定主题的精准信息呈现给用户。形成的项目产品内容如下： 1. 部署、研发基于主题的互联网精准搜索咨询服务系统平台。在互联网上部署精准搜索系统，由用户提交需要搜索的主题，帮助用户建立、完善基于主题的描述库，用户只需简单地提交搜索指令，则通过平台获取及时、全面、精准的搜索结果； 2. 开发互联网精准搜索软件系统。供一些特殊用户群自己部署系统，独立获取所需要的信息。协助用户自行部署，并为用户建立特定主题的描述语义库，用户可根据搜索主题扩展、定制主题描述库。 建设投产条件：本系统为软件系统，因此应用本系统的推广和维护条件非常简单，只需软件开发环境、4台服务器，以及10M以上的网络带宽。如果要提供信息搜索服务，则需要分布式部署服务器，该投入可以根据具体市场规划、预测进行预算。 主要技术指标：由于一些特殊的用户群体，他们所关注的主题信息较为敏感，这样，他们的系统往往要求单独部署（如军队、安全等行业）。此类用户以一套软件系统销售25万元计算，2011年市场拓展期，销售系统10套，销售收入250万元；2012年销售系统20套，销售收入500万元。另一类用户直接为其提供特定主题的信息搜索服务，以信息服务的方式为其提供产品。 应用范围覆盖国家各职能机关、金融、企业、军事、科研等不同行业，为相关行业提供特定主题的情报/信息获取，如：交通、环保、金融、水电、公安、安全、教育、国防等各行业及单位，以及与民生相关的各个行业。项目目前已进入产业化阶段，成果权属为我校独自拥有。

智教高校报修管理系统优化校园设施维修流程，提升服务效率与质量，满足学校师生及后勤管理部门的需求，维修完成后，能对维修服务质量（如维修效果、维修人员态度）进行打分评价，并可填写反馈意见，以便学校改进服务。 教师、学生可以通过手机端，点击报修服务、我要报修后，可以根据实际报修情况进行问题描述、上传图片等。学生可以实时跟踪维修进度，并对维修结果进行线上打分、评价。

为满足安保行业对移动无线视频传输的需求，清华大学利用在数字电视广播技术领域的长期积累，研发成功可变带宽无线多媒体传输系统。该系统采用清华大学自主发明的 TDS-CP-OFDM 技术，可在 3~20 公里范围内将一路高清晰度的现场图像和声音实时回传， 具有移动速度快、抗干扰能力强、绕射能力强、覆盖范围大、图像清晰流畅等特点，已广泛 应用于公安、消防、武警、电视台等行业，在安全保卫、抗震救灾、新闻报道等领域发挥了 重要作用。通过在城市制高点设置接收基站，在移动的车辆上安装车载发射机或由单人背负单兵发射机，将摄像机拍摄的现场图像和声音实时地传送到接收基站，再通过光缆将收到的图像由基站传送到指挥中心，使指挥员在第一时间了解现场的实时情况，及时进行指挥和处置。

本发明公开了一种 MapReduce 带宽优化方法，包括：在 Hadoop 作业提交后，OpenFlow 控制器根据 JobTracker 发送的任务执行节点信 息，通过 Map 中间值路由策略确定执行 Map 中间值合并任务的节点， 更新对应流表项，并发送至 OpenFlow 交换机，OpenFlow 交换机通过 安全通道对其接收并安装，然后对接收到的数据包进行流表项匹配， 若其与合并 Map 中间值行为类型匹配，则对 Map 中间值进行合并。本 发明通过结合 OpenFlow 和 Hadoop，利用 OpenFlow 交换机的数据处 理能力，对 Map 中间值，即经 map()函数作用后得到的中间元组数据 提前进行合并处理，从而大大缓解了数据迁移过程中的网络拥塞问题， 显著提高了 Hadoop 工作效率。

可以量产/n该项目公开了一种基于带宽需求的多径路由技术，大概包括：源节点在没有到达目的节点的现成可用路由并且有足够空闲带宽时，发送RREQ 消息；中间节点有足够空闲带宽时，更新并广播RREQ 消息；目的节点首次收到RREQ 消息并有足够空闲带宽时，添加新路由到反向路由列表，目的节点重复收到RREQ 消息并且新路由为新的节点不相关路由时，添加新路由到反向路由列表；目的节点选取列表中的三条为活动路由并向活动路由的反向路径

1 成果简介为满足安保行业对移动无线视频传输的需求，清华大学利用在数字电视广播技术领域的长期积累，研发成功可变带宽无线多媒体传输系统。该系统采用清华大学自主发明的TDS-CP-OFDM 技术，可在 3~20 公里范围内将一路高清晰度的现场图像和声音实时地回传，具有移动速度快、抗干扰能力强、绕射能力强、覆盖范围大、图像清晰流畅等特点，已广泛应用于公安、消防、武警、电视台等行业，在安全保卫、抗震救灾、新闻报道等领域发挥了重要作用。2 技术指标工作频率范围： 300~850MHz 或其它工作判断频率步进间隔： 166KHz发射功率： 10W（车载发射机）、 1W（单兵发射机）接收灵敏度：优于-102dBm带宽： 1/1.33/2/2.67MHz 可调覆盖范围： 10~20 公里（车载）、 3~5 公里（单兵）视频编码方式： H.264/MPEG-2图像分辨率： D13 应用说明通过在城市制高点设置接收基站，在移动的车辆上安装车载发射机或由单人背负单兵发 射机，将摄像机拍摄的现场图像和声音实时地传送到接收基站，再通过光缆将收到的图像由 基站传送到指挥中心，使指挥员在第一时间了解现场的实时情况，及时进行指挥和处置。4 效益分析目前已经完成设备的定型。单台硬件成本约 1 万元。

本技术成果为一个功能模块，可以嵌入到一块硬件板卡或者一个网络测量设备之中，形成一种网络测 量硬件产品；也可以集成到其它网络应用系统之中，扩展和改善网络应用系统的网络、路径、链路选择的 能力。

本发明公开了一种适用于云游戏场景的带宽优化方法及系统， 系统包括位于服务器端的指令代理模块、状态管理模块、模型优化模 块和网络传输模块，指令代理模块截取游戏进程中调用的指令及数据； 状态管理模块处理所述指令和数据，若指令为设备相关指令，则对客 户端设备进行状态查询和设置；若指令为模型相关指令，则将指令和 数据放到对应模型的数据结构中，并在模型渲染之前，通过模型优化 模块简化模型；模型优化模块从所述指令和数据中识别场景

本项目聚焦于锂电池管理系统在智能化监测与预测中的关键痛点，尤其拟面向电池容量衰减预测、SOC/SOH估计不准、电池剩余时间不准确、MAP/SOP估算等方面。通过引入人工智能算法，构建融合机器学习与深度学习的电池状态预测模型，拟实现高精度SOC（荷电状态）与SOH（健康状态）估计的优化，提升电池管理系统的智能水平与安全性。 解决方案方面，项目基于实地检测磷酸铁锂电池充放电数据构建训练集，采用轻量级线性回归模型及改进型人工神经网络进行建模优化，并结合特征工程技术提高预测精度。同时，设计适用于边缘计算的部署方案，使模型可在BMS嵌入式硬件平台实时运行，降低对计算资源的依赖。 在竞争优势方面，项目成果具备算法轻量化、部署便捷、预测准确度高、兼容性强等特点，特别适用于电力储能、电动汽车等对安全性和可靠性要求高的场景。相比传统BMS方案，该AI算法可显著提升电池使用效率与寿命，精准估算SOC/SOH，降低维护成本。 目前项目成果已在合作企业内部储能设备中开展应用测试，初步反馈表明荷电状态预测准确度提升40%左右，电池健康度准确度提升40%左右，系统响应及时，具备较高实用性和推广价值。专家评审一致认为，该项目在智能电池管理系统方向具有较强的创新性和实际应用前景。