为了提高学生的动手能力和创新能力，提高实验教学质量。北京润尼尔网络科技有限公司针对各类大中专院校《数据结构》实验课程,开发出了配套的可在网上开展的基于C/S结构的数据结构实验教学系统。系统由课程实验平台和虚拟实验教学管理系统两部分组成，课程实验平台提供了真实的C/C++数据结构程序编制编译开发环境，可进行C/C++数据结构程序编辑、编译、运行、项目工程的提交、实验报告的编写，虚拟实验教学管理系统提供全方位的虚拟实验教学辅助功能，包括：实验前的预习、实验的开课管理、典型实验案例库的维护、实验教学安排、实验过程智能指导，实验结果的自动批改、实验成绩统计查询等功能，为实验教学环境提供服务并开展应用。 通过大量数据结构实验知识点的训练题目，以及系统综合的训练，能够快速提高学生对数据结构的理解能力和实际动手能 力。同时，能够很好解决开发学习中关键学习点掌握的问题，该软件可满足各类大中专院校和培训机构C/C++课程的实验教学环节的需要。 系统依据大多数高校数据结构教学大纲提出了12个典型实验案例的训练：  (1) 实验1 堆栈和队列  (2) 实验2 树、二叉树的存储结构  (3) 实验3 树、二叉树的遍历  (4) 实验4 树、森林及二叉树的基本概念练习  (5) 实验5 线性表  (6) 实验6 开发一个可应用于双向链表的Bidirectional Iterator  (7) 实验7 Linked类的进一步扩充  (8) 实验8 List类的另一种设计和实现  (9) 实验9 Binary Search Tree的平均树高  (10) 实验10 查找、排序的应用实验  (11) 实验11 冒泡排序实验  (12) 实验12 初​始​化​队​列​+​入​队​列​+​出​队​列​+​销​毁​队​列 除上述实验之外，用户也可以根据教学需要自主添加典型实验。 系统用户分为学生、教师、教务管理员和系统管理员四种角色，不同角色拥有不同权限。  ►学生：选课、选择实验、开展实验、接受实验指导、在线提交实验报告、保存和提交实验结果、查询实验成绩和批语。  ►教师：典型实验库维护、发布实验、安排实验、批改实验报告、系统指导、统计并发布学生的实验成绩和批语。  ►教务管理员：课程计划、开课计划、选课日期设置、开课审核、开课查询。  ►系统管理员：用户管理、分组管理、角色管理、权限管理、系统维护等。 性能指标 支持同时在线用户数1万人以上，经过在多所学校的实验教学应用，系统运行稳定，不限终端用户数，完全能满足各类高校的实验教学需要。 服务器运行环境 操作系统：Windows Client/Server，Linux/Unix Server 环境支持：JDK1.6_25 客户端运行环境 操作系统： All Windows系列

非结构化数据中台，能够让业务产生的海量非结构化数据也能够得到有效利用。非结构化数据中台以数据架构为底座，以人工智能来驱动，打通数据孤岛，统一管理并处理、分析非结构化数据，让数据赋能业务，实现数字资产管理、内容自动化、知识运营、业务合规性管理。 非结构化数据管理平台采用分布式架构，实现对海量非结构化数据的采集、存储、处理、索引。实现对非结构化数据的抽象、描述、分类、管理、分析、挖掘、监控等。

2020年2月12日，湖南大学联合苏州系统医学研究所、中国国家流感中心和中山大学等单位，成功开发基于分子标记物的流感病毒表型预测平台FluPhenotype，并在国际生物信息学专业权威期刊《Bioinformatics》发表题为“FluPhenotype-a one-stop platform for early warnings of the influenza A virus"的文章进行相关介绍。该文章的第一作者为湖南大学生物学院硕士研究生卢聪毓和博士研究生蔡泽娜，通讯作者为湖南大学生物学院副教授彭友松与苏州系统医学研究所蒋太交教授。 研究人员通过整合流感病毒核苷酸和氨基酸水平的分子标记物，以及基于分子标记物的抗原和宿主等预测模型，开发了快速预测流感病毒的抗原、宿主、致病性、耐药性等多个表型的预测平台FluPhenotype。

西安科技大学煤炭信息技术研究所从2008年开始就对煤炭物流综合管理信息平台着手开始研究，目前此项目技术已经成熟并在全国开始推广应用。成果咸阳、新疆、内蒙等地中取得良好的应用。

办公自动化系统是一个基于J2EE架构的B/S应用软件，用于实现企业和政府机关的办公信息管理及工作协同，它为企业、政府实现数字化协同办公提供了完整的应用平台。 本产品可以满足用户不同层次的办公需求： ①作为信息发布与共享平台:可以根据组织需要建立各种信息发布类栏目，定制显示模板，授权访问控制，实现组织自身的WEB站点建设与管理。为组织提供各类信息的统一发布、共享、查询，方便组织人员从办公平台获得各类信息。②作为内部沟通平台:为组织提供多种高效的沟通工具，可以帮助组织成员快速查找人员信息，增进人员间的相互了解。系统集成了电子邮件、即时通信软件，并可以通过短信接口发送短信，提高组织沟通效率。③自助服务平台：为组织提供多种自助服务工具。通过资源预订类模块，可以实现组织资源的在线预订，防止资源占用冲突，有效利用公共资源。提供待办事宜、日程安排等管理工具，使工作内容触手可及，提高效率。提供考勤管理功能，提高考勤效率，降低组织的管理成本。④业务协同平台：为组织提供多种业务协同应用子系统，可以实现公文签批管理、定制个性的业务签批管理。通过工作流引擎，协调组织人员协同工作，在提高业务处理效率的同时，规范管理，提高工作质量。

产品服务:听神经瘤是一种起源于第Ⅷ对脑神经鞘的良性肿瘤，由于其位置的特殊性，手术治疗极易导致面神经受损，进而引发面瘫，因此需要精准的手术路径规划。本项目开发一种基于深度学习的多模态听神经瘤辅助诊疗技术。我们拟搭建一个听神经瘤辅助诊疗平台，专门针对听神经瘤的诊断、诊治、术后恢复等提供相应技术和服务。项目优势:利用神经网络和3D可视化技术可清晰立体地构建听神经瘤及瘤周多种组织结构，从而实现手术路径的精准规划。商业模式:  1. 提供给医院技术，医院为平台的患者提供诊断和诊治建议。  2. 直接通过平台与患者沟通，提供疾病预防、诊治等建议。  3. 与第三方合作，通过平台为老年患者提供保姆、护理等服务，建立面向患者的线上商城，汇集果蔬、保健品、日常用品等，以及提供健康保险服务。

·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。