一、成果简介 食品是人类赖以生存的物质基础，其安全性直接关系到人类的健康发展。近年来，食品安全受到了世界各国的高度重视。而病原微生物引起的食源性疾病是影响食品安全最重要的因素之一。因此，快速检测与鉴定食品中的病原菌是及时有效控制与预防病原菌传播、预防食物中毒的重要前提。 目前我国对于食源性病原菌的检测、鉴定仍停留在分离培养、形态观察、生化鉴

本发明提供了一种基于可视搜索的媒体交互方法及系统，客户 端对报纸或杂志上感兴趣的内容拍摄得到感兴趣图片，对感兴趣图片 提取特征信息，将携带有特征信息的查询请求发送给服务端；服务端 预存报纸和杂志图片集及相关链接信息，接收客户端的查询请求，依 据查询请求携带的特征信息检索客户端感兴趣图片及相关链接信息， 并将查询结果反馈给客户端。本发明根据用户拍摄的报纸图片，搜索 相应电子版的报刊，为用户呈现其感兴趣的新闻报刊、相关新

由西安交大开元集团自主开发的CMOS可视芯片是目前国际先进、国内领先的视觉芯片，具有集成度高、功能全、体积小、功耗低的特点。以CMOS可视芯片为核心部件的彩色电脑眼是新一代计算机图像输入器件，具有数码相机、电子相册、三维传真、动态录像EMAIL、网络可视电话、视频会议和智能遥控报警等多种功能。该项目已被列入国家高新年技术产业化示范工程。

2024山东CIO年会在济南召开，鼎软天下受邀参会并作主题演讲，分享物流信息化成果和案例，探讨企业数智化转型路径，表示将加强合作，助力山东企业高质量发展。

当前网络安全技术发展的主流是向全息安全(Holistic Security)发展。无论是网关与端点的结合即网络准入控制(Network Admission Control)，还是入侵防御与泄露防范 (Information Leakage Prevention)的共生，无论是无线与有线兼容，亦或信息安全与数据安 全的结合，都是安全防护技术一体化和集成化在不同侧面的具体表现。在这一发展潮流之中， 传统的安全网关也从单纯防火墙的边界保护(perimeter protection)门卫角色，发展到统一 威胁管理(UTM)的区域保护(local protection)首领地位，不但监控经过的各类流量，而 且监控邻域以致虚拟邻域的终端、应用和数据。本项目将自主知识产权的专利技术研究与成熟的工程队伍和技术创新机制相结合，研制 了基于软硬件协同的应用系统，具有完善的多层次协议分析与过滤能力;具备细粒度访问控 制、入侵检测和防御、防病毒、VPN、反垃圾邮件、内容过滤、流量监控、安全策略统一部 署等安全能力。由于单台设备能够承受超过 20G 的系统吞吐量、10G 的安全能力、7G 的内容过滤流量，依照电信 2M 上网带宽的标准，可以为电信提供至少 3500 个用户的接入，效益十分可观。 对于企业来说，通过高性能 UTM 的内容过滤，将大大降低遭受病毒、垃圾、钓鱼等攻击的 危险性，为企业良好的网络运行提供了有力的保障。在 UTM 领域，内容过滤的准确度、内容过滤性能提高和协议兼容性是应用层处理所面 临的共同问题。例如 NAI-McAfee 的防病毒网关每秒最多只能处理几十个电子邮件，防垃 圾邮件处理能力性能更低，其他厂家针对性能的提高提出了各种方案，将性能提升到上百封 的处理能力，但是如何解决慢速网络连接下的协议兼容性和流畅性并未得到改善，局部性能 的提高，并不能在整体上带来好的用户体验。再比如，在 http 协议的处理上，传统代理架 构的方式必将被淘汰，就算在内容过滤上能够做到每秒上 G 的性能，但是代理过程的延时 几乎没有用户可以接受，如何在流的方式下提高并行处理能力，如何在协议允许的范围内提 高反馈能力，都是需要值得延伸的技术研究。应用层安全网关功能的发展呼唤着新的软硬件 解决方案，像 Tarari 这样专门从事内容过滤(特别是 XML 处理)芯片设计的厂商将在短期 内增多并大有用武之地。总之，安全功能在 OSI 协议架构单层上的集成正在完成，多层间 的集成未艾，并需要有新的硬件平台和软件实现来突破性能瓶颈。当前最重要的目标是带动国产 UTM 性能上突破 10Gbps，从而推动国产高端 UTM 产品 的成熟和完善，提高国产高端 UTM 产品的市场竞争力，使自主知识产权的国产 UTM 在高 端市场上逐步占据主导地位，满足国内迅速增长的网络安全产品市场需求，为建设我国信息 安全框架提供基础产品，更好地保障我国网络信息安全。

（一）项目背景 当前，智慧教育具有智能导学、精准推荐、定制辅导、精细评价等特点，已成为国际国内教育信息化发展的趋势。智慧教育的研究主要聚焦于智慧学习环境建设的研究、智能技术支持下的智慧教学研究和机器学习技术支持下的个性化学习研究。智慧教育的出现极大地促进了当前教育中学习空间的重构。在“学习空间”之前，人们通常使用“教学空间”来指代这种场所，将有教学活动的场所均称作教学空间。随着人们对学习过程的理解变化、智慧教育的快速发展以及人们对非正式学习的重视，学习空间逐渐由单一的物理教学空间向包含物理空间、网络空间、移动空间的多元学习空间转变。多元学习空间的提出虽然更多地体现出了“以学生为中心”的倾向，但如何具体衡量多元学习空间对学生学习效果的影响是评价多元学习空间的重要步骤。同时，在多元学习空间具体构建时，面对空间中来源不同、结构多样、数量庞大的多模数据如何进行处理存储、并在保证数据有效性的前提下对教育数据进行隐私保护是多元学习空间需要解决的另一个难点。 （二）项目简介 本项目主要目标是针对信息技术支撑下学习空间多元化、场景复杂、需求多样化，学习者及学习行为呈现出新的特点和规律，研究多元学习空间中学习行为数据化关键技术，构建“云-边缘-物联网”架构的多模态数据存储与处理平台，实现混合式学习环境下学习行为智能感知和数据化，优化学习行为模型，基于实际应用与不同学习目标函数及内容，建立可重复、可预测、可验证的对比数据集，为数据驱动的智慧教育生态构建和教育应用提供核心技术与数据支撑。 （三）关键技术 我们面向智慧教育中准确认知学生的学习状态和行为的大数据需求提出研究方案。本项目实施方案涉及教育学、物联网、云计算、人工智能、隐私保护等多个领域，主要技术路线如图所示： 图 1 技术路线图 其中，项目包括的关键技术主要有以下三点： 1.基于物联网的多模态数据实时智能感知和多时间域数据采集技术 该技术针对学习状态的数据化、特征参数量化问题，设计能够采集多 重学习空间下的智能数据感知物联网系统。主要技术难点在于抽样频率与 识别准确度的平衡、人机交互的变化规律等全新科学问题。 2.学习状态多模态数据解析和智能处理技术 利用智能感知物联网采集实时性的原始学习状态数据，包括面部表情、 脑电信号、头部姿态、交互行为等原始数据，这些数据具有数据量大、模 态多、冗余度高等特点，需要通过智能化的预处理方法转换成可以量化的 状态数据。 3.多层次数据差分隐私保护技术 学习行为数据是学习者被动采集的多方面行为数据，受到日益增长的 具有争议性的数据伦理的制约。该项技术通过数据隐私保护机制实现数据 多层次化的差分隐私安全算法；在保证学习者最大数据隐私性的前提下， 研究满足学习行为分析所需要的数据颗粒度。

神策数据（Sensors Data）隶属于神策网络科技 (北京) 有限公司，其团队四名核心成员均来自百度大数据部，有多年的大数据处理经验。

鹏博士深耕云计算、网络SDN、自然语言处理、情感分析、图像理解，专注大数据的采集存储和信息挖掘，致力于提升各行业的大数据技术创新能力，通过全面的信息可视化、精准营销、新媒体数据挖掘、人群画像等为政务、工业、金融、医疗、交通、建筑、公安等各行业的合作伙伴提供一揽子的大数据解决方案，帮助企业实现增效降损，提高业务能力