本系统由工艺过程生成及其数据库管理系统两部分组成。工艺过程生成模块功能强，具有智能化回转和非回转体零件生成工艺过程模块及超强的工艺编辑修改功能。工艺过程数据库按成组原理组织，查询方便，系统提供了多种查询方法及汉字字典，只需点击的查询项目，就可以同时显示工艺过程。 该CAPP系统适用于单件、小批生产的中小机械制造厂、机械维修车间。

成果简介：由于Oracle 数据库本身安全性的不足，攻击者可能通过非正常 途径来访问数据库，甚至实施缓冲区溢出或 SQL 注入来攻击数据库，从而 造成敏感信息的泄漏，危害数据安全以及系统的安全。为保障数据库以及系 统的安全，在应用系统和 Oracle数据库之间增加一个透明数据库安全加固 系统，所有操作必须通过该系统才能到达数据库，达到加固数据库安全的目的。系统提供强大的在线审计功能，完善数据库安全的防护能力。

成果简介：由于数据库本身安全性的不足，攻击者可能通过非正常途径来访问数据库，甚至实施缓冲区溢出或 SQL 注入来攻击数据库，从而造成敏感信息的泄漏，危害数据安全以及系统的安全。数据库安全审计与防火墙监控 数据库访问，阻断危险操作。 项目来源：自行开发 技术领域： 软件，数据库 应用范围：信息系统、数据库应用系统、数据库安全。 现状特点： （1）程序采用 B/S 模式，通

针对云数据库面临的安全威胁与挑战，在国家 863 计划、973 计划等重大项目支撑下，研发了自主可控的“秦盾”云加密数据库系统，提出了云数据库加密参考结构，设计了自适应可定制的数据库列分级加密方法，在保证系统执行效率的前提下，解决数据库系统面临的信息安全问题。 截止目前，“秦盾”云加密数据库系统已经历三次大版本更新，成功上线建设银行公有云平台，服务于数百家企业客户。 主要技术指标 “秦盾”云加密数据库系统所提出的云数据库加密参考结构具有可扩展性和兼容性，可以兼容多种数据存储系统。所研发的系统具有自适应，能够根据应用需求，实现安全策略的自适应调整；具有高效性，支持大规模的并发操作，百万条记录的数据库执行增、删、改、查等操作时间为毫秒级；系统容易部署，对应用和用户透明。 相关成果 “秦盾”云加密数据库系统有两种部署模式：软件部署和硬件一体化部署。软件部署模式可以基于用户目前拥有的硬件设备 ( 工作站、服务器、云虚拟机等 ) 进行软件部署，加密方式采用软件算法加密；硬件一体化部署则基于团队研发的硬件加密一体机进行部署，用户只需要将上层应用接入硬件加密一体机，即可实现云端数据的加密保护，加密算法采用硬件加密卡进行高效加密。

团队介绍： “链固”数据库系统团队依托西安电子科技大学网络与信息安全学院，学院为中央网络安全与信息化领导小组成立之后全国第一个独立运行的网络与信息安全学院，2017 年以总成绩排名第一的成绩获得了由中央网信办和教育部联合评选的“国家一流网络安全学院建设项目示范高校”称号，2021 年获评国家网络安全先进集体。学院同时建有大数据安全教育部工程研究中心、陕西省网络与系统安全重点实验室等重要的科研平台。 项目概况 （一）项目背景 随着云计算、大数据、物联网、人工智能等新一代信息技术快速发展，数据呈现爆炸式增长，数据资源成为了关键生产要素，是数字经济发展的 “新能源”。数据中心建设已成为大势所趋，世界主要国家和企业纷纷开启数字化转型之路。 数据安全关系国家安全。数据库系统作为数据存储、管理、加工的基础和支撑软件，其安全性与高效性对发展数据中心等新型基础假设，探索以数据为关键要素的新增长方式具有重大意义，是数字经济国家战略的重要支撑。然而，当前数据库存在的数据难以确权，储存单点失效，数据难以共享，数据容易造假，难以操作溯源，数据易篡改等问题。项目组采用 “区块链+传统数据库”双层架构作为突破口，设计开发的自主知识产权的 “链固”区块链数据库系统，抢先进入该领域，相关技术填补了该领域的空白，符合国家的战略需求，在政务、公安、机要、金融、医疗等领域应用前景。 （二）项目简介 “链固”区块链数据库系统，采用基于分布式对等网络的“区块链+传统数据库”的双层架构、基于 Raft 和可验证随机函数的安全高效共识协议、基于共识机制的节点间数据互检以及基于滑动窗口的区块数据保存机制，实现了兼顾安全和效率的区块链数据库系统，提供了可信的数据服务，支撑数据进入资本市场，赋能数字经济。系统实现上核心算法全部做到自主可控，密码学相关算法全面采用国密算法，支持国产CPU FT-2000 系列在内的多款 CPU，支持国产操作系统银河麒麟、中标麒麟在内的多款操作系统。项目已成功应用于中电福富审计系统和中国航天科技集团第九研究院 771所的“云脑”项目。 （三）关键技术 本项目围绕区块链和数据库安全和效率进行研究，突破了如下四项关键技术： 1.设计了基于分布式对等网络的双层数据库系统结构，解决了传统数据系统存在单点失效的问题，建立了基于B+树高效的索引结构，突破了传统区块链架构查询性能低下的瓶颈。 2.提出了基于Raft和可验证随机函数的安全高效共识协议，实现了不完全可信环境下分布式数据库系统记账节点的高效安全选取，满足了海量数据高并发业务对数据高效安全同步的需求。 3.提出了基于共识机制的高效数据自检和互检协议，通过双层数据库架构中顶层和底层的相互联动，实现了数据周期性的防篡改检查和错误修复，满足了企业对敏感数据可信存储的需求。 4.提出了模块化可配置的系统架构，实现了系统功能的可定制和可扩展，满足不同业务场景差异性的安全需求，降低了企业在实际部署过程中的成本。

产品详细介绍            阶段：小学、初中、高中    学科：语文、数学、英语、物理、化学、生物、政治、地理、历史、信息技术应用、安全教育    形式：视频、图片、文字    教材版本：包含全国各地主要应用版本，如人教版、北师大版、浙教版、苏教版等，与当地教学教材高度匹配   结构化资源内容：由浅到深，逐步进阶 课前—自学资源 “学材”区别于“教材”，指的是经过精心加工、适合学生自主学习的教学资源。 课中—点睛题 点睛题是U伴慧学平台特有的教学资源，专门用于让教师即时了解学生对核心概念的理解与掌握状况，目的是培养学生的高阶思维能力。 课后—探究资料 对知识点的补充、拓展、探究性资料，可以引导学生更深入地思考问题，完善自己的知识，解决问题。 练习题库：全过程可应用，知识点的测试题目。

建设消化系统肿瘤的大数据平台，通过整合肿瘤临床信息、影像数据、生物样本库数据、高通量生物多组学的数据，系统地构建消化系统肿瘤大数据，并结合人工智能平台进行大数据的挖掘与分析。该团队基于肿瘤大数据平台开展肿瘤临床诊疗的真实世界研究，探索肿瘤的精准诊断、预后预测和耐药分子机制 徐瑞华教授团队开始着手构建磷酸化定量数据库qPhos。通过收集已发表的定量磷酸化组数据，共整合了199071个磷酸化位点上的3537533个定量磷酸化信息，其中86%的数据来自肿瘤组织样本及相关细胞系。有关定量实验的详细信息，包括实验条件、实验所用的细胞系或样本等数据也纳入了数据库中。对每个磷酸化位点，都注释了实验验证的或潜在的上游激酶，以便理解其分子调控机制。同时，通过整合UniProt，ExPASy和DrugBank等数据库中的信息，对磷酸化位点所在蛋白质的生化特征、上游激酶的靶向药物情况进行了详细的注释，方便查询和使用。       此外，数据库中还开发了qKinAct分析模块，研究人员可以基于自己的定量磷酸化组数据分析得到相应的激酶活性相关磷酸化位点信息，进而分析异常的磷酸化信号通路。因此，qPhos是首个全面涵盖肿瘤和疾病相关重要磷酸化修饰动态水平的数据库，为研究蛋白磷酸化修饰及其动态调控提供了一站式服务。

火灾事故调查是是一项技术性、政策性、规范性、法律性和时效性都很强的工作。由于火灾现场的千差万别，火灾调查这一专业执法工作所涉及的知识面特别广泛，在现场勘查过程中遇到的专业问题又相互交织在一起，加之建筑新材料、新工艺、新技术、新产品的不断涌现，使得火灾现场典型痕迹的发现和识别显得尤为重要。本课题选题从消防部队实际需求出发，以实际火灾现场中的痕迹为主要研究对象，收集提炼玻璃和混凝土等常见材料在火场高温条件下的痕迹特征，以解读痕迹形成的过程和规律，为火灾调查工作的开展提供有力支撑。

项目主要是把贮运厂电气运行数据集成到PHD，并提供WEB浏览，方便管理，实现生产的长期稳定、安全运行，保证贮运厂的经济效益和社会效益的最大化。通过开发专用数据接口，将电气PLC控制系统的相关数据集成到PHD数据库，绘制流程图和制作参数报表和趋势图，通过WEB服务器进行信息发布，经过授权可以进行远程信息浏览。

区块链是实现智慧城市、智慧医疗、电子政务等的核心前沿技术，具有可追溯性、可验证性特点，为生产生活提供强公信力、高透明度、弱中心化的统一数据平台。然而现有的区块链平台存在查询效率低、数据可搜索性差、以及应用开发接口的易用性差等问题。 针对上述问题，项目结合分布式数据库技术，设计实现关系型区块链数据库系统。具体的，如下图所示，项目针对区块链数据的底层存储结构，设计高效的数据转换方法，实现区块链数据的关系模式存储；项目研究关系型交易的链上事务管理机制，构建支持 SQL 的区块链应用开发平台；项目创新区块链数据共享方法，基于分布式关系型数据库的访问控制与事务管理机制，实现负载均衡的区块链数据共享。面向智慧城市、智慧医疗、电子政务等场景，将上述技术突破融入联盟链结构，增强联盟链数据的易用性、可搜索性和数据共享的效率，建立支持 SQL 的区块链数据库系统。目前系统仍处在研发阶段，预计 2021 年底完成研发。 主要技术指标 （1）支持 TPC-C、TPC-H 等数据库主流测试； （2）数据读取效率相较传统关系型数据库损失小于 15%； （3）数据库写效率相较传统关系型数据库损失小于 50%。