针对传统的信息安全领域老三件(防火墙、VPN、IDS)已无法满足移动互联网环境、特别是移动云计算环境和云计算环境中的信息安全要求，在系统、全面地分析了移动互联网环境、移动云计算环境和云计算环境中数据安全保护可能存在的各种安全隐患之后，立足于“数据主动防止泄漏”的创新理念，认为“当对用户数据和用户应用数据以密文形式进行存储、传输和访问时，能最大程度地保护信息安全”。为此，项目组围绕这一理念系统地展开移动云计算环境下数据主动防止泄漏的关键技术和技术实现架构的研究，围绕密文的存储、传输和访问针对性地研发出动态透明加密技术、双向双因子认证技术、密文检索调度技术、基于可信计算的密文存储技术，以及面向数据主动防止泄漏的支撑平台研发。支撑平台通过在客户端与云端之间架构数据安全管理层，构筑防止数据泄漏的 3 层防御体系，通过利用所研发的动态透明加密技术对所产生的敏感信息和重要文件实现可选透明加密和强制透明加密，从而实现从源头上确保信息的安全性，实现“事前‘预防’”；通过利用所研发的双向双因子认证技术、密文的可信存储技术、密文的透明调度和访问技术以及外发文件的安全控制管理技术，避免越权访问事件和系统管理人员主动泄密事件的发生，实现“事中‘控制’”；通过综合利用审计追踪技术，对访问日志、用户操作进行监控跟踪，实现“事后‘追踪’”，最终实现数据主动防止泄漏的多级、立体化安全防御。这一技术架构能同时兼顾隐私保护、防止信息泄密的技术要求。 创新要点： (1)动态透明加密技术。在传统强制透明加密技术基础上，实现了可选、动态透明加密； (2)双向双因子认证技术。面向终端设备的物理特征，实现用户与终端、终端与终端之间的多重双向认证; (3)密文检索技术； (4)面向云存储的可信程序操作文件备份技术; (5)通过研究创新、现有技术改进和综合应用多项信息安全技术构筑了一个“事前预防、事中控制、事后追踪”的多级、立体的数据主动防止泄漏安全防御体系。 效益分析： 该技术适用于信息隐私保护和防止信息泄密的多数应用场合；适用于对传统信息安全保护软件、信息安全软件产品的升级改造；适用于传统信息管理系统在向云计算环境、移动互联网环境移植时，同样能保护信息全生命周期的安全。 应用情况： 全部或局部地通过与数家高科技公司合作，改造、升级了若干件软件产品，为公司创造了一定规模的经济效益。

南京智农云芯大数据科技有限公司(简称AgriBrain)是一家专注农业领域大数据分析与人工智能解决方案的高科技公司，基于自主研发的无代码AI平台GrowthBrain、自动化表型引擎PhenoBrain和高精度全基因组选择算法平台GSBrain，旨在为科研、教育和企业用户提供低成本、高效率、智能化的AI解决方案。 GrowthBrain无需编程简单拖拽即可实现海量算法训练和分析，傻瓜式设计无需用户具备算法背景，旨在降低AI应用门槛让用户更专注自身业务领域。PhenoBrain可以使得客户根据自身场景进行快速的本地分析、调用或集成,同时相比业内高昂的表型平台，具备低成本、高个性化等优势；GSBrain中的全基因组选择算法，经三组数据实验数据验证比当前国际开源算法稳定提升 9%~45%，可更高效的进行子代筛选和更精准的指导基因编辑。 公司核心团队由美国上市公司的研发、南农等顶尖高校的机器学习、表观遗传、农学等专业背景成员组成，合作客户包括上海交大、中国农大、上海农科院等知名单位。 

产品详细介绍互联网+大数据智能书柜教学实训系统 一、 概述智能书柜是以智慧图书柜或微型智慧图书馆为载体，可以广泛的在校园、公司写字楼、商场、社区、公园等地方使用，比如放置在校园的各个角落，如教学楼每层走廊、每间教室、宿舍楼等地，无需专门的图书管理员，学生可以随时随地快速方便的进行图书借还操作，而且校园内的所有图书可以随意流通借还，是传统图书馆功能在使用空间和时间上的扩展，是实现阅读无处不在、阅读触手可及的基础平台。互联网+大数据智能书柜是以智能书柜为硬件平台，综合了互联网数据传输、云大数据处理功能，通过在图书上粘贴RFID标签，利用智能书柜里面的RIFD读写器和RFID天线对图书标签自动实时识别，实现图书批量自助借还、智能盘点、智慧拣选、图书防盗等一系列智能化的图书管理，结合云平台大数据分析挖掘，实现精准图书采购、个性化指导学生借书种类和阅读时间，构建阅读学习成长模型。互联网+大数据智能书柜基本组成部分如下：第一部分：感知层和控制层，包括RFID图书信息采集模块、RFID人员身份信息采集模块、二维码信息采集、摄像头信息采集和控制、电控锁控制模块等；第二部分：传输层，包括有线网络传输、无线网络传输，如WIFI、4G等；第三部分：应用层，主要是智能书柜应用软件功能；第四部分：云服务器大数据处理，主要是大数据挖掘分析功能。这四部分功能，结合配套的相关设备，使互联网+大数据智能书柜成为用RFID等物联网技术手段改变图书馆传统借阅、阅读环境的典型应用。互联网+大数据智能书柜教学实训系统是用于研究RFID等物联网技术实现典型应用的平台，完成RFID等物联网技术从技术到实现典型应用相关的教学和学习13965501553

便携式煤样造影装置，包括电脑、分析台、造影仪和遥控器，电脑放置在所述分析台上，造影仪包括上盖、机体外壳和内架，上盖通过铰链与机体外壳连接，内架设在机体外壳内。内架上设有侧面相机，上盖的下表面安装一个上端相机，内架的下平板安装一个下端相机，所有相机一起工作，共同完成煤样的三维造影。本发明还公开了煤样三维影像采集方法，造影仪采用成熟的计算机影像合成技术采集煤样的外观数据，有利于存储煤炭勘探现场的煤样影像资料，帮助勘探技术人员后期的数据采集和处理，并且造影仪在保证技术要求的前提下，整体设计尺寸小巧，方便勘探技术人员携带，可以极大提高煤炭资源勘探人员的工作效率，减少数据采集误差。

简介：本发明公开了一种采集水力学试验水槽沉积层断面的方法和装置。该方法是：在完成水力学沉积试验后，采用液氮冷冻法对待测断面进行冷冻，将待测断面的水和水下沉积物一并冻成冰块，使样品固化，然后取出固化后的断面样品。实现上述方法的装置由水槽、隔板、内冷管、外冷管、保温层和液氮瓶组成，隔板有两块，分别设置在取样断面上、下游位置，在水槽内外分别设置内冷管和外冷管，内冷管悬空挂在水槽的口上，距离水槽侧壁和底部沉积层面20～40mm，外冷管贴近水槽的外壁。本发明解决了河、湖和海洋中泥沙、有机质、重金属和其它污染物的沉积、迁移和转化规律试验研究中的准确采样和量测难题，适合开展多层沉积物的研究。

由于受到云、气溶胶等不利天气的影响，基于热红外遥感反演的地表温度数据存在空间不连续问题，阻碍了地表温度产品的实际应用。

成果描述：通信网络关键节点可视化分析系统提供了Degree、 Betweenness centrality、Closeness centrality、 Eigenvector centrality、 HITS和PageRank等中心性计算算法。 不同的算法适用于不同的场合。Degree算法表示节点的直接影响力强弱。 节点的Degree中心性值越高，该节点的直接影响力越大。 Betweenness centrality算法研究节点之间的通信程度和节点对信息的控制， 使用该算法可以准确找到网络中某些“流量”非常大的重要节点；本算法可用于设计网络的通信协议、 优化网络部署和检测网络瓶颈等。Closeness centrality研究信息传播的独立性和有效性； 本算法反映了节点在网络中居于中心的程度；本算法可用于考察一个节点不依靠其它节点来传播信息的程度。Eigenvector centrality基于特征向量的方法不仅考虑节点邻居数量还考虑了其质量对节点重要性的影响， 这是从网络中节点的地位和名望角度考虑，适用于网页排序。HITS是一种重要的网页重要性排序算法，主要适用于网络信息检索领域。 PageRank是网页排序领域中最著名的算法；该算法基于网页的链接结构给网页排序；它认为万维网中一个页面的重要性取决于指向它的其它页面的数量和质量；本算法适用于网页排序。 在本系统中可以方便、轻松和快捷的使用以上算法；输入数据，选择中心性算法，系统会快速展现算法分析结果；结果中越重要的节点在画面展示中直径越大， 直径越小的节点表示节点的重要性越低；在系统右侧栏目中节点以重要性程度降序排序，前五个节点名字用红色突出标记。 以上展示方式是为了让分析人员方便分 析数据。市场前景分析：发掘网络中重要性节点 （边）一直是图论领域 的一个基本问题。随着 近年来复杂网络研究热 潮的兴起，特别是很多 实际网络所抽象出来的 复杂网络，表现出了与 以往图理论不同的特性， 如小世界特性、无尺度 特性等。如何在复杂网 络环境下，发掘重要性 节点已经成为复杂网络 研究的一个基本问题， 同时网络中节点的重要 性进行评估具有重要的 实用价值。尤其对各种 各样具体的网络，更可 以有针对性地分析其性 质，制定正确的策略和 措施。与同类成果相比的优势分析：本系统提供了更多的中 心性算法，分析人员可 以在本系统上从多角度 分析数据，从而得出更 为准确的分析结果； 本系统提供了数据可视 化的展示方式，并且将 重要的节点突出展示； 本系统提供了不同算法 的对比分析表，方便分 析人员对比分析； 本系统提供重要节点的 进一步分析思路，提供 节点的详细分析页面。

面对疫情，北京航空航天大学机械工程及自动化学院先进数控和智能制造团队刘强教授、肖文磊副教授等一批教师和研究生自发组成“大数据建模分析工作群”，开始收集疫情数据，交流和讨论建模方法。刘强、肖文磊又与工作群中的孙鹏鹏、王柳权、臧辰鑫、朱三颖、高连生等人，组成了“2019-nCoV疫情建模分析应急响应研究小组”核心攻关组，全力以赴开展本次疫情建模仿真和预测分析研究工作。疫情建模分析应急响应小组的研究工作是在2003年郇极教授提出的“一种基于自动控制理论的SARS传染预测模型”的基础之上，结合此次新冠疫情原发地高度集中、恰逢春节期间人口流动的特点，采用控制论原理和大数据分析方法建立功能更全面的2019-nCoV动态感染过程模型。刘强教授团队对北京、上海、重庆、温州、长沙、郑州、成都、杭州、深圳等40余个城市的疫情数据发展趋势进行了动态仿真分析。基于分析结果，应急响应小组直接向上级部门提交疫情关键数据预测报告2份，直接向中国疾控中心提供预测分析数据及报告2份，向上级提出北京延期恢复正常上班的紧急建议1份，为高层疫情防控决策提供了及时有效的技术数据支持。