成果描述：本发明涉及互联网技术，公开了一种邮件行为特征库生成方法、垃圾邮件判断方法、垃圾邮件特征库更新方法。本发明实施采用分类已知的垃圾邮件的行为特征库生成方法，并使用生成的特征对分类未知的邮件进行判断。市场前景分析：本发明实施采用分类已知的邮件行为特征库生成方法，并使用生成的特征对分类未知的邮件进行判断。此发明方案，在应对当前不断变化的垃圾邮件具有显著优势，可为垃圾邮件过滤产品采用，具有一定的市场推广前景。与同类成果相比的优势分析：在数据库更新时，用已经识别的垃圾邮件，通过克隆变异算法实现抗体库的更新，更能适应一定时期内垃圾邮件行为特征变化趋势和垃圾邮件变化趋势。

本发明涉及互联网技术，公开了一种邮件行为特征库生成方法、垃圾邮件判断方法、垃圾邮件特征库更新方法。本发明实施采用分类已知的垃圾邮件的行为特征库生成方法，并使用生成的特征对分类未知的邮件进行判断。

本成果首先参照 GenBank 收录的 23 株 SAFV P72 蛋白全基因序 列设计一对特异性引物，根据设计的引物探针最佳反应体系和反应条件，并对 建立的 PCR 反应方法进行敏感性、特异性、重复性试验；其次，参考非洲猪瘟 病毒 Con09/Bzz020 株 p54 基因的核苷酸序列，进行 p54 蛋白的体外表达，并进 一步建立一种间接 ELISA 检测方法，所建立的两种检测方法具有很好的应用性， 能够用于非洲猪瘟疫病的检测。同时建立了非洲猪瘟的风险分析和预警技术。 该技术能对非洲猪瘟进行临床鉴别诊断和预警分析，特异性好，灵敏度高，应 用前景广阔。 

1、面向B5G/6G的新型无线通信技术，包括高频段无线通信、超大维空时无线传输、超密集无线异构网络、巨址无线通信等技术，解决未来移动通信“巨流量、巨连接”需求； 2、无线通信与人工智能及大数据深度融合，探索基于人工智能的无线传输与组网技术途径，建立数据-模型联合驱动的无线资源调配 王教授专攻区块链与无线通信技术融合与应用，提出了B-RAN (Blockchain Radio Access Network) 新型网络架构，以及基于区块链的新型无线接入机制，为无线网络资源最优配置提供了新思路与新方法。

本发明属于电法地质预测相关技术领域，并公开了一种适用于 测试固相试样与供电电极之间面极化效应的系统，其包括信号发生单元、试样测量单元、数据采集单元和中央处理单元，其中信号发生单 元用于产生幅值恒定且频率变化的正弦波电压信号，然后放大及转换 为幅值恒定的正弦波电流信号;试样测量单元在供电电极与固相试样 之间的界面上加载正弦波电流信号来激发极化效应，并采用多个测量 电极等距插入固相试样中，由此对各测量点与供电电极之间的电压值 进行测量;数据采集单元多通路采集测量数据，然后输送至中央处理 单元计算得出结果

1. 成果简介预制缸套然后铸造或装配是采用铝合金制造汽车发动机缸体的一种主要成形工艺。传统的缸套都是用铸铁制造，铸铁耐磨性好，但热导率较低，铝合金导热率是铸铁的 4 倍，采用铝合金制造缸套的优势是迅速将发动机燃烧产生的热量传递出去，避免机油焦化，从而显著提高发动机的升功率（功率密度）。过共晶 Al-Si 合金具有热膨胀系数小、耐磨性好、热导率高、高温性能好等特点，是制造发动机缸套的理想材料。图 1 挤压铸造件              图 2 机加工后零件                 图 3 初生硅和共晶硅分布 采用常规铸造方法成形过共晶铝硅合金，疏松倾向大，强度和韧性低，而且显微组织中初生硅的尺寸难以控制。挤压铸造是液态金属在较高外加压力（百兆帕）作用下凝固成形的一种先进铸造工艺，铸件在低速下充型，高压下凝固，内部致密，组织细小，并能通过热处理强化。 清华大学成功开发了过共晶铝硅合金缸套挤压铸造成形技术，具有非常好的发展潜力和产业化应用前景。2 应用说明采用铝合金制造发动机缸套甚至全铝发动机缸体是国外主要汽车企业开发高性能发动机的重要技术之一。采用喷射沉积加挤压或锻造工艺已有相关产品，但由于工序多、流程长造成生产率低、成本高。清华大学开发的过共晶铝硅合金缸套挤压铸造成形技术具有短流程、近净成形、优质、高效、节能等优点，目前正在与汽车发动机制造企业合作，进行技术评价与应用。 申请国家发明专利 1 项。3 效益分析缸套作为汽车发动机生产中的一个重要配件，其用量大，产品和技术相对独立，原材料充足，设备投资小，适于中小企业给发动机厂配套，特别是适合于已经在给发动机厂配套铝合金活塞等部件的企业发展这一技术和产品，易于在现有客户渠道基础上丰富产品种类，同时较高的技术含量可以避免被简单模仿和恶性竞争。

1. 成果简介预制缸套然后铸造或装配是采用铝合金制造汽车发动机缸体的一种主要成形工艺。传统的缸套都是用铸铁制造，铸铁耐磨性好，但热导率较低，铝合金导热率是铸铁的 4 倍，采用铝合金制造缸套的优势是迅速将发动机燃烧产生的热量传递出去，避免机油焦化，从而显著提高发动机的升功率（功率密度）。过共晶 Al-Si 合金具有热膨胀系数小、耐磨性好、热导率高、高温性能好等特点，是制造发动机缸套的理想材料。2 应用说明采用铝合金制造发动机缸套甚至全铝发动机缸体是国外主要汽车企业开发高性能发动机的重要技术之一。采用喷射沉积加挤压或锻造工艺已有相关产品，但由于工序多、流程长造成生产率低、成本高。清华大学开发的过共晶铝硅合金缸套挤压铸造成形技术具有短流程、近净成形、优质、高效、节能等优点，目前正在与汽车发动机制造企业合作，进行技术评价与应用。 申请国家发明专利 1 项。3 效益分析缸套作为汽车发动机生产中的一个重要配件，其用量大，产品和技术相对独立，原材料充足，设备投资小，适于中小企业给发动机厂配套，特别是适合于已经在给发动机厂配套铝合金活塞等部件的企业发展这一技术和产品，易于在现有客户渠道基础上丰富产品种类，同时较高的技术含量可以避免被简单模仿和恶性竞争。4 合作方式技术转让或合作开发。5 所属行业领域先进制造。

项目概况 该静态模型提供了一个融建筑平台、空调设备、中央空调系统于一体的、具有自由拼装搭接功能的实时教学环境、产品展示平台。 本项目处于国内先进水平，拥有自主知识产权。主要特点 该模型将平台、设备及系统融为一体。具有三大部分： （1）建筑平台。我们认为，建筑平台与中央空调系统是一个有机的整体，离开建筑平台谈中央空调，有如无水养鱼，这正是市面上诸多空调模型的弊端所在。 我们提供的建筑平台以建筑的梁、柱、墙体等为基本部件，按建筑模数等比例制作，部件之间采用了拼装结构，可拼出任意种建筑形式。让学生在自由拼装中了解建筑知识。 （2）设备模型。包括了中央空调从主机到末端的各类设备的实体静态模型。各模型均按主流品牌的设备外形等比例制作，效果逼真，接口清晰。 （3）系统搭建。利用上述建筑平台、设备模型，以及配套的管材、配件，学生可自行搭建各类中央空调系统。 系统可用于教学，也可用于产品展示。 技术指标     模型按建筑模数等比例制作，通用接口，观察、搭接方便、实用性强，可反复使用。是一种新颖的教学和产品展示平台。市场前景     近年来在部分教学活动中使用，赢得了众多客户的信任和支持，具有良好的市场前

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。

  肠癌合并同时性腹膜转移（PC）的发病率约为5-10%，复发时合并腹膜转移发病率为25-44%。“腹膜转移如果能够早期诊断，可以增加彻底减瘤手术的机会，未来能够明显延长肠癌患者的生存期。”王辉教授说。2018年团队和深圳腾讯AI lab建立了合作关系，研发一个基于卷积神经网络（CNN）的ResNet3D系统。经查，这是世界上第一个诊断肠癌腹膜转移的AI平台，能够自动识别原发肿瘤特征，同时提取肿瘤临近腹膜的影像学特征，构建基于人工智能的SVM分类器。训练组一共纳入了19814张CT图像，验证组包括了7837张CT图像。    研究发现，ResNet3D的AI系统仅需花费34秒就自动识别并诊断了所有验证图像。“ResNet3D+SVM分类器”的肠癌腹膜转移诊断的准确性高达94%，AUC为0.922，敏感性和特异性均高达94%，明显优于常规增强CT的诊断能力。