本发明公开了一种基于标识密码技术的电子护照扩展访问控制系统及鉴权方法。密钥服务中心提供密钥服务；护照验证中心提出阅读敏感生物特征信息权限的申请，密钥服务中心颁发授权智能卡进行授权，护照验证中心将授权智能卡分发给所管辖的验证终端；护照发放中心向密钥服务中心申请鉴权的认证密钥及公开参数，并将认证密钥及公开参数写入到电子护照的护照智能卡中。在验证护照时，授权智能卡和护照智能卡之间进行基于标识密码算法的鉴权协议，判断验证终端是否有权阅读敏感生物特征数据。本发明能克服欧盟方案中授权信任传递的漏洞，不需建设复杂

一种基于预选择大数分解的 RSA 密码破解系统及方法，包括输入大数 N，进行多项式的选择；进 行筛法产生关系对，包括计算 skewness 值和实根的最大绝对值 Root，随机选择若干个 b，对 Root 和 skewness 构成的闭区间采取逐步二分的方法，寻找一个倾斜值 RS，满足当限制|a/b| 

厄尔尼诺现象，是赤道中、东太平洋海表温度持续异常升温的周期性气候现象，平均每2-5年发生一次，对全球气候具有重大影响。厄尔尼诺现象会造成全球不同地区的异常温度变化，以及干旱或强降雨等现象。及早并准确地预测厄尔尼诺的发生以及强度，对预防或降低其带来的全球范围内的经济、农业、社会等方面的损失意义重大。 2019年12月24日，由北京师范大学系统科学学院陈晓松教授参与指导的一篇关于厄尔尼诺预测的文章已在线发表在美国科学院院刊PNAS上，首次克服了长久以来困扰厄尔尼诺预测的“春季预测障碍” （即无法在厄尔尼诺发生的那一年的春季或更早给出准确预测），将对厄尔尼诺现象的发生，特别是强度的预测提前一年。 该文作者提出了一套基于信息熵理论的全新的方法——System Sample Entropy——用来计算厄尔尼诺区域（Nino 3.4）近海平面空气或海表温度的复杂度（包括温度随时间变化的无序性以及不同地点温度变化的同步性或相干性）。利用这一方法，作者们发现了Nino 3.4区域温度变化的复杂度与厄尔尼诺现象强度存在着非常强和稳定的线性关系，即一年内（1月1日-12月31日）Nino 3.4区域的温度变化复杂度越大，那么下一年发生的厄尔尼诺事件的强度就越大。基于这一发现，作者们提出了一套基于每年Nino 3.4 区域温度变化复杂度的大小（由该区域 System Sample Entropy 量化）来预测来年厄尔尼诺发生及其强度的方法。该方法目前成功的预测了1984至2019年期间10个厄尔尼诺事件中的9个事件的发生年份，以及24个没有厄尔尼诺现象发生的年份当中的21个，特别是对厄尔尼诺强度预测的平均误差仅为0.23摄氏度。 对于刚刚到来的2020年，基于文中提出的System Sample Entropy的方法，作者们预测厄尔尼诺将有很大概率会在本年下半年再次发生，并发展为一个中等强度甚至高强度的厄尔尼诺事件，其预测强度为1.48+-0.25摄氏度。 目前传统的厄尔尼诺预测方法只能在提前6个月范围内给出比较准确的预测，而这对于提前预防厄尔尼诺带来的一系列严重影响是非常局限的。这一新的预测方法，将对厄尔尼诺的预测时间提前到了每年一月。这对于提前采取行动，控制和降低这一现象所带来的一系列全球范围内的消极影响，将意义重大！ 此工作由德国波茨坦气候影响研究所 （PIK）樊京芳博士作为通讯作者，PIK 的Jürgen Kurths教授，Hans Joachim Schellnhuber教授以及北京师范大学陈晓松教授等参与共同完成。陈晓松教授领导的研究小组多年来一直从事统计物理和复杂系统及相关课题的研究，特别是近年来专注于地球复杂系统的动力学演化及预测。

厄尔尼诺现象，是赤道中、东太平洋海表温度持续异常升温的周期性气候现象，平均每2-5年发生一次，对全球气候具有重大影响。厄尔尼诺现象会造成全球不同地区的异常温度变化，以及干旱或强降雨等现象。及早并准确地预测厄尔尼诺的发生以及强度，对预防或降低其带来的全球范围内的经济、农业、社会等方面的损失意义重大。 2019年12月24日，由北京师范大学系统科学学院陈晓松教授参与指导的一篇关于厄尔尼诺预测的文章已在线发表在美国科学院院刊PNAS上，首次克服了长久以来困扰厄尔尼诺预测的“春季预测障碍” （即无法在厄尔尼诺发生的那一年的春季或更早给出准确预测），将对厄尔尼诺现象的发生，特别是强度的预测提前一年。 该文作者提出了一套基于信息熵理论的全新的方法——System Sample Entropy——用来计算厄尔尼诺区域（Nino 3.4）近海平面空气或海表温度的复杂度（包括温度随时间变化的无序性以及不同地点温度变化的同步性或相干性）。利用这一方法，作者们发现了Nino 3.4区域温度变化的复杂度与厄尔尼诺现象强度存在着非常强和稳定的线性关系，即一年内（1月1日-12月31日）Nino 3.4区域的温度变化复杂度越大，那么下一年发生的厄尔尼诺事件的强度就越大。基于这一发现，作者们提出了一套基于每年Nino 3.4 区域温度变化复杂度的大小（由该区域 System Sample Entropy 量化）来预测来年厄尔尼诺发生及其强度的方法。该方法目前成功的预测了1984至2019年期间10个厄尔尼诺事件中的9个事件的发生年份，以及24个没有厄尔尼诺现象发生的年份当中的21个，特别是对厄尔尼诺强度预测的平均误差仅为0.23摄氏度。 对于刚刚到来的2020年，基于文中提出的System Sample Entropy的方法，作者们预测厄尔尼诺将有很大概率会在本年下半年再次发生，并发展为一个中等强度甚至高强度的厄尔尼诺事件，其预测强度为1.48+-0.25摄氏度。 目前传统的厄尔尼诺预测方法只能在提前6个月范围内给出比较准确的预测，而这对于提前预防厄尔尼诺带来的一系列严重影响是非常局限的。这一新的预测方法，将对厄尔尼诺的预测时间提前到了每年一月。这对于提前采取行动，控制和降低这一现象所带来的一系列全球范围内的消极影响，将意义重大！ 此工作由德国波茨坦气候影响研究所 （PIK）樊京芳博士作为通讯作者，PIK 的Jürgen Kurths教授，Hans Joachim Schellnhuber教授以及北京师范大学陈晓松教授等参与共同完成。陈晓松教授领导的研究小组多年来一直从事统计物理和复杂系统及相关课题的研究，特别是近年来专注于地球复杂系统的动力学演化及预测。

中国科大阳丽华副教授课题组首度发现，当把表面带负电荷的纳米球与细菌混合在一起时，纳米球会选择性吸附到球菌表面、却不吸附到杆菌表面，而且这种基于细菌形貌选择的识别机制受熵增驱动、且普适于组成和表面化学不同的多种纳米球。基于这种物理识别机制、以及ROS极度有限的有效活性半径（不足200 nm）（图1上），研究人员猜想如果纳米球具有光动力效应，那么就可能在光照下高效清除球菌、却不干扰杆菌（图1中和底）。这一猜想得到了采用不同光动力纳米球和多种细菌所做抗菌实验的证实。相关研究成果发表在期刊The Journal of Physical Chemistry Letters 上。

相关领域院士。

1、机器学习领域技术性人才 2、存储系统领域技术性人才 3、系统软件领域技术性人才 4、分布式存储系统架构领域技术性人才 5、分布式存储系统重删领域技术性人才 6、分布式存储系统资源调度领域技术性人才 7、分布式存储系统非易失介质领域技术性人才 8、分布式存储系统网络领域技术性人才 9、固态盘领域技术人才

完成人简介：樊君，西北大学教授，西北大学化工学院副院长， 陕西省化工过程实验教学示范中心主任，指导博、硕士生研究方向包括反应工程、碳一化工、纳米材料、分离工程、精细化工产品开发研究等。 成果内容：基于量子点的荧光探针分析对推动即时检测（POCT）技术的发展具有十分重要的意义。本项目以制备功能型纳米荧光探针为主，主要包括量子点荧光探针（QDs）和稀土掺杂上转换纳米颗粒（UCNPs），并利用制备的荧光探针实现了对生物活性分子的定量检测。项目设计了基于荧光共振能量传递（FRET）的QDs荧光探针和基于CuMn双掺杂的ZnS QDs比率荧光探针，分别实现了对生物活性分子多巴胺和叶酸的定量检测（图13），结果表明所制备的探针具有较高的选择性和灵敏度，项目成果将为医学检测和POCT技术提供技术支持。   不同反应时间得到的CdTe量子点在紫外灯下的实物图及其吸收和发射光谱 成果优势： 量子点(quantum dots，QDs)是指颗粒半径小于激子波尔尺寸半径的纳米晶粒，属于三维尺度限域的零维纳米材料，其尺寸一般在10nm以下。QDs有许多显著地光学性质：优良的抗光漂白能力； 较宽的吸收光谱；发射光谱窄；较大的斯托克斯位移(Stokes shif)。 成果成熟度：中试阶段。 转化方式：技术转让等。 市场展望：本项目的研究结果对提高疾病诊治水平，推动医学科技前沿发展，形成经济新增长点，带动大健康产业发展等都将具有十分重要的意义。

福州大学物信学院李福山教授、福州大学化学学院郑远辉研究员与TCL集团工业研究院钱磊博士的合作研究论文“Inkjet-printed unclonable quantum dot fluorescent anti-counterfeiting labels with artificial intelligence authentication” 在Nature子刊《Nature Communications》在线发表。 量子点具有优异的光电特性，其图案化在发光显示，荧光标记和智能传感领域具有广阔的应用前景。量子点薄膜形貌最终决定了其光电器件应用，论文采用高精度喷墨打印技术制作微米级量子点发光图案，创新性的在基板表面构建具有随机分布的聚甲基丙烯酸甲酯（PMMA）微纳米颗粒，作为喷墨打印输运过程中的聚集钉扎点，强化微米级墨滴蒸发流动以及量子点组装过程中的差异性，形成不可复制“花状”发光图案；成功应用于低成本，可柔性化，自然条件下隐蔽，具有多重防伪级别和商业化的价值的不可复制全彩荧光防伪标签。并且首次引入了人工智能（AI）技术对喷墨打印量子点防伪荧光标签进行验证，并成功识别出不同的清晰度、亮度、旋转角度、放大倍率以及这些参数混合的“花状”图案，实现了防伪标签的高效准确识别。

福州大学物信学院李福山教授、福州大学化学学院郑远辉研究员与TCL集团工业研究院钱磊博士的合作研究论文“Inkjet-printed unclonable quantum dot fluorescent anti-counterfeiting labels with artificial intelligence authentication” 在Nature子刊《Nature Communications》在线发表。 量子点具有优异的光电特性，其图案化在发光显示，荧光标记和智能传感领域具有广阔的应用前景。量子点薄膜形貌最终决定了其光电器件应用，论文采用高精度喷墨打印技术制作微米级量子点发光图案，创新性的在基板表面构建具有随机分布的聚甲基丙烯酸甲酯（PMMA）微纳米颗粒，作为喷墨打印输运过程中的聚集钉扎点，强化微米级墨滴蒸发流动以及量子点组装过程中的差异性，形成不可复制“花状”发光图案；成功应用于低成本，可柔性化，自然条件下隐蔽，具有多重防伪级别和商业化的价值的不可复制全彩荧光防伪标签。并且首次引入了人工智能（AI）技术对喷墨打印量子点防伪荧光标签进行验证，并成功识别出不同的清晰度、亮度、旋转角度、放大倍率以及这些参数混合的“花状”图案，实现了防伪标签的高效准确识别。