产品详细介绍 智慧学习的构建意义        在信息化时代下，充分运用云计算、大数据、移动通信技术，以增强、丰富和加速学习过程，借助于开放教育资源、智能化的“互联网+”个性化学习模式。在任何时间、任何地点实现互联互通，智慧学习环境的构建使学习者的行为改变能力得以增强的较为灵活的学习，让学习者通过自我导向、以人为本的学习方式，并利用智能设备和社会网络，让学习者发展自我启动的创造性学习能力的学习途径。

智慧学习服务平台将题库诊断系统、在线考试系统、网络阅卷系统、学习分析系统、在线学习系统、智慧导学系统有机结合，建立“以学生发展为中心”的个性化学习方式。

      实名制网络学习空间，旨在打造与现实教育组织中各级教育机构、学校、班级、师生等主体相对应的网络教育组织体系。空间为多层次用户团队（包括从师生个体协作团队班级团队学校团队学科团队区域团队）提供相应的资源、工具、环境的支持和服务，实现“自上而下”、“自下而上”的双向良性互动。 教师空间：为教师开辟一个集学习、工作、交流于一体的实名制网络学习空间，以基于SNS的人际关系架构和知识体系、教材体系构建服务体系，实现信息的快速传播和精准获取，并汇聚为校、区、市、省各级生成性资源。 学生空间: 学生空间不仅能够全面记录学生成长全过程，还能为学生自主学习提供良好的信息化环境，让学生随想随学、自主学习、个性发展。学生可制定自己的学习计划，相关通知、信息都会自动推送到学习空间，空间资源能自动汇集和推送，学生相互之间，以及与学校空间、班级空间、教师空间可以互联互通，完美实现师生互动、生生互动。 家长空间：平台为针对家长用户提供便捷的，平台将呈现家校交流的相关服务。家长以家长身份、学生帐号登录，平台就会将学生近期的一些学习情况呈现出来，方便家长全面主动了解学生在校学习情况、班级情况以及，班主任、任课教师的情况，并与。家长可通过平台与任课教师进行深入的交流和沟通，关注学生的学习全过程，还可得到一线教育专家的指导和点拨。 协作组空间：教师可以按年级、学科、兴趣爱好、教育行政结构等多维度组建协作组。协作组提供资源管理、话题、问答、问卷、投票等基本应用模块，并支持文章、资源、图片、视频等分类管理，能从个人空间中选取已发布的各类资源拉取到协作组。 班级空间：班级空间是师生间的协作教学、讨论交流的网络环境，是现实班级课堂的补充与延续。班主任可组建班级，聚合管理班级学科教师、学生，课程安排，学习内容，开展学习活动，形成学习反馈，增强学生班级凝聚力和成员归属感。 学校空间：以学校为单位开展教学研活动，可与本校师生组织衔接，便于校内各项业务活动的组织管理。学校管理者可发布校内公告、查看基础管理数据。本校教师可随时参与各类教、学、研活动，本校学生可积极参与各类校园活动及社会实践活动。师生发布的所有内容会自动汇聚到学校空间，积淀本校生成性资源，支持各学校空间独立管理。 学科空间：省、市、区县、校各级机构管理的所有学科均可拥有相应的学科空间，能够自动汇聚范围内相同学科的教研员、学科带头人、教研资源、工作室、协作组、学科文章、学科活动等，加速本学科教师之间的协作交流，展示特色学科资源和成果。学科教研员可发布学科新闻公告等内容、查看基础管理数据等，支持各学科空间独立管理。 区域空间：区域各级机构、各机构学科各类信息的集中汇聚区，同时也是各级政策的集中发布区、研修动态的集中展现区，为开展区域性教育业务提供全面的支持和服务。省、市、区各级空间融合互通，内容、人员至下而上汇聚，政策、任务至上而下传达。通过区域空间及业务应用系统，可促使城镇和农村的学校之间、教师之间实现“手拉手、结对子”， 共同参与各类业务活动、分享优质教育资源，先进帮后进，推动教育公平。

（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。

本发明提供一种地理空间数据的用户隐私保护方法及系统，包括对数据空间进行分割，基于均匀性 度量参数将相似单元格合并到同一个划分，向每个划分中分别添加符合拉普拉斯分布的随机噪声得到含 噪数据集，基于含噪数据集对外提供数据查询结果。本发明基于对噪声误差和均匀假设误差的分析，提 出了一种新颖的数据域粒度划分模型来平衡两种误差，使得数据查询总误差最小。此模型建立时考虑了 查询为矩形的情形，更符合数据查询实际情况。进一步，通过对数据空间中相似单元格进行合并

1. 痛点问题 数据是数字经济时代的核心生产要素，但数据在自由流通或共享中才能产生更大价值。数据的隐私计算对保护数据安全，实现数据共享与协作应用，破除数据孤岛，提供合法合规的监管抓手，最大化释放数据价值有重大的现实价值。 零知识证明、安全多方计算、差分隐私、同态加密等现代密码学算法具有坚实完善的理论基础，可以提供最为可靠的数据保护方式。例如，零知识证明算法已经在学术界和工业界受到了广泛关注，应用于可信计算、区块链扩容、匿名货币等多种场景。然而，受制于算法的复杂度和硬件的计算能力，现有零知识证明等隐私计算性能仍比明文计算慢两到三个数量级，难以有效实现产业化。 2. 解决方案 本成果提出了一种高效的流水线芯片架构，显著提升了以零知识证明为核心的多种隐私计算和区块链应用中的数据处理性能和效率。本成果以算法为核心、以数据流为参考、以芯片实现为目的，通过全流水设计，优化芯片性能、面积和功耗，多维度解决隐私计算的算力不足问题，致力于成为新基建“数据价值互联网”的基础设施。 本成果所提出的芯片架构包含两个子系统。第一个子系统主要处理有限域上的高次多项式计算。通过利用傅里叶变换分解庞大的计算任务，同时对底层模块进行定制化流水线设计，并利用数据分片、片上转置等技术优化对数据流的控制。第二个子系统主要处理椭圆曲线上的大规模模幂运算。采用计算复杂度最优的Pippenger算法与定制化的数据流和底层流水线控制，并结合实际场景下的系数分布规律采用简单高效的任务分配机制，用最小的控制逻辑实现负载均衡。

研发阶段/n主要研究设计可扩展至1024 核的众核智能处理器架构。研究面向智能处理的 存储一致性模型；研究异构智能处理器的非对称片上网络；研究超大规模智能任务 的核间分割；研究多智能处理任务的动态调度；研究众核智能处理器的层次化物理 设计；研究存算一体化的众核智能芯片结构；研究智能处理器芯片的异构并行；研 究多智能芯片的高速片间互联。到2020年，以实现人工神经网络智能计算速度和能 效的指数性增长为目标，取得超大规模人工神经网络芯片架构、智能芯片指令集、 新型智能编程语言及编译器、自主智能算法等方面

重点运用深度学习的算法，为股票市场的交易价格做出客户化的未来预测参考和量化操作指导。 一、项目进展 已注册公司运营 二、企业信息 企业名称 上海沃添信息科技有限公司 企业法人 张朴平 注册时间 2017.6 注册所在省市 上海 组织机构代码 91310116MA1J8QJ959 经营范围 信息平台 企业咨询 企业地址 上海市金山区寺坪南路 获投资情况 250万 三、负责人及成员 姓名 学院/所学专业 入学/毕业时间 张朴平 计算机 2015.9/2019.7 四、指导教师 姓名 学院/所学专业 职务/职称 研究方向 邹宗峰 信息管理 教授 信息技术 熊励 信息管理 教授 信息技术 五、项目简介 重点运用深度学习的算法，为股票市场的交易价格做出客户化的未来预测参考和量化操作指导。