社会网络已经成为覆盖用户最广、传播影响最大、商业价值最高的 Web2.0 业务，在世界范围内，最著名的社会网络代表是 Facebook、Twitter，用户量分别达到 12 亿、5 亿;国 内使用人数最多的社会网络工具是新浪微博和腾讯微博，其中新浪微博用户达到 5 亿，腾讯 微博用户超过 8 亿。社会网络中的巨大用户群每天产生海量的用户数据、关系数据和信息数 据，若能够对海量数据进行准确、及时的分析，则会在精确营销、舆情探测以及网络安全等方面创造巨大价值。然而由于社会网络的大数据特性以及分析方面要求准确、及时，目前缺 乏融合多项社会网络分析技术的、成熟的社会网络大数据分析系统。社会网络分析技术是一项关键技术，也是一项热门的研究，涵盖了社会学、人类学、社 会语言学、地理、社会心理学、通信研究、资讯科学、社会网络分析与探勘、组织研究、经 济学以及生物学等多个领域，是一项多学科交叉技术。社会网络大数据分析系统要求具有坚 实的数据支撑，即数据获取全面、更新及时、获取数量大，也强调多维度、多粒度的分析手 段相结合，并对分析速度、可视化以及人机交互等方面都提出很高的要求。基于上述现状和挑战，在国家科技支撑项目的资助下，实现基于新浪微博、Twitter 等 主要社会网络交流工具的大数据分析系统，系统完成从数据获取、数据预处理、数据存储、 消息中心、数据分析、结果可视化展示的闭环处理流程，支持多种社会网络(Twitter、新浪 微博等)的数据实时、不间断获取，获取数据量在国内外同研究领域处于领先地位;实现整 体、个体、群体以及事件的多层次、多粒度分析模式;同时具备良好的人机交互操作界面以 及优秀的分析展示效果。

现代互联网、通信和信息科技应用涉及海量异构数据，有效管理和使用数据需要对其进行组织优化和 预处理。索引是重要的预处理方法，以其为基础可提供高效的数据搜索功能。常用的开源搜索引擎Lucene第一部分 电子与信息领域技术成果采用属于关键字索引的分词倒排技术，可满足自然语言数据搜索的需求，但是对词较多或者无法分词的异 构数据，比如信号、日志、代码和基因等，需要使用SA（suffix array，后缀数组）索引，在技术原理和应 用范围上均区别于关键字索引。

一、 项目简介为解决复杂工程优化设计等问题，研发智能优化技术及软件进行工程建模与优化设计，可以应用于电子、通信等诸多领域。面向复杂大数据信息，研发智能数据挖掘技术可以发掘潜在规律和感兴趣的信息，为工业、农业、国防、金融和证券等诸多行业服务。本项目在国家和省市等基金资助下开展的，率先研发出石油测井智能数据挖掘系统；在无线通信、智能天线、半导体器件仿真等领域取得满意的优化设计效果。二、 项目技术成熟程度在Windows环境下开发出《智能数据挖掘系统（1.0版本）》，并获得国家软件著作专利权；现已开始应用在石油测井、无线通信与智能天线等领域，效果显著。如图1至图3所示。三、 技术指标本项目研发的软件系统在 Windows系统和VC++平台下进行，还能嵌入Matlab等工具箱进行工作。并具有界面友好、可视化程度高、扩展性强等特点。四、 市场前景对于各种复杂工程问题的建模与优化是非常重要的；面向各行各业的大数据进行数据挖掘，为决策服务更是势在必行。本课题正是解决这些问题，其应用前景广阔。五、 规模与投资需求本项目适用于各行各业，主要研发专用软件系统，研发成本较低（约5-10万元）。六、 效益分析本项目主要应用于各类复杂工程问题的建模与优化设计，以及各行各业的大数据挖掘，其经济效益是相当可观的。七、 合作方式双方协商，可以采取转让、合作、技术指导或其他形式。八、 项目具体联系人及联系方式（包括电子邮箱）联系人：夏克文；地址：（300401）天津市北辰区 河北工业大学信息工程学院；Email：kwxia@sina.com；电话：022-60435739九、高清成果图片2-3张图1为系统主界面；图2是测井解释应用；图3是天线波束形成。图1 智能数据挖掘系统主界面图2(a) 某油井测井数据200%比例读取的测井图图2(b) 基于支持向量机（SVM）的测井解释图3 基于智能优化算法的波束形成方向图

系统以中国移动公司提供的 GPRS 为 网络平台，建立一个 APN 专网，提供一个 APN 接入点，并为使用的每张 SIM 数据卡绑定一个固定的 IP 地址。APN专网模式可以利用 SIM 卡的唯一性，划定用户可接入某系统的范围，能有效避免非法入侵。采用中国移动分配的专门的 APN 进行无线网络接入，可以对 SIM 卡和APN 进行绑定，只有属于指定的 SIM 卡才能访问专用 APN。普通手机号的 GPRS终端无法呼叫专门的 APN。监控中心使用一个 GPRS 数据传输模块，每个前端设备中安装一个 GPRS 数据传输模块，可以实现一个监控中心与多个前端设备的数据通信。其特点在于：（1）网络的保密性、可靠性高；（2）系统性能稳定；（3）系统投资小，维护量小，性价比高；（4）技术先进：系统采用采集技术、遥测遥控技术、通信技术、计算机软件技术。

成果简介：数据传输存储单元是一款基于GPRS/TD-LTE网络的无线数据通信产品。该产品利用运营商的无线网络，为终端设备和数据服务中心（平台）搭建起一条无线通信链路，客户可基于该无线通信链路传输其用户数据。数据传输存储单元配有128MBFLASH空间用于数据存储功能。并具备数据补传、数据定时主动上传功能，支持数据加密压缩算法，并能够根据物联网要求添加加密算法。数据传输存储单元具有远程、本地控制输出功能，可支持本地远程升级维护，具备设备自检功能和终端设备异常事件记录功能。数据传输存储单元具有极高的性

01. 成果简介 随着移动计算、传感器网络和科学观测设备等新技术在经济社会各领域的广泛应用，特别是监控、遥感、定位等技术的崛起，人们获得了海量的时空数据。时空数据分布于连续空间，并且随着时间动态变化，具有十分复杂的模式规律。例如，卫星遥感数据和雷达回波数据是广泛应用于气象观测和军事侦察的时空数据，在连续的卫星扫描或雷达观测过程中，形成时间轴上的一系列遥感图像或回波影像，反映三维地理空间中某种观测物理量的变化规律。视频监控、医学影像、气象预报、环境监测等很多应用领域都涉及时空数据预测和识别任务，在问题求解过程中需要同时考察时间和空间两方面因素，存在时间上的非平稳性和空间上的高维相关性两大技术难题。 本成果创新大数据深度学习技术，从复杂、海量、高维、非平稳的时空数据中识别重要的时空模式，挖掘在时间和空间上的变化规律，并对未来的时空演变趋势进行预测，形成了时空数据预测和识别的深度学习技术（如图1所示）。具体包括：·        提出卷积结构与循环结构深度融合的统一建模方法，学习高维度、非线性时空特征表示，挖掘空间关联结构与时间动态信息；·        提出时空记忆单元和回忆机制，对时空非线性、非平稳性变化进行预测学习；·        提出时空数据的迁移学习技术，降低时空分布差异，实现知识的跨时空迁移。 该技术尤其擅长捕捉高维度、非平稳时空数据的非线性变化规律，例如多物体对象在空间和时间上的“产生、消亡、运动、形变“等复杂时空数据场景。与同类技术相比，运行时间短，预测和识别精度高，在国际上处于整体先进、部分领先的水平。  图1. 用于时空数据预测和识别的循环神经网络架构及其时空记忆单元图2. 本成果技术（时空数据预测与识别）在北京交通流量预测任务上的效果02. 应用前景 该技术成熟度高，部分成果已经以线上系统的形态成功应用于中国气象部门强对流天气预报业务中，与国内现有极端天气预报业务系统相比，该技术将雷达回波外推预报准确率平均提高了45%，其中高强度雷达回波外推预报准确率提高了353%，处于国际先进水平。气象灾害中70%以上是由雷暴大风、下击暴流等强对流天气导致，致死人数占自然灾害死亡人数的93%，因此该技术在避免人员伤亡、实现财产保全、减少农业损失方面产生显著的社会经济效益。同时，该技术还可广泛应用于时空数据的预测和识别场景，在关系国计民生的气象、环保、交通等领域可以发挥重要作用，应用前景广阔。例如，采用该技术可实现未来交通流量时空分布的精准预测（如图2）。该项成果还入选了2018年首届数字中国建设峰会，为杭州G20峰会、厦门金砖会晤、中国国际进口博览会等提供了精准预报支持，获得2018年教育部技术发明一等奖和2018年中国气象学会科技进步奖一等奖。03. 知识产权 本项成果已获得发明专利授权6项。04. 团队介绍 本成果团队长期研究大数据管理与分析技术，包括分布式数据存储与查询、深度学习与迁移学习、业务过程挖掘、数据质量治理等方向。团队负责人为王建民教授、软件学院院长，机器学习小组组长为龙明盛副教授。团队在本领域发表国际学术论文100余篇，申请专利100余项，授权专利60余项。相关成果获2018年教育部技术发明一等奖、2018年中国气象学会科技进步一等奖、2014年国家科技进步二等奖、2013年中国电子学会科技进步一等奖、2012年教育部科技进步一等奖等奖励。05. 合作方式 技术许可 / 软件服务。

01. 成果简介 非结构化数据是没有显式数据结构约束的非关系型数据，包括时间序列、图像、音视频等，其管理与分析技术成为国际信息领域战略竞争焦点。许多实际应用中，非结构化数据不仅总的体量大，而且数量也极为巨大。例如，我国气象预报业务每天接收到的气象数据文件达数亿非结构化气象小文件。此外，这些文件存在大量业务语义属性，这些属性形成了描述一个数据的多种维度。 针对海量非结构化数据的管理需求，清华大学软件学院提出了多维文件空间模型，并基于此模型突破了一系列非结构化数据核心技术，包括：l  非结构化数据到多维空间模型的映射方法；l  多维文件空间模型的分布式物理实现方法；l  分布式存储的副本控制方法。 该技术通过对非结构化数据的属性维度进行分类，将非结构化数据建模成多维文件空间模型，并对文件集合上的各种操作进行定义。此外，通过细粒度计算磁盘IO代价、网络代价、副本代价、CPU代价、数据分区代价，得到指定工作负载下的最优物理存储实现，进而通过排队论等方法对副本的一致性进行控制，实现满足用户SLA（服务等级保证）的柔性事务。  图1. 基于多维文件空间的最优非结构化数据存储方法示意图  相比现有对象存储等技术，该项技术可以实现更加灵活的数据访问。同时，该项技术能够建立多维文件空间到分布式物理存储的最优映射机制，保证非结构化数据总访问代价最小。相比于现有的分布式文件系统，该项技术可以确保使用少量内存管理数以亿计的海量非结构化小文件，而现有多数分布式文件系统在遇到海量文件管理时往往会出现内存爆炸问题。02. 应用前景 本成果技术可广泛用于各种类型尤其是多维度属性的非结构化数据管理。目前已经被成功应用于中国气象局和全国31个省或直辖市气象局，以及石油、风电等多家工业企业。该项成果还入选了2016国家十二五科技创新成就展和2018首届数字中国建设峰会，并作为贡献之一获得2018年教育部技术发明一等奖和中国气象学会科技进步奖一等奖。03. 知识产权 本项成果已获得发明专利授权13项。04. 团队介绍 本成果团队长期研究大数据管理与分析技术，包括分布式数据存储与查询、数据质量、深度学习与迁移学习、业务过程挖掘等方向。团队课题负责人为王建民教授、博士生导师。团队在本领域发表国际学术论文100余篇，申请专利100余项，授权专利60余项。相关成果获2018年教育部技术发明一等奖、2018年气象学会科技进步一等奖、2014年国家科技进步二等奖、2013年中国电子学会科技进步一等奖。05. 合作方式 技术许可 / 软件服务。06. 联系方式 邮箱：liuyi2017@tsinghua.edu.cn 团队电话：010-62786972；13051000520 团队邮箱：huangxdong@tsinghua.edu.cn

成果简介：传统的数据库安全系统侧重于权限控制。例如，对表和存储过程 的访问。而数据库安全扫描系统所要做的是：对数据库系统进行范围更广的 彻底安全分析，找出所有可能存在的潜在漏洞。为了保护数据库的安全，检 测出数据库的漏洞，从而保证数据库系统资料的机密性和完整性，有必要有 一套工具来实现对数据库进行检测和安全性评估。数据库安全扫描系统的目 标就是：针对主流数据库（Oracle、SQLServer）系统进行自动化的检测， 以发现数据库中存在的

1. 痛点问题 工业时序数据具有应用领域广、数据规模大、经济价值高的特点，蕴含的巨大商业价值，因而其安全性受到不法分子采用黑客攻击等技术手段以及雇佣商业间谍等非技术手段的威胁。数据所有者通常会采用前效方法对数据库中的数据加以保护，但是这些方法只能有效防止外部人员进行非法盗窃，对于内部人员盗窃等途径并不能有效遏制。数字水印是解决数据在传播过程中安全问题的一个主流分支，通常的数字水印采用分组多数投票方法来提升算法的鲁棒性，但时序数据通常有较多的噪声，高价值数据点相对集中，因而一个未经加权的投票算法可能会因为大范围的噪声干扰而导致水印判定失效。此外，常见时序数字水印算法基于时间戳进行水印嵌入计算，容易受到更改时间戳或频率变换的攻击，一旦时间戳序列大幅度改变，水印提取算法将受到很大影响，很可能导致水印提取完全失效。 2. 解决方案 工业物联网数据是工业大数据规模迅速扩张的主要来源。各类物联网传感器以极高的频率采集其所在设备的工作状态数据，通常为一系列包含数据产生时间戳（Timestamp）和采集数据（Data）形式为(Timestamp, Data) 的元组序列，称为时间序列。工业时序数据具有应用领域广、数据规模大、经济价值高的特点，蕴含的巨大商业价值，因而其安全性受到不法分子采用黑客攻击等技术手段以及雇佣商业间谍等非技术手段的威胁。 数据所有者通常会采用前效方法对数据库中的数据加以保护，包括但不限于：数据加密、用户权限划分等等。但是，这些方法只能有效防止外部人员进行非法盗窃，对于内部人员盗窃等途径并不能有效遏制。数字水印是解决数据在传播过程中安全问题的一个主流分支，常见时序数字水印算法基于时间戳进行水印嵌入计算，容易受到更改时间戳或频率变换的攻击，一旦时间戳序列大幅度改变，水印提取算法将受到很大影响，很可能导致水印提取完全失效。此外，数字水印通常采用分组多数投票方法来提升算法的鲁棒性，但时序数据通常有较多的噪声，高价值数据点相对集中，因而一个未经加权的投票算法可能会因为大范围的噪声干扰而导致水印判定失效。 本项目针对常见的水印失效场景进行了分析，提出了能够有效提示水印鲁棒性的技术，更好的确保数据安全的管理能力。 3.合作需求 在全国范围内工业互联网/工业大数据相关领域寻求应用场景，希望能与能源/装备制造行业的大中型企业开展这方面的合作研究和落地实施；并针对上述企业开展包括二次开发在内的各类实际应用，助力企业降本增效、转型升级。