Dynamic Encryption and Secure Transmission of Terminal Data Files

Data is the last defense line of security,in order to prevent data loss,no matter where the data is stored,copied or transmitted,it is necessary to accurately detect the data type,and further clarify the form and encryption structure of the data transmission process to ensure the accuracy of the data,so as to prevent data leakage,take the data characteristics as the core,use transparent encryption and decryption technology as the leading,and According to the data element characteristics such as identity authentication,authority management,outgoing management,file audit and external device management,the terminal data is marked with attributes to form a data leakage prevention module with data function,so as to control the data in the whole life cycle from creation,storage,transmission,use to destruction,no matter whether the data is stored in the server,PC or mobile device,provide unified policy management,form ecological data chain with vital characteristics,and provide comprehensive protection system for file dynamic encryption transmission,such as prevention in advance,control in the event,and audit after the event,so as to ensure the security of dynamic encryption in the process of file transmission,ensure the core data of the file,and help the enterprise keep away from the risk of data leakage.

干散货码头数字孪生综合管控平台架构与实践

为加快干散货智慧港口建设,探讨了数字孪生技术在干散货码头中的应用。分析干散货码头运营呈现出的自动化、信息化、智能化发展趋势,指出当前面临的数据爆炸性增长、数据采集不全面等挑战。在此基础上,对数字孪生在港口的应用领域进行分析梳理,围绕数字孪生模型内容,提出7大应用业务领域。通过干散货码头数字孪生的建设路线,提出以数据驱动和模型驱动为核心的数字孪生模型构建方法。结合干散货码头智能化建设现状,提出干散货码头数字孪生平台架构方案。选取典型门机设备和港区全局典型案例,分别从微观设备孪生构建和宏观全局孪生场景两个层面阐述应用实践经验,以期为智慧港口的发展与建设提供参考。

基于通信数据算法的智能采摘机通信系统设计

以苹果采摘机工作过程中的质量监测和采摘量统计为研究对象,通过传感装置和显示终端对苹果采摘过程进行监测,并利用单片机计数程序对采摘频率、采摘间隔序列及采摘准确数等数据进行统计,经通信系统传输至监测显示终端,通信系统采用应答模式数据通信协议实现了可靠准确的数据传输。试验结果表明:利用通信数据算法建立的苹果采摘机通信系统在进行采摘过程监测时,准确率可达到90%,信息数据传输过程可靠稳定。

数字孪生在制造业中实现的关键技术及典型应用综述

数字孪生技术是实现智能制造和工业数字化转型的关键技术,受到学术界和产业界的广泛关注和研究。近十年来,随着数据采集技术、计算机性能和相关智能算法的迅速发展,数字孪生技术的研究及应用取得了巨大进展。针对数字孪生技术应用领域的多样性和对象层级的复杂性,本文回顾了数字孪生基本概念和模型的发展历程,综述了数字孪生技术在制造业应用的关键技术及其发展成果。在此基础上,阐述了数字孪生技术在制造业三个层级的应用现状以及数字孪生赋能智能制造的新范式。最后,展望了制造业数字孪生技术未来发展趋势,为后续研究提供参考。

医院安全移动应用平台的设计和实现

目的:降低医院移动办公和移动业务场景中的数据安全泄露风险。方法:基于虚拟手机技术,将移动办公和移动业务App实际安装和运行在医院内网的虚拟手机服务器上,而用户手持的移动终端只作为虚拟手机的显示和输入设备,同时部署数据安全网关,实现虚拟手机与移动终端的网络隔离,防止内部数据泄露到外部。结果:用户通过移动终端访问虚拟手机中的移动应用,所有的应用数据都只在虚拟手机中被处理和存储,从而避免数据从移动终端泄露。结论:建设安全移动应用平台可以降低医院移动办公和移动业务场景中的数据安全风险,减少医院对移动终端进行安全管控的要求,有助于推动移动业务的健康发展。

基于Android的房屋建筑承灾体外业调查系统设计与实现

针对江苏省房屋建筑和市政设施调查系统使用中系统卡顿、采集效率低、更新慢的问题,基于全国第一次自然灾害综合风险普查房屋建筑承灾体调查项目实际情况,提出调用天地图API提供的地理信息服务接口,依托安卓(Android)开发环境(Android Studio),基于Java语言,结合SQL数据库,通过使用ArcSDE数据库引擎构建空间数据库,打造了一个多功能的房屋普查移动端数据采集平台,实现了房屋普查数据的录入、编辑、输出、地图操作、拍照、可视化等功能,解决了国家平台在线版App在数据采集时对服务器瞬时访问量大、软件卡顿的问题,极大提高了房屋普查数据采集的效率。

基于一维卷积神经网络的物联网终端非干扰身份识别方法

针对物联网终端身份识别过程易受干扰的问题,设计了基于一维卷积神经网络的物联网终端非干扰身份识别方法.通过物联网终端内置的加速度传感器收集不同步态的加速度数据,并采用平滑与分窗处理进行预处理.利用步态数据融合模型分析用户在不同行为位置组合下的数据,再利用随机森林模型预测物联网终端的位置与用户行为.将行为与位置数据融合,得到步态融合数据,再将融合数据输入至构建的一维卷积神经网络模型中,经过迭代训练后输出用户的身份识别结果.实验结果显示,基于一维卷积神经网络的物联网终端非干扰身份识别方法在合适的模型参数条件下能够准确识别物联网终端用户身份.

我国金融科技“监管沙盒”测试企业退出预备制度研究

测试企业进入金融科技“监管沙盒”正式参与测试后,基于其主观或客观原因而存在主动或被动退出沙盒测试的可能。从沙盒测试退出的实践需求来看,测试企业退出沙盒测试的预备行为亟需统一的制度规范。在充分借鉴澳大利亚相关制度设计经验的基础上,我国应从不同等级风险预防与预警规则设置、解除合作与交易协议及终止线上线下服务规则设计、建立测试企业相关技术与数据的有效处理制度以及制定测试企业退出前的牌照申请计划和准备规则等方面,为我国测试企业退出沙盒测试的预备行为提供合理有效的制度供给。

基于智能融合终端的物联网健康监测系统设计

动态监测是评估人体实时状态、保证身体健康的有效途径。针对当前人体健康穿戴终端监测指标不完善、评估结果不准确等问题,将物联网技术与医疗决策技术相融合,设计了一种基于智能融合终端的物联网健康监测系统。该系统综合无线传感器、数据融合以及人工智能等先进技术,通过采集人体血压、血氧、心率等生理数据,分析和评估人体身体健康状态,同时给出有效的健康建议和决策方案。测试结果表明,本系统能有效监控人体的生理参数,并可根据数据分析健康状态,为用户提供基于医疗融合决策的健康指标评价、疾病主动预警、个性化决策建议等智能化服务。

无人智能清扫车车载智能终端软件远程升级系统设计

针对无人智能清扫车系统软件的快速迭代需求,设计了一套车载智能终端软件远程空中下载(OTA)升级方案。该方案涵盖车云通信、车辆升级管理、升级刷写和车辆状态管理等关键模块,采用双向身份验证和超文本传输安全协议(HTTPS)确保通信安全,引入签名验证机制和混合加密技术确保升级数据包的完整可靠。通过搭建试验测试平台,验证了所提方案的有效性。试验结果表明:该系统不仅能够灵活适应不同控制器的升级需求,同时也保证了远程OTA升级过程的安全性与稳定性。

一种FPGA集群轻量级深度学习计算架构设计及实现

传感器技术的发展带来了边缘、端设备功能的迅速迭代升级,也带来了战场前端的数据量成倍增长。针对边缘、端设备数据量的急剧增长和芯片计算处理能力的矛盾,结合Map/Reduce框架,提出了一种基于现场可编程门阵列(Field Programmable Gate Array,FPGA)计算集群资源的深度学习架构,能够实现多个深度学习算法的并行快捷部署和应用。该轻量级深度学习计算架构同时满足军事应用对“端”的智能处理能力提出的新要求,即不仅局限于数据采集和智能的应用,还必须具备分布式并行智能实时计算的能力。该FPGA集群轻量级深度学习计算框架部署不同类型算法容易,实时性高(ms级任务响应),可扩展性好,在多种类异构传感器、大场景大数据吞吐量的军事场景及森林防火等民用场景有广泛的应用前景。

基于AES算法和混沌映射的嵌入式终端数据传输并行加密方法

传统嵌入式终端数据传输并行加密方法易受到数据传输迭代过程中暂态特性的影响,加密后数据信息丢失量较大,加密效果不佳。为了减少加密后的信息丢失量,提升加密安全性,提出基于高级加密标准算法和混沌映射的嵌入式终端数据传输并行加密方法。根据嵌入式系统中数据的属性分布情况,对其进行编码设计,基于混沌映射原理,对数据进行初级加密,并对传输数据进行整合,求取其状态矩阵,以消除数据传输迭代过程中暂态的影响,以此为依据,采用AES算法,对数据进行轮钥加密,由此实现数据传输并行加密。对比实验结果显示,所提方法能够为数据提供一个安全且稳定的传输空间,加密后的信息丢失量很小。

应用混沌反向灰狼算法的多终端复杂任务调度策略

大型复杂机电设备或特种高危贵重物品仓储、运输过程常需要对设备状态及周围环境信息进行实时监控。而在监控过程中经常遇到多终端复杂任务协调难题,由于多终端任务调度是一个NP(non-deterministic polynomial)优化问题,高效的调度策略可极大缩短调度等待时间。基于此,文章提出一种融合多种策略的灰狼调度方法,建立新的编码方式与离散空间映射,应用混沌系统不确定性初始化种群,以自适应惯性权重来平衡调度方法的全局优化性能与收敛速度,引入反向学习思想扩大算法寻优范围。实验结果表明调度方法将系统等待时间有效缩减10.06%,其终端负载及最小等待时间明显优于其他算法,验证了调度策略的有效性及优越性。

基于边端协作的分布式数据分级管理技术

随着智能应用在嵌入式装备系统中的不断普及与发展,对大数据的有效利用和深度融合提出了更高的要求。然而,嵌入式装备类型多样、大数据多源异构,由于缺乏统一的组织管理,业务应用间存在数据壁垒,并出现了数据孤岛现象,导致大数据利用与开发困难。因此,在嵌入式装备系统中,如何有效组织管理数据是亟待解决的难点。为此,以嵌入式装备系统的数据统一管理和共享利用为导向,基于边侧与端侧协作技术,从数据管理架构、数据分级协同管理方案、数据请求调度策略三个方面,探讨了嵌入式装备系统中分布式数据协作管理技术的可行性,以促进数据到信息、信息到知识、知识到决策的快速转化,同时,通过管与用的紧密结合,推动嵌入式装备系统中数据应用的开发。

基于LoRa的预制菜冷藏设备物联网终端设计

随着预制菜行业的快速发展,对其冷藏环境的远程监控与管理问题变的日益严峻。针对冷藏设备存在实时数据无法上传和配备人员值守成本高的问题,研究设计了一套基于LoRa技术的物联网监测终端,该系统的核心控制器采用STM32F429芯片,节点和网关数据传输设备采用LoRa传输模块,结合传感器采集冷藏设备的工作参数。利用LoRa模块构建星型自组网,以主机轮询方式将终端节点的数据传输至网关,经4G上传至云平台并可视化显示。实验测试了预制菜冷藏设备冷藏温湿度、环境温度以及压缩机工作电流;并测试了系统在复杂和空旷环境下的LoRa有效通信距离。结果表明,LoRa在复杂环境下通信距离为300 m,在空旷环境中能够达到500 m,该系统表现稳定可靠,能够满足预制菜冷藏设备数据监控的需求。

移动网络数据链网关终端访问安全性认证仿真

随着移动网络技术的快速发展,移动设备访问网关终端的频次也逐渐提高,而恶意访问则直接威胁着网关终端的数据链安全。为了解决当前访问安全性认证效果差、恶意访问识别率低等问题,提出了一种基于随机森林算法的访问安全性认证算法。算法首先对数据链进行加密,从而保障数据链的安全;其次通过设置访问安全权限限制,对访问用户进行行为约束,并对数据链的标签进行分类,从而确定数据链的安全级别;随后通过第三方交叉认证的方式保障了服务器的安全;最后通过设计基于随机森林交叉认证的算法,对不同安全级别的数据及访问用户采取针对性的安全性认证,从而达到保障数据链安全的效果。实验结果表明,所提算法在准确率上提升了6.55%,在召回率上提升了3.27%,提高了保障数据链安全的能力。

基于边缘计算的台区短期负荷预测方法

配变台区是配电物联网与用户交互的重要纽带,台区短期负荷预测对实现配电物联网的精益化管理具有重要意义。为缓解全部台区上传负荷数据所带来的通信压力,提出一种基于边缘计算的台区短期负荷预测方法,将台区智能配变终端存储30天的历史负荷数据作为样本数据,通过核平滑法对样本数据进行清洗,因样本数据较少考虑将样本归一化后,拆分为标幺曲线与基值分别计算提高预测结果精度。然后通过相关系数法构建历史负荷数据的相关系数矩阵,用相关系数矩阵替换仿射传播相似度矩阵后聚类求得相似日的标幺曲线,再通过加权求和求得待测日的标幺曲线。同时,按照相似日原理预测待测日基值,最终通过待测日标幺曲线和基值反归一化后得到待测日负荷曲线完成预测工作。通过山东某配变30天的历史负荷数据计算验证,表明所提方法可以实现台区负荷量级小、样本少、波动大情形下的合理预测,占用主站计算资源较少,对配网精益化运维具有积极意义。

动态拓扑下基于终端数据挖掘的配电网异常节点检测

异常节点检测用于发现由窃电、设备故障等现象导致的功率、电压等电气参数的量测值与实际值不同的节点,是配电网态势感知、运行和管理的基础。为此,提出一种基于终端数据挖掘的异常检测方法。首先,通过挖掘节点电压、功率间的潮流约束关系,构建了一种潮流映射框架下的异常检测体系,将不符合约束关系的节点判断为异常。其次,构建对冲反向传播-残差神经网络拟合潮流约束关系,在配电网拓扑和参数信息缺失的情况下实现快速准确的电压计算。再次,针对配电网拓扑变动导致方法失效问题,引入模型回溯概念和生成树算法进行识别,将变动信息反馈给主模型,实现检测方法在动态拓扑下的应用。最后,结合实际案例与仿真实验验证了所提方法的有效性。

智能终端生产系统层次化数据模型及数据应用架构设计

随着工业互联网生产业务服务模式全面介入企业产线级管理,其数据主体及数据服务形式越来越多样化复杂化,基于MES的传统数据服务架构模式已经不能适应现实需求,无法为生产人员及经营管理者提供有效地数据分析服务。为此,针对智能终端数字化、网络化生产组织形态中复杂的数据流式和数据逻辑关系展开研究,并且提出了一种基于主题数据组态的层次化数据描述模型及数据应用架构,实现了面向全局生产管理与生产经营决策的从数据采集、数据治理、数据存储到数据归集的主数据管理。在多条SMT贴片及整机生产线的示范应用结果表明,该应用架构不仅能为生产系统各层级人员和企业顶层各类经营管理者提供应用服务数据,还能有效地为决策经营层提供数据分析服务。

基于Gamma混合模型的出租车落客行为

为了更好地理解枢纽送站坪出租车落客行为,提高落客区域通行效率,提出基于Gamma混合模型的出租车落客决策模型.应用精确的出租车轨迹数据,将出租车停车时间分解为主动停车时间、被迫停车时间和落客时间,基于被迫停车时间分析构建等待耐性混合分布模型,模型验证结果与真实数据相吻合.在此基础上,以潜在乘客耐心分布、停车位置、期望停车位和行程时间为落客决策模型的核心指标,提取相关因子为解释变量,以是否落客为被解释变量,构建二元面板Logit模型,并对模型进行检验.结果表明,乘客耐心对车辆落客起着决定性的作用,落客决策模型预测准确率超过81%,表明该模型能够较好地预测出租车落客行为,为研究缓堵策略提供基础.