1、项目基本情况 基于掌静脉的社保认证系统包含了二代证信息、掌静脉等信息的采集和 比对，高效准确，彻底解决了社保冒领、骗领的问题。同时，系统也解决了 社保信息采集及验证阶段的人力分配问题，由于是移动设备，分发给当地社 保机构由其组织采集即可。 1）人机界面 硬件：柜式自主认证一体机和便携式采集认证一体机； 软件：甲方养老金领取稽查认证系统开发技术要求设计。 功能描述： （1）与企保、事保联网核查，可查出多次参保人员及重复领取人员。 （2）身份证号重号（一个人在不同地区多次登记，产生冒领）。 （3）身份证号不符合编码规则，过滤。 （4）身份证短号与长号的对比过滤，过滤。 （5）信息采集不需再打字，读取身份证即可，同时保证真实性。 （6）可直接采集电子版照片。 （7）针对农村常见的偷埋现象。 （8）核查变的非常简单。 （9）实现电子档案存放，可在采集时直接打印档案表，让参保人员 直接按上手印，作为一种防冒领的心理威慑。 （10）防止作弊。 （11）短信通知功能。 2）便携式采集认证一体机 硬件：工业级主板+采集模块+身份证读取模块+显示、输入设备； 软件：甲
课题组面向国家网络空间安全战略重大需求,在突破国产密码性能瓶颈的基础上,研发了高性能国密物联网安全认证方法、系统及终端。该成果研发了面向多架构优化的国密算法快速实现方法，显著提升国密算法性能;提出了一种轻量级的高性能数据安全协议和方法，有效保护终端和系统安全；构建了基于国密算法的物联网安全认证系统，覆盖主流 CPU 架构和操作系统，可实现通用密码安全体系的等效替代。密码算法支持 SM2\SM3\SM4\ZUC ，支持 X86-64\ARM64\ARMV7\MIPS\RISC 等处理器架构，基于 C 语言和汇编，接口优化，轻量级算法库固件尺寸<30K 字节。32 位 ARM 架构 72MHz 主频下性能：SM2 签名时间~30 毫秒，SM2 验签~150 毫秒，SM4 加密 512 字节时间0.6 毫秒。物联网设备数量在过去几年中呈指数增长，但是物联网终端网络的安全问题并没有得到很好的解决，相当数量的物联网终端设备处于弱保护、无保护的状态，一旦发生物联网安全事故将会对设备厂家造成巨大的经济损失和无法挽回的声誉损坏。随着国家和社会对物联网安全重视程度的提高，市场对物联网系统的高性能安全解决
1、项目研发了车间数据釆集与处理系统、智能装备集成组件与智能网关产品，实现了设备互联、数据采集、存储、可视化展示、监控预警以及 MES数据集成。经第三方检测，项目开发的系统及相关产品主要性能指标达到了任务书要求。 2、突破了离散制造车间异构数据采集与协同管理技术难题，研制了安全控制器和智能网关，实现了车间的生产过程监控和智能化管理。
结合数控机床故障诊断的实际需求和特点，项目开展多通道信息融合、特征提取、智能故障诊断等关键问题的研究，重点研究了机床故障诊断的框架模型、特征提取、多智能融合的故障诊断方法。主要研究工作包括： (1)提出了基于模糊偏好关系的多振动信号的加权融合算法，克服了单一传感器的局限性，具有较好的抗干扰能力和动态性，可以为特征提取和故障诊断提供更准确的参数。 (2)提出了基于改进最大相关最小冗余算法和 SVM 的特征选择方法，降低了计算时间，获得了维数较低的特征子集。 (3)研究了基于多智能融合的故障诊断方法，提出了故障诊断的分级框架模型和该框架下的多智能故障诊断方法。本项目已发表论文 8 篇。其中，EI 索引论文 5 篇，中文科技核心 2 篇。申请专利 3 项。其中，授权发明专利 1 项，授权实用新型 1 项。取得软件著作权 1 项。培养磺士毕业生 1 名。本项目研究了机床监测的多传感器融合技术，克服了单通道特征信号分析与诊断的局限性；提出了多智能融合的诊断方法，克服了单一诊断方法的不足；提出了分级框架模型，实现了快速预警和按需维修。项目的研究成果对于降低机床故障频率、按需维修、提高生产效率具有重
成果围绕早期故障的快速预警、准确定位两个关键科学问题，开展故障的智能诊断等关键技术的研究，主要创新性研究内容包括：（1）针对早期故障检测与预警、诊断与定位的时效性的不同需求，提出故障诊断的新模型-分级模型，为机床早期故障的快速检测与预警提供新思路；（2）结合提出的新模型，研究基于分级框架的故障特征选择与提取技术，满足机床故障的快速检测、准确定位的参数需求；（3）研究基于动静态数据分析融合的故障诊断方法，为构建机床的状态监测、故障诊断、维修决策的一体化系统提供新理论和方法。本成果对于提高机床的可靠性和生产效率具有重要的理论意义和应用价值。
随着物联网、大数据、人工智能的发展，越来越多的海洋观/监测网统被搭建起来，并发挥着日益重要的作用。由于传感器本身质量问题、传感器工环境复杂性及传输网络可靠性等问题导致物联网数据异常频发，如数据漂移、数据缺失、数据失真等，海洋观/监测网统采集的数据质量已成为制约海洋数据深度应用、人工智能发挥作用的关键性问题。针对这一问题，本成果突破了云边协同的高通量海洋数据智能处理技术，提出了基于超算的云边协同高通量数据智能处理框架，研发了时序数据异常检测、时序数据缺失值填补、图像自适应智能增强等系列数据智能处理算法，及时发现数据异常并进行修复，研建了海洋观测数据异常智能检测算法库，包含 10 余种基于机器学习、深度学习的数据智能检测算法，研发了基于超算的海域级分布式海洋数 质控与智能处理平台系统。本成果的核心技术包括：1）提出了基于超算的海量模型并发训练方法，基于超算计算优势，充分发挥超算核心多的特点，将海量模型以负载均衡的方式分配到不同超算核心上，从而实现海量模型并发训练，实现了分钟级万级模型优化；2）针对在云端推理时延过高问题，提出了基于云边协同的模型 更新及推理方法，将超算训练优化后的模型推送到