智能数据链

智能数据链（通用12篇）

智能数据链 篇1

1. 引言

人类社会正处于信息科技时代, 无论是日常生活或办公作业都离不开计算机, 这也充分说明了计算机应用技术的重要性。数据处理性能优越是计算机的最大特点, 而数据库作为支撑计算机数据处理的核心平台, 其本身也要经过一系列的升级改造。总结数据库实际应用的具体功能, 对数据库智能化建设具有指导作用, 这些都是数据智能化处理的要点。

2. 数据库应用功能

随着计算机软硬件设备的升级改造, 数据库结构也在朝着更高级别发展, 如图1, 数据库应用功能集中表现于几个结构层。例如, 物理数据层用于存储最原始的数据信息, 当用户需要对数据进行加工时, 借助物理层可实现数据的快速调用;概念数据库表达了数据库的逻辑顺序, 指导计算机对数据执行正确的处理方式;逻辑数据层是智能化的基础应用, 由人工逻辑对计算机完成统一调度。

3. 智能数据库建设特点

计算机推广初期, 用户对数据库功能已经表示了诸多认可, 其强大的数据库处理为企业或个人办公提供了帮助。但是, 随着信息网络的飞速发展, 用户不再局限于单一的数据库应用功能, 而是要求计算机系统提供更高级别的服务模式。智能数据库是计算机功能升级的第一步, 其具有灵活性、高效性、安全性等特点。

3.1 灵活性。

智能数据库大大减少了人工操作环节, 大部分数据处理由计算机自行完成, 为用户创造了更加灵活的作业环境。例如, 数据录入环节由智能识别参与处理, 无需人工干预条件下进行操作, 改变了原始数据处理的复杂流程。

3.2 高效性。

计算机取代人工操作, 在很大程度上提升了数据库的运行效率, 大量复杂信息交由服务器完成操作。对于企业用户来说, 智能数据库是十分实用的, 短时间内处理完不同的数据资料, 显著提高了办公自动化水平。

3.3 安全性。

新型数据库的安全特点:一是安全控制, 防止数据丢失、错误更新和越权使用;二是完整控制, 保证数据的正确性、有效性和相容性;三是并发控制, 使在同一时间周期内, 允许对数据实现多路存取, 又能防止用户之间的不正常交互作用。

4. 基于智能数据库模式的处理操作

对于计算机而言, 我们可以把数据库看成一个“数据仓库”, 专门用于存储各类数据信息的空间, 为用户提供了良好的数据应用平台。在智能数据库条件下, 数据处理操作流程更加完善, 如图2, 主要包括:数据库共享、智能筛选、多项运行、集中控制等。

4.1 数据共享。

数据共享包含所有用户可同时存取数据库中的数据, 也包括用户可以用各种方式通过接口使用数据库。智能数据库根据用户要求, 自动选择有价值的数据信息, 同时能够为用户提供数据共享。

4.2 智能筛选。

同文件系统相比, 由于数据库实现了数据共享, 从而避免了用户各自建立应用文件。减少了大量重复数据, 减少了数据冗余, 维护了数据的一致性。智能筛选具有很强的针对性, 由办公软件执行相关程序, 加快了数据处理的流程。

4.3 多项运行。

数据的独立性包括逻辑独立性和物理独立性。前者是, 数据库中数据库的逻辑结构和应用程序相互独立;后者是数据物理结构的变化不影响数据的逻辑结构。若用户有功能操作需求, 可设定多项运行条件, 执行数据双向操作流程, 避免数据传输或使用时发生冲突。

4.4 集中控制。

文件管理方式中, 数据处于一种分散的状态, 不同的用户或同一用户在不同处理中其文件之间毫无关系。利用数据库可对数据进行集中控制和管理, 并通过数据模型表示各种数据的组织以及数据间的联系。集中控制适用于超大量数据的处理, 按照编制好的程序完成操作, 实现了数据的高效率操作。

5. 结语

计算机应用技术是信息科技的主要支撑, 借助计算机数据库可以完成大量复杂的数据操作, 解决了传统数据库运行存在的不足。智能数据处理是计算机应用科技的重点, 借助这一平台促进了新信息时代的变革发展, 保障了数据库资源的优化配置。

摘要：智能化是数据库运行的必然趋势, 智能办公过程要充分发挥智能模式的功能作用。本文总结了数据库实际应用功能, 分析智能数据库建设的特点, 提出数据库智能处理操作的流程方案。

关键词：计算机,数据库,智能化,处理流程

参考文献

[1]隽军利, 李天燕, 王小龙.浅析计算机数据库系统在信息管理中的应用[J].科技创新导报, 2008 (12) .

[2]于永强.计算机数据库系统在信息管理中的应用研究[J].黑龙江科技信息, 2011 (03) .

[3]黄娜娜.浅谈计算机数据库系统在信息管理中的应用[J].今日科苑, 2010 (18) .

[4]李旭军.计算机数据库技术在信息管理中的应用[J].赤峰学院学报 (自然科学版) , 2011 (10) .

智能数据链 篇2

详细介绍了最新研制成功的`智能钻探测控数据采集系统的设计原则、技术特点、结构、参数设置方法以及测试应用情况.

作 者：丁景祥 丁健 DING Jing-xiang DING Jian 作者单位：丁景祥,DING Jing-xiang(煤炭科学研究总院西安研究院,陕西,西安,710054)

丁健,DING Jian(明大网络测控公司,陕西,西安,710048)

智能数据链 篇3

动态可视化的健康规划

“在我们未来的发展方向上，将会以智能体脂秤为主要的数据入口，同时支持接收手环、手表等可穿戴智能硬件提供的各项人体基础数据，经过强大算法的云端计算，最终在App进行呈现，为用户提供科学的有价值的分析结果和有针别的、切实有效的健康管理建议。”智能秤的创新者，国内智能健康硬件创业公司有品公司CEO张悦，今年初在接受记者采访时这样表示。据悉，有品成立于2013年4月，2013年12月推出了首款Latin智能健康秤，同月获得了戈壁创投400万元A轮融资2014年6月，又获得了腾讯和京东商城2100万美元B轮投资。

而就在今年的春节过后不久，有品就上线了全新的有品App2.0版本，较之于之前的1.0，其旨在通过此次的软件升级，打造智能、好用的身体指标监测和每日运动量管理工具。

其实，早从2013年起，一些大型展会和市面上就相继出现了许多智能秤的身影，有些还被冠之以“智能体制分析仪”的大名。然而由于受价格和功能稳定性等因素的影响，发展至今，整个智能秤的总体市场规模还是太小，单就一年中国市场中8000万台秤的出货量来看，智能秤只占到了其中的200万台，并且绝大部分还是出口欧美。

然而，“经过近两年的发展，相关产品已经筛掉了很多初代产品的坑爹设计，产品设计和质量都相当稳定了”，一位业内人士如此评价智能秤近年来的发展。

以有品为例。有品智能秤在使用时，手机App即刻同步脂肪率、内脏脂肪指数等9项重要体征指标。

“我们APP的l.O版本，完成了工具化第一步的目标，给用户呈现的是最直观、较详细的、他的个人身体状态和身体类型指示，这是一种静态的身体数据展现。而升级后的2.0版本，关键词是动态展现和交叉分析。我们希望基于用户长时间的测量数据积累，通过对他数据的挖掘和分析，能给用户带来更有价值的结果。其实我们从1.0到2.0的版本升级，就是从原来静态化的信息展示，变成了现在动态化、延续性、场景化的信息展示。最主要的目的，就是希望为我们的用户更科学更直观地提供对他们来说最有价值最核心的信息。”张悦说。

比如人们一直部说“每逢佳节胖三斤”，春节等长假过后，一定有很多用户的体重体脂部有较大的变化。这时候有品2.0在场景化使用方面就会给用户提供一些减肥小指导之类的内容，帮助指导用户减掉那些“过节肉”。再比如用户每周上秤三天，或者每月上秤8天，有品2.0都会根据用户这段时间的身体信息，给他们一些有针对性的健康指导。这种指导既包括饮食上的也包括运动上的。

但是仅仅有身体的数据是不够的，在此基础上，有品2.0版本里还有计步器功能，就是希望通过采集用户的步行数据，获得其最基本的运动量，从而了解其运动状态和生活习惯。这是一个久坐不动的白领还是一个定期运动或者工作活动强度比较大的人？基于这些数据，有品会描摹出用户身体状况可能的发展趋势，比如一个人如果一天开车上下班，中午叫个外卖，在办公的时候也基本坐着不动，那么他的生活方式就是不健康的，长此以往可能会出现问题。那么有品就会基于他的现实情况和以后可能出现的健康风险，给出一些有针对性的运动建议和目标，让用户在直观了解自己可能存在的健康风险同时，根据有针对性的建议对自己的生活做出调整。

挖掘价值数据才是智能秤的未来

经过亲身试验，“给我数据不如给我方法”是用户对于智能秤功能的最人期待。

对于普通用户而言，脂肪率、基础代谢率、肌肉含量、骨重等都是一些“死”的数据，用户们需要的不是那些生硬的名词解释，而是希望透过这些数据，如果知道它们中的哪一项不正常，自己应该怎么让它正常，因而教会用户方法才是核心。

当代社会，大数据主导一切。经营自己的身体和管理一家公司其实并没有多大区别，无论是人员管理、营销方向制定，亦或是身体健康状况跟踪，都离不开大数据的参考。智能秤就有做这方面工作的先天优势，它们可以是提供自身数据的私人助理。通过它们定期监控体重、体水分率、内脏脂肪、骨骼含量、体脂肪率等指标并给予一定的建议，防患于未然。

今年6月初，有品又发布了最新一款智能秤有品魔秤CI。其采用了BIA生物点阻抗测量方法，通过有品独家、核心的分析算法，可以检测到用户的体重、体脂、肌肉率等9项身体指标，全面反映用户的身体状况，满足用户对智能体脂秤的基础需求。而在此基础上，C1在功能方面，去除了此前S系列的内置记忆模块和悬浮进程花瓣提示灯。用户在测量过程中，无需进程提示可直接显示测试结果。

比如，在应用一侧，有品App可以记录和学习用户的生活起居和运动习惯，并根据天气状况给予针对性的建议，比如“18点雷阵雨不适合户外运动”。而如果用户在有品App里添加了自己的胸围、腰围、臀围和大腿围等数据，有品还可以根据数据了解用户的体型，配合体重、体脂等指标，给予用户预防慢性疾病的个性化建议。

那么，智能秤的使命是什么？如果这个问题放在3、4年前，或许是个可笑的提法。然而随着近年来智能硬件的井喷发展，智能秤作为智慧家居中的一员，将被赋予了家庭营养专家和医生助手的新功能。

未来，智能秤将成为家庭生活中的一部分，是一个新的数据入口，记载了来自个人自身的许多数据，是唯一准确知道你个人体质信息的专家。而这部分最个性化的数据将为用户提供定制化的膳食搭配和运动建议，调养用户的身体。当大病来临时，这位“私人医生”又将为用户的主治医生提供更为准确和详细的数据报告。

而推出智能秤，是构筑数据生态圈的第一步。张悦表示有品将构建以“智能体脂健康秤及其App”为核心，其他衍生性的可穿戴智能硬件为支持的健康管理闭环的新愿景。

智能数据链 篇4

1 数据挖掘技术概述

1.1 概念

数据挖掘技术是一种新型的信息处理技术, 它将数据的使用, 由低层次的联机查询, 提升到了一个新的高度, 即分析预测、决策支持等高等应用。数据挖掘能够对数据进行微观、宏观的统计分析, 并且对数据关系进行综合推理, 寻找数据之间存在的关联性、发展趋势等。数据挖掘技术可以通过获得诸多的知识信息, 对高级决策活动进行指导。

1.2 典型数据挖掘系统结构

根据数据挖掘的广义概念, 其典型系统结构图如图1所示。

源数据信息存储库的主要作用是存储基础原始数据, 通过数据清洗、整理、加载对数据进行处理, 使之符合规定的要求。数据库服务器是按照用户的挖掘请求, 提取有关的数据, 供用户使用;数据挖掘引擎是数据挖掘的核心内容, 由功能模块构成, 可以执行分类、特征化、预测等任务;用户界面是用户与数据挖掘系统进行通信的桥梁, 可以实现系统和用户之间的互动。

在知识发现的整个过程当中, 数据挖掘是一个基本的步骤。要进行知识发现, 就要从数据源当中寻找有关的数据, 将其组织为适合挖掘的数据组织形式;再利用相应的算法, 获得所需要的知识;最后, 可以根据所得知识, 对其进行评估, 将有应用价值的信息加载到智能系统当中。

1.3 数据挖掘模式

数据挖掘模式的主要目的是发现知识。知识要通过某些模式被发现出来。数据挖掘系统当中, 能够使用的知识表示模式有很多, 通过分析知识表示模式及使用方法, 可以更加直接的了解挖掘系统具有的特征。数据挖掘模式一般可以分为两种, 即描述、预测。描述性挖掘能够刻画数据库中数据的特点, 预测性挖掘主要根据已有数据, 进行推断和预测。对数据挖掘模式进行分型, 主要可以分为关联分析、概念描述、分类预测、孤立点分析、聚类分析等。

2 电网数据智能分析数据挖掘算法模型

按照电网的业务数据特点和数据挖掘需求, 在进行数据分析时主要采用两种算法模型, 即关联和预测。关联分析是在电网相关数据中, 寻找分类属性和和决策属性之间存在的某种关联关系, 从而方便在宏观上对电网数据进行把握。预测指根据已有的基础数据和数据之间的关联关系, 对未来的发展趋势进行时序预测, 从而有依据的制定如燃料计划、发电计划、供电计划等, 达到科学安排电网建设、电源的目的。

关联算法模型是寻找数据间的关联规则, 关联规则挖掘则是寻找常规方法难以发现的数据之间的关系规律;时序预测算法是通过对电网的用电量、负荷、发电量等关联因素及发展趋势的分析, 进行预测研判, 为电力系统扩建规划、发展速度、工业布局、电网资源分配等提供数据依据。按照预测期限的不同, 预测可以分为长期、中期、短期、超短期等, 还可以分为年度、月度、日、小时等预测。电网数据智能分析使用的预测模型图如图2所示, 其中预测模型包括指数平滑分析模型和线性回归分析模型。指数平滑分析是指任一期的指数平滑值都是本期实际观察值与前一期指数平滑值的加权平均。线性回归分析模型是利用称为线性回归方程的最小平方函数对一个或多个数据变量因素之间关系进行建模的一种分析模型。在对电网数据进行分析使用单一预测算法的同时, 也采用综合预测算法, 即将两个以上的预测模型的测量值, 进行适当的处理, 将平均值当做最终的预测结果。

3 电网数据智能分析系统的体系结构

基于数据挖掘技术和挖掘算法模型, 通过构建电网数据智能分析系统, 能够对电网数据 (包括用电量、发电量、用电负荷等) 进行关联性分析、时序预测, 数据使用多维数据库进行存储, 有一定的参考价值, 电网数据智能分析系统的体系结构图如图3所示。

(1) 数据预处理。电网数据智能分析系统对电力资源信息、运行情况、发电用电信息等基础数据, 通过数据预处理, 进行清理和整理, 提供高质量的有效数据。数据预处理的概化处理, 即通过将基础数据由连续值分为离散值, 为基础数据划分范围, 减少属性值的数量, 便于数据的挖掘和展示。

(2) 多维数据模式数据仓库。通过建立多维数据模式数据仓库, 从多角度多层次进行数据查询和分析, 根据不同的数据需求建立起各类多维模型, 例如将发电用电、负荷潮流信息分解建立成电压主题、电流主题、负荷主题等的数据模型, 并组成数据集市开放给不同的上层分析使用。

(3) 多维关联性分析。按照多维关联规则技术, 按照电网运行特征, 提炼出相关的记录数据, 组合为新的数据记录表, 寻找表中诱因值和结果值组成的字段, 从而推导出分析因素的关联规则, 分析客观因素对分析因素的影响;预测, 主要使用时序预测模型, 分析电网历史数据, 预测其发展趋势。通过分析历史数据, 寻找其存在的一般规律, 使预测尽量的符合实际情况;

(4) 可视化显示。是将挖掘的结果以图形的形式, 展现给用户分析查看使用。

4 电网数据智能分析系统应用

随着信息技术在电力系统的广泛应用, 要保证其在市场环境下能够安全运行, 就要对电力系统中的数据进行有效分析。通过建立电网数据智能分析系统, 从而为数据挖掘技术的应用提供条件。分析系统的具体应用可以总结为以下方面:

设备运行状态预测。通过对电网设备的运行状态进行监测, 收集状态信息进行分析预测, 以便及时发现并且解决问题, 从而提高设备的可靠性, 降低设备维护成本。

故障信息分析判断。电力系统处于运行状态时, 如果系统出现问题, 保护装置的动作信息就会把故障的有关信息传送给调度中心, 调度员会根据以往的经验对问题进行分析、处理。通过将故障信息导入到电网数据智能分析系统中, 建立故障数据挖掘算法, 可以对故障的数据进行分析, 提取故障特征, 使之成为调度员对电力系统故障进行快速判断和处理的依据。

市场发展趋势研判。通过对电力用户的特征进行合理分析, 将市场分为群组, 分析用户的用电特征, 能够有效预测短期内的市场需求, 从而为市场发展趋势决策提供数据依据。

5 结语

数据挖掘技术目前仍在不断地发展, 诸多研究机构都对其进行了探讨研究, 已被广泛地应用在许多行业。数据挖掘在电力行业中的应用还需要进一步的不断探索和研究, 使其能够更好地在电力系统业务发展中得到应用, 提高电力系统的稳定运行水平。

摘要：数据挖掘是对数据进行分析理解, 揭示数据内部关联规则的一门技术, 是数据分析的主要手段之一。它能够从大量有噪音的数据中, 挖掘出其蕴藏的知识信息。其挖掘模式主要包括聚类模式、序列模式、关联模式、分类模式等。电网数据智能分析系统运用数据挖掘算法, 对电网的设备信息、运行数据、日报数据进行分析, 清理大量初始数据, 按照电网运行的特点, 分析和因素有关的数据, 将其记录到数据库, 通过相应的挖掘算法, 获得所需的数据, 从而为电网的安全运行提供理论基础和支持。本文主要论述了数据挖掘的概念、模型, 电网数据智能分析系统的设计模式、体系等, 对有关技术进行简单的分析。

关键词：数据挖掘,电网数据智能分析

参考文献

[1]剧树春, 李刚.数据挖掘方法在智能电网中的应用[J].电子世界, 2013 (20) .

[2]朱晓峰, 李玲娟, 徐小龙, 陈建新.关联规则挖掘技术及其在智能电网中的应用[C].第十八届全国网络与数据通信学术会议, 2011.

[3]晁进.基于数据挖掘技术的电网智能报警系统的研究[C].华北电力大学:电气工程;电力系统及其自动化, 2011.

京东发布首个智能冰箱数据报告 篇5

“上班族” 带动“家庭用户”感知冰箱智能化

数据显示，智能冰箱冷藏门开关的时间曲线波峰起伏相对规律，三个使用峰值分别为： 9点、12点、19点。显然，在早、中、晚三餐的时间段里，冰箱开启的频率更高，这与每日三餐时间的相吻合。而从用户与智能冰箱屏幕的交互时间曲线上看出：18点-19点之间迎来全天第一波段使用高峰，19点稍有回落后，从20点-22点达到第二波段的使用高峰，在21:00点达到全天使用最高峰值。智能冰箱屏幕使用时间曲线在17点以后呈现陡然上升趋势，这或许是由于“上班族”的作息规律导致，而家庭用户中“上班族”成员对智能冰箱屏幕使用需求相比其他家庭成为更为显著。

从智能冰箱屏幕控制上来看，屏幕亮度调节功能使用占比29%，多媒体音量功能使用占比28%，亮度工具条、音量为用户主要关注并进行调节的内容。说明用户针对不同的环境对冰箱屏幕有不同需求，用户在不断匹配需求的同时，已经逐渐建立起对智能冰箱屏幕的使用习惯。带动和提升所有家庭内成员，对冰箱智能化功能的认知重任，就要落在每家的“上班族”的肩上了。

8成以上用户冰箱里要囤货“牛奶”，冰箱调温需要更灵活

数据显示，监测到冰箱里存储的常见食品超过60多种品类。80%以上的用户冰箱里都有鸡蛋和牛奶囤货。70%以上的用户冰箱里会存储饮料、酱、火腿肠。50%以上用户冰箱里会存储的蔬菜和水果，包括：番茄、长叶蔬菜、苹果、辣椒、白萝卜、橙子、土豆、白菜等应季常见品种。20%左右的用户会把红酒、调味料等不常见的食品存放在冰箱。有趣的是，通过数据看，目前还没有人敢把榴莲放在冰箱。

从智能冰箱温度调节功能上来看： 变温室调温使用占比39%，冷冻室调温使用占比23%，冷藏室调温使用占比16%。对于家庭用户来说，由于食用食材的场景较为多样化，无论是准备宴请前预先保鲜和自动解冻食材、还是快速冰镇饮料、啤酒等场景，都对食品新鲜、营养保存的完整性和温度变化的灵活性要求更高。而在冰箱上食品管理功能的模块上发现：牛奶、鸡蛋、饮料、火腿肠、水这几种食品是用户添加管理最多的.食品，成为用户最关心保质期和健康的食品。

冰箱场景化购物以生鲜和食品饮料为主

京东智能冰箱的购物平台，目前接入京东生鲜、京东超市等频道，通过冰箱上酷购模块为用户提基于冰箱场景下的购物服务。无论是从购买品类的多样化、还是从订单数量上来看，场景化购物对于用户来说都相当自然。数据显示，通过冰箱购买最多的商品为生鲜、食品饮料两大品类。其中饮料冲调销量占比32%、海鲜水产销量占比19%、水果占比11%、猪牛羊肉占比11%、成为购买最多的品类，而羊肉、饮料、贝类、蜂蜜柚子茶、鱼类、坚果炒货、米面杂粮、虾类等食品也是用户热衷在冰箱上购买的食品。有趣的是，在购物数据中发现，在冰箱上购买最奇葩商品还有：避孕套、空调、毛呢大衣、雨刷等，看来很多用户一旦开始购物，还真是控制不住呢。

在厨房“烹饪”和“娱乐”两手都要抓

从智能冰箱各智能化功能的使用频率上来看，用户使用最多的功能为：FM、天气查询、购物、精品菜谱、智能化食品管理功能。从数据分析中发现， FM使用率最高，占比为28.6%，由此看见，用户并不满足于厨房里锅碗瓢盆的演奏乐，做饭的同时对娱乐化内容的精神乐章有更大需求。在智能冰箱的菜谱功能选择上来看，相比自动推荐菜谱功能，超过7成以上的用户更喜爱智能化搭配食材推荐菜谱。从目前京东智能冰箱的运营数据分析，用户最喜欢选择的菜谱中素菜为家常土豆丝、荤菜为土豆烧排骨、甜品为火焰布丁。这进一步说明，用户对智能化的推荐和内容有较大需求，场景化的内容推荐已经成为用户的生活指南和助手。

工业大数据：智能制造的基石 篇6

随着物联网、云计算、大数据等新一代信息技术逐渐向工业领域融合渗透，一场以数据为核心驱动的智能制造变革正在加快到来，工业大数据日益成为各国政府和产业界关注的焦点。工业大数据是基于先进大数据技术，贯穿于工业的设计、工艺、生产、管理、服务等各个环节，使工业系统具备描述、诊断、预测、决策、控制等智能化功能的模式和结果。

对工业企业而言，工业大数据有优化网络、优化运维、恢复系统、自主学习四种区别于一般大数据应用的特殊用途。此外，通过工业大数据的四种用途，能够为工业企业带来增加收入、降低成本两大价值。

智能数据链 篇7

用于支持智能客户端在离线状态时继续工作所需的数据, 称为参考数据。对参考数据在本地进行缓存, 并可以在过期后进行刷新。参考数据按客户端所作的操作及其提供的用途, 可以将它们分为两类:只读引用数据与瞬态数据。只读引用数据是不会由客户端更改的, 并且被客户端用于引用目的的数据。 瞬态数据是可以在客户端发生改变的缓存数据。这种类型的数据主要包括因客户端通过新增、修改或删除等操作而被更改的数据。因此对瞬态数据的管理与维护, 以及当网络连通后与服务器进行同步的问题都比较复杂。下载的参考数据会在一段时间后变旧, 因此要对参考数据指定过期策略来刷新参考数据。 缓存管理监视缓存数据是否已经过期, 如果过期, 缓存管理调用刷新控制的指定回调方法刷新缓存。在启动下载前, 刷新控制将该数据添加到缓存中以防止信息丢失, 然后再调用数据加载来启动下载数据。

数据缓存管理 (Data Cache Manager) 向服务器端发送下载数据请求需求, 把数据缓存到本地机上。对于要进行短期缓存的数据, 可以下载到DataSet数据集当中;对于要进行长期缓存的数据, 可以以XML文件进行保存。 客户端应用程序能够在离线状态下工作就必须先把数据缓存到本地, 在本地进行维护, 然后与服务器同步数据。 客户端与服务器的数据同步是指智能客户端应用程序在离线状态下操作 (主要是对服务器端数据的创建、修改和删除等操作) 的数据在联机后自动更新到服务器上。 由于这些操作有一定的先后顺序与逻辑, 并且本系统设计时客户端应用程序调用的是Web Services所提供的服务。服务器端的数据由于队列的有序性, 确保了数据先后执行的顺序, 保证了数据的同步。对于客户端数据, 由于采用了数据缓存更新策略, 使数据能同步。客户端应用程序所做的操作由于是采用的离线操作, 因此在与服务器进行数据同步时就可能发生数据的冲突。通常处理数据并发有两种:

一是开放式并发。开放式并发是一种积极的数据处理方式, 它关注的是原始数据的变更, 发现与原始数据不一致时, 通常会触发错误并询问用户希望如何处理, 用户可以选择放弃更改数据或覆盖已经更改的数据。二是保守式并发。保守式并发是当用户编辑数据库中的某行数据时, 会使此数据一直保持锁定。在锁定期间, 其它用户不能更改数据, 这样可以最高程度地保证数据的完整性, 但是可用性低。一旦用户不能及时处理数据, 数据就总是处于锁定状态。并且, 保守式并发会导致系统性能大大降低, 因此大部分的解决方案不会采用这种方式。

本文采用的是开放式并发数据处理方式。然而, 产生数据冲突时, 不管采用任何一种方法来处理开放式并发策略, 都可能出现并发失败的情况, 对于整个系统的性能都会有很大的影响, 因此为了降低并发式数据冲突失败的效率, 尽量减少数据冲突。可以从以下方面来考虑:

第一, 在本地数据缓存更新策略中进行了优化。可以为客户端缓存的数据设置一个合理的有效时间, 在一定的有效时间内把它视为新数据, 有效期一过就刷新数据。系统中尽量把缓存数据转换为可预测的或者个人数据, 以使其具备可预测性。虽然这并不能消除并发问题, 但是可让并发问题的概率降低。

第二, 在服务器端的Web Services中进行了相应的处理。在Web Services 服务器端对数据进行更新时尽量处理并发问题。本文采用的是.NET开发环境, 因此使用数据集 (DataSet) 和数据适配器 (DataAdapter) 共同协作来实现开放式数据并发。数据集是ADO.NET提供的一个重要的类, 它拥有访问数据的强大功能, 已经充分考虑了事务处理, 并发等情况, 可以实现快速、安全、稳定的数据访问。

摘要：智能客户端要能够顺利地运行, 包含有网络/服务连接管理、数据缓存管理、数据冲突处理管理, 数据同步处理以及Web服务。通常要解决的问题包括有:应用程序可以确定它处于联机状态还是脱机状态;如果连接能够以不可预计的次数进行更改, 那么应该可以通知依赖于连接状态的应用程序组件;应用程序存储数据, 陈旧数据的刷新;应用程序无法访问所有必需的数据或服务时, 采用离线的运作方式;应用程序从脱机变为联机时, 应用数据与服务器同步处理。

关键词：智能客户端,数据缓存,数据同步,离线操作

参考文献

[1].Microsoft MSDN技术文档.智能客户端定义[DB/OL].ht-tp://www.microsoft.com/china/msdn/developercenter/smart-client/SmartClientDefinition.aspx

智能数据链 篇8

入门级数据采集器通常支持单相电力线, 用途是采集自动抄表系统 (AMR) 的数据或新式带数字输出的智能电表数据。采集的数据通常存储在采集器系统的闪存中 (内置或外置于微控制器本身) , 集中数据通过选定的通信接口在预定时间传输至上游网络。

入门级数据采集器向上游网络传递信息之前通常会执行一定量的初步数据处理。例如, 结合少量的数据采样和时间记录, 数据采集器可以报告某一特定时间内的电力使用情况, 从短短几分钟到一个星期或一个月不等。也可以根据不同时间间隔和筛选方式对数据进行分类、存储。这样有助于公用事业公司详尽地分析电力使用趋势, 数据粒度细化至单个用户, 并可进行动态调整, 实现更合理的电力输配。经配置后, 数据采集器可监测电子式电表的下游运行情况。如果电表参数发生变化, 或报告间隔超过公差, 或检测到故障或异常数据, 则数据采集器会实现软件智能化, 及时报警, 并向维护团队提供远程修复所需的信息。

各地智能电网的传输方式可能有所不同, 因此, 应地方规范要求, 需要扩展基本功能集。根据数据采集器的部署位置, 可以使用RS-485、通用分组无线业务 (GPRS) 或电力线通信 (PLC) 进行数据传输, 也可用红外线或RS-485进行外部控制。许多开发商并不针对每个地区或市场进行定制设计, 而是采取了“一刀切”的做法, 构建系统支持可能使用的所有传输方式 (但不是所有传输方式都同时使用) 。此做法可能在制造时带来规模经济效益, 但同时对微控制器将提出更多要求。

入门级数据采集器系统框图和资源要求

图1显示了如何配置微控制器用于入门级数据采集器, 表1则列出了该设计的一般功能要求。假定该设备从多个UART端口采集数据, 并支持多种基本功能, 包括输入采集、数据存储、通信和维护。设计中包括用于提供时间戳数据的实时时钟RTC、进行实时供电质量检查的可选模数转换器ADC以及与外部存储器或外部设备通信 (如无线传输射频模块) 一起使用的可选SPI接口。

表1中未列出微控制器本身的电耗要求, 但通常来说, 数据采集器需要高效用电。公用事业公司不想增加电网电力消耗而产生的额外成本, 消费者也不愿意因使用新的计量功能而增加电费支出。

入门级数据采集器元件选举及考量

恩智浦LPC1200工业控制系列为入门级数据采集器提供了不错的解决方案。如图2所示, 该系列采用ARM Cortex-M0处理器, 提供高达128 KB闪存, 且包含数据采集器可以使用的其他资源, 如RTC、ADC和SPI。

LPC1200系列标配支持两个UART, 另外, 其独特的特殊应用标准产品 (ASSP) 功能使得该系统可以额外支持两个硬件UART。ASSP功能让设计人员可以避免增加高端设备支出, 同时又具有足够的灵活性, 可在不同应用中执行多项任务。例如, 其内置的ASSP还可以被配置用于I2C转DMA传输、引脚模式匹配或模拟数据记录等。使用ASSP可降低CPU的负载及减少处理简单信息时对系统运行产生的中断, 可在定制微控制器功能的同时最大限度地降低系统开销。

中级和高级数据采集器的应用及系统结构

较之入门级数据采集器, 中级和高级数据采集器都具有更广泛的功能。高级与中级的区别通常在于CPU的速度。也就是说, 高级数据采集器一般需要更快的CPU速度, 而这对微控制器配置至关重要。

高级数据采集器系统框图和资源要求

高级数据采集器常用于更复杂的住宅设置和三相工业应用中。计算需求越高, CPU性能要求也越高。200MHz以上主频通常是最佳选择。高级数据采集器还具备更先进的通信和控制功能, 如以太网和Wi-Fi、用于交互式显示的LCD接口以及供本地数据下载的USB主机。这些新增功能需要更多闪存与系统内存, 且需要实时操作系统 (RTOS) 。图3给出了示例功能框图。

高级数据采集器元件选举及考量

对于图3的应用方案, 恩智浦LPC3250系列不失为一个很好的选择。该系列采用ARM9 CPU内核, 其运行速度高达266 MHz, 同时采用矢量浮点 (VFP) 协处理器用于高级算术运算。此外, 还提供了必要的外设和接口, 包括7个UART、1个带专用DMA控制器的10/100 G以太网MAC、1个具有全速主机和设备性能的USB OTG、1个RTC, 以及1个灵活的可支持STN和TFT面板的LCD控制器。

图3的配置为三芯片解决方案, 因为微控制器需要外部SDRAM和NAND闪存才能形成足够的存储器资源。如果系统不需要这么快的CPU时钟频率, 则选择一款板载资源充足的微控制器往往更为可取, 这也正符合了中级解决方案的要求, 如图4所示。

中级数据采集器元件选举及考量

相对于高级解决方案, 中级数据采集器的突出优点是成本较低。因为需要较少的组件, 所以在PCB方面可节省高达2~3美元成本。简单的配置带来更好的经济性, 但性能上的局限使得中级数据采集器更适合作为入门级的升级产品使用, 并非高级解决方案的替代方案。中级数据采集器更适合于以牺牲系统功能换取成本的工业应用。对于想提高系统性能的住宅应用来说也是不错的选择, 如以太网实时通信可用于控制用户电源开与闭, 或用于报告状态变化 (显示设备篡改) 等。

恩智浦LPC1760系列非常适合中级数据采集器。该系列采用ARM Cortex-M3 CPU, 主频高达100 MHz, 且包括最大64 KB的SRAM和512 KB闪存。板载外设和通信接口也为中级数据采集器提供了充足的资源。

数据采集器执行了提高电网智能化的重要任务。选择合适的32 bit微控制器可简化开发步骤, 设计出经济高效的解决方案。选择微控制器时, 工程师应考虑片上资源, 也应考虑其他设计因素, 如设备可靠性 (温度和湿度范围、数据保持能力、电流快速瞬变可靠性、防静电等) 、系统级组件集成、区分功能 (如数据加密) , 当然还有价格因素。恩智浦的ARM解决方案包括LPC1200、LPC32x0和LPC1760系列, 可提供最佳的性能特点组合及满足系统需求, 是各种住宅甚至是工业用数据采集器设计的理想选择。

摘要：主要阐述了ARM微控制器在智能电网的入门级和中高级数据采集器中的应用, 从而更好地完成智能家居控制功能。该设计方案充分利用了ARM微控制器的高性能和低耗电优点, 系统的扩展性和升降级能力强, 在智能家居市场应用广泛。

智能数据链 篇9

关键词：数据采集,智能数据处理系统,设计思路

一、数据采集与处理系统概述

1.1数据采集系统。简单来说, 所谓的数据采集系统, 其实指的就是通过运用计算机系统, 来对数据进行多路检测之后对其进行分析与存储, 经过分析计算后提取出有用的信息, 通过显示、记录等一系列过程供企业所使用。数据采集系统可以被概括为数据输入通道、存储与管理、处理、输出及数据显示这几部分。

从本质上来说, 数据采集系统本身最根本的任务, 就是把其在传感器当中所收集到的数据与信号进行合理的转换, 并使之转变成数字信号之后, 再运用计算机来对其进行相应的计算与分析, 将得到的数据显示, 进而实现对生产生活中某些物理量的监测。

1.2数据处理系统。我们所说的数据处理系统, 指的就是通过运用相关的计算机设备与技术, 来对数据进行后期的加工处理过程。从本质上来说, 数据处理最根本的目的, 就是要把具有较高价值的数据从大量数据当中提取出来, 这个过程可以由人工进行, 也可以依赖于自动化装置进行。

在各类事业机构与企业单位中, 数据处理系统都已经得到了比较广泛地应用。其内容主要包括库存管理与财会管理以及销售分析等, 能够在很大程度上促进工作效率的提升。在长期的发展过程中, 数据处理慢慢发展成一个独立的行业。通过对相关信息与数据的整理, 并对其进行适当的转换, 使之转变成具有更高价值的信息, 将会促进整个信息化社会的发展与进步。

二、数据采集与数据处理的理念和功能

2.1数据采集处理系统的设计思想。从内部组成上来看, 在数据采集处理系统当中, 主要包含了数据的采集与实时处理模块, 前端信号调理模块等。在这当中, 前端信号处理主要是用于进行信号变化幅度的测试, 并对模拟信号进行调整, 最终将其调理到采集卡的量程范围以内。而采集电路所负责的, 则主要是对输入信号的缓存与采集, 通过运用系统总线, 来把其所采集到的相关数据直接读入到计算机的内存当中去, 然后再通过运用相关的软件对其进行后期的处理工作。此外, 在整个数据处理过程中, 主控计算机所负责的主要是协调与监控。

2.2数据采集处理系统的软件设计。就针对于本系统而言, 软件的设计也是其中的一个重要环节。通过软件设计, 能够有效的对测试数据进行统一的管理与存储, 并在此基础上, 来实现数据采集器和计算机之间的实时处理与双向传输。此外, 软件设计能够对设备状态的特征进行提取与自动识别, 并且, 其所采用的通常是模块化与自上而下相结合的方式, 来是现在整个的信息与数据采集过程中, 多任务多窗口与人工控制地人机交互界面。

2.3数据采集处理系统的功能。就针对于数据采集处理系统而言, 其所具有的功能主要就包括了以下几个方面: (1) 多通道数据采集。从某种意义上来讲, 信号调理模块的适用性与软硬件的高效性, 能够从根本上来满足其自身的实际测试需要。 (2) 信号实时监测处理。当我们在进行信号的变换处理时, 该系统能够具备实时显示与高速分析的功能性。 (3) 测试信号的跟踪分析。从本质上行来讲, 该系统能够对信号进行采集之前的预先分析与连续跟踪监测。 (4) 测试数据的再现。在数据的采集完成之后, 系统可以实现对信息的重现与分析处理功能。 (5) 数据的传输和存储。在该系统中, 通过软硬件之间的高效配合, 不仅能够让数据传输更加的高校与稳定, 同时也能实现对大量数据的实时处理与储存。

三、基于WEB的数据发布与显示

基于 WEB 的数据发布与显示可以有效提高工作效率、减少操作失误几率, 该系统通常采用 WEB 浏览表示层、WEB 服务功能层和数据库服务数据层[1], 其不仅能够及时将所采集到的数据发布出去, 同时也能使用显示屏, 来对其所采集到的数据进行实时的更新与维护。基于 WEB 的数据发布与显示能够让工作人员及时了解并掌握机器的运行状态, 及早地检测到机组的异常运行状况, 合理降低操作失误, 来为企业的生产与发展提供准确而又真实的数据资料。

结语

综上所述, 在各类通信技术与计算机技术不断发展的今天, 数据的采集处理系统也得到了更加广泛的应用, 其不仅能够有效地提高生产效率, 同时也能在很大程度上降低生产成本。所以我们要重视对数据采集和数据处理系统的研究, 不断提高系统的性价比, 从而为企业的和社会带来更多的经济效益。

参考文献

智能数据链 篇10

Big think大数据与智能化论坛是由中国科学院自动化所图像视频大数据产业技术创新战略联盟、中国社会科学院调查与数据信息中心、《程序员·大数据与智能化》杂志社、思想坦克智媒体共同发起、由思想坦克智媒体承办的一个高端、前瞻性的思想分享交流平台。该论坛旨在通过在全国各地的一系列大小活动,让普通人有机会认识大数据、接触人工智能的理念、技术和产品,从而推动大数据思维与智能化生活方式尽早进入千家万户。

Big think,大的想法!它包含几层意思——

其一、对大时代的思考。

天下大势,浩浩荡荡。近年来,因为大数据、云计算、超级计算机、人工智能等技术的突飞猛进,人类社会将迎来一个智能爆炸的时代。这波全球智能化大浪潮,不仅影响到企业和产业的深刻变革,更将深入影响到整个社会和每一个人的生活。我们已经踏入一个“智能+”时代。

其二、对大产业的构想。

大江东奔,尽显风流人物本色。近年来,微软、IBM、谷歌、雅虎、英特尔、Facebook、腾讯、百度等中外IT巨头,纷纷投入全球智能化浪潮的洪流中,成为最重要的驱动力量;海尔、美的等国内传统制造巨头们纷纷进行智能化战略转型;而在人工智能等新兴产业领域,一批新贵企业正在涌现,如科大讯飞、大疆等……有人乐观地估计,移动互联网乃至物联网,都只是人工智能革命的前奏,它将开启一个万亿美元的市场。

其三、对大政策的解读。

近年来,政府及领导人对大数据与智能化领域频频颁布重要的政策、决议和指示,将引导未来中国几十年的发展,需要我们去认真解读:(1)2014年6月9日,习近平主席在两院院士大会上做重要报告,指出机器人是“制造业皇冠顶端的明珠”,是衡量国家科技创新和高端制造业水平重要标志;(2)2015年5月8日,国务院颁布《中国制造2025》,它是中国版的“工业4.0”规划;(3)2015年9月5日,国务院印发《促进大数据发展行动纲要》,政府牵头着手推进大数据领域的十大工程;(4)2015年10月底,五中全会提出实施网络强国的战略和国家大数据战略,并在十三五规划中进一步把大数据战略、全面推进工业智能化战略予以明晰,并清晰地列出了未来五年的实施计划……

其四、对大众观念的改变。

著名投资人孙正义预言,到2040年将会有100亿个机器人与我们如影随形。这将对人类社会、人类文明、人类个体的心性产生极大的影响,人们的观念将会产生巨大转变,我们需以“智能思维”来迎接这个变幻未定的大时代。

奇点临近、智能造物,我们将积极应对这场人类社会最深刻和全面的变革!大数据治国、智能化强国,中国凭借新的国策踏上伟大的新征途! “Big think(大数据与智能化)论坛”是一个高端、前瞻性的思想分享交流平台,通过邀请大数据与智能化领域的政府官员、专家学者、企业家、投资人、产品负责人等来参与分享,同时进行智能硬件的线下体验式互动活动。它包括小型的沙龙、中型的论坛和大型的年度峰会,旨在通过在全国各地的一系列大小活动,让普通人有机会认识大数据、接触人工智能的理念、技术和产品,从而推动大数据思维与智能化生活方式尽早进入千家万户。

中国社会科学院调查与数据信息中心副主任赵胄豪表示,中科院、社科院等相关机构共同发起Big Think大数据与智能化论坛的原因是大数据时代已经到来。在我国,发展大数据产业已经上升到国家战略的高度,社科院将追随国家发展战略建立相关的大数据库,进而挖掘出大数据的价值。社科院不仅出版相关刊物引领、推动国内大数据产业的发展,还将以“五位一体+智库”(即刊物、数据库、网站、论坛、基金加思想情报专业智库)的布局打造一个以信息共享为纽带的集政、研、产于一体的生态圈,助力大数据这个时代强音成为万世福音。

北京大学计算机科学技术系主任、数字媒体研究所所长、信息科学技术学院数字视频编解码技术国家工程实验室副主任、博导黄铁军认为,大数据面临3大挑战: 一、存储挑战,如何在保持图像质量的条件下削减存储成本?二、传输挑战,如何在带宽允许的条件下实时传输大量且种数据?三、识别挑战,视频分析识别算法如何适应真实环境?

其次,黄铁军谈了解决3大挑战的具体方法。针对第一个挑战黄铁军表示,中国需要更高效的编码技术,以实现百万路视频高清晰存储。由此出发,他详细介绍了中国自主研发的AVS2编码标准,它是一个在场景类视频编码方面大幅度领先于最新国际标准的编码系统。不过,他也提到,要满足大数据对数据压缩的需求,AVS2仍是远远不够的,他希望未来能将AVS2编码的压缩能力提升1000倍。

针对第二和第三个挑战,黄铁军表示北京大学正在积极研发相关技术:解决传输问题需要能够满足十万路视频流实时传输的特征编码;解决识别问题需要的则是大数据图像识别分析平台,目前北京大学正在着手建立一个省级的大数据图像识别分析平台,并已取得了阶段性成果。

智能配网数据多维分析与应用 篇11

摘 要：结合工程实际情况，本文分析和讨论了配电自动化信息来源和用途，并从多系统集成的角度对配电自动化信息融合的前景应用进行了探讨。

關键词：配电自动化；信息集约；多维分析

随着国家电网公司“抓两头”战略的实施，配电网运检工作面临着新的要求和挑战。配网设备点多面广，设备种类和数量众多，要达到精益化、全寿命周期管理等要求，必须依靠信息化技术和手段。

1 数据分析系统建设的必要性

在新的形势和要求下，现行的信息应用模式逐渐显现出不同程度的不足，难以满足新形势下配网运检支撑的需求，主要体现在以下方面。一是各系统数据彼此独立，各类信息难以融合和统筹，不利于全省运检工作的宏观掌控。二是运检关键信息分散，综合应用水平和穿透性不足，对设备状态管控、不停电作业、工程建设及成效评估等运检核心业务支撑的针对性和有效性有限。三是配网设备状态的动态评价和综合掌控能力有待提升。

2 功能设计与多维数据分析

2.1 配网运行监控

首先，是配网线路负载统计分析，实时掌握10kV线路负荷情况，实现月度、季度、年度线路最大负荷汇总统计。其次，是10kV线路停电分析，统计最新的10kV线路停电及故障次数，以及影响的重要用户数、低压用户数。最后，是设备缺陷情况统计，获取PMS系统上送的设备缺陷数据，按省、市统计月、年设备缺陷情况，指导各地市开展缺陷排查工作。

2.2 不停电作业管理

省电科院应按照国网相关工作要求，多角度全面深化各类不停电作业项目新技术、新方法研究，充分发挥技术支撑作用，全力推进配网不停电作业。

2.2.1 准实时数据展示。从PMS系统获取上月按作业类别分类的一、二、三、四类带电作业次数。通过图形和报表方式实现带电作业次数、带电作业化率省、市穿透展示。

[带电作业次数

6月

7月

8月][一类

5

7

4][二类

2

4

3][三类

1

2

5][四类

4

5

2]

2.2.2 带电作业指标监控。包括各单位、各区域不停电作业次数增长率、减少停电时户数、不停电作业覆盖范围、三类和四类架空线路带电作业占比。

2.2.3 作业绩效评估及可靠性提升效果分析。按照架空线路和电缆不停电作业开展情况，对可靠性指标提升、经济效益等进行评估分析，后期开展减少倒闸次数的研究分析工作。

2.3 设备状态管控

在当前配电网精细化及精益化的管理要求下，想要管控好全省配电网的设备运行状态，重点从以下两个方面逐步落实。

2.3.1 配电网设备运行数据融合利用。配电网设备运行数据服务于配电网入网设备的抽检信息统计、家族性缺陷挖掘、配电网隐患排查分析、设备状态趋势分析、设备状态综合诊断、故障的失效概率等专业应用。

2.3.2 配电网设备状态综合诊断。配电网设备状态综合诊断有三个核心环节，一是基于全省的配电网及专家经验建立配电网设备状态综合诊断模型；二是根据某条配电线路或某个环网线路的健康情况、健康的时效性、抗不良工况的能力等建立模型；三是根据第二阶段的诊断结论，不断的优化配电网综合诊断分析模型。

2.4 技改大修辅助决策

系统依据电网实际情况，全面分析电网、设备存在的主要问题和薄弱环节，辅助公司运检部评估技改大修项目的必要性，提升电网设备运检管控水平，保证电网安全稳定运行。

2.5 应急抢修

通过信息集成，实现抢修信息有效掌握、恶劣天气及灾害监测、预警以及抢修全过程监测分析，提高应急抢修支撑能力。具体实现方式如下。

2.5.1 气象信息监测。实时气象信息展示，实现雾霾、雨雪冰冻、大风寒潮、沙尘暴等灾害性天气的在线监测。

2.5.2 应急预案信息管理。对应急预案的执行情况进行展示分析，提供在抢修结束后对应急预案执行结果进行统计、分析、汇总等功能。

2.5.3 抢修资源信息管理。提升抢修车辆及工器具的有效管理使用，合理分配抢修资源，优化车辆及工器具的使用，提高抢修速度和服务质量。

2.6 供电能力评估

目前，国内供电能力评估多采用单一指标逐个比较的方法，该方法缺乏对方案全面的评价，需从评价指标、评价区域、评价内容方面对配电网建设、规划提供支撑。基础数据管理模块根据指标体系，对所有指标进行整合分析得分和建议规则生成合理的建议。

3 多维信息融合及预期成效

依据业务应用需求，系统主要与国网PMS系统、电网GIS平台、营销95598系统、用电信息采集系统，地市公司部署的应急抢险指挥平台、地调配电自动化系统、配电监测系统，电网气象防灾预警系统等实现信息融合，为配网运检管理和决策提供坚实依据。

3.1 国内已有系统设备状态风险评估偏重于设备个体，缺乏对电网整体运行性能的考虑，从电网整体运行看，由于各设备检修时机实时关联其性能而产生差异性，设备实施状态检修时，不免会产生个体与整体间的矛盾和冲突，进而影响电网整体运行的效能。

3.2 基于多维信息基础，实现配网运检管控平台的高级应用，及时发现设备的家族性缺陷，并根据不停电和应急抢修的优化决策，提高供电可靠性，减小对社会的影响和经济损失。

3.3 依托建设中的“电网设备及系统运行故障及灾害监测系统”，实现雷电、暴雨、大风等气象灾害对配网影响时空分布和灾害程度的监测和预警，为应急抢修、生产决策提供可靠依据，提高配电网防灾减灾能力。

参考文献：

[1]高绚.配电自动化系统中信息采集和通信规约的应用.2012.

[2]梁伟文.配电自动化在配电管理中的应用探析.2009.

[3]郑毅.中心城市大型配电自动化设计方案与应用.2010.

[4]陈盛燃.国外城市配电自动化概况及发展.2008.

智能客户端本地数据加密方案 篇12

1.1 智能客户端的概念

智能客户端 (Smart Client) 是Microsoft在推出.NET战略过程中重点推广的一种新的网络应用软件结构, 结合了C/S和B/S结构的优点。既能像C/S结构一样提供丰富的用户体验, 又能像B/S结构一样方便地部署;既可以在线运行, 也可以离线运行。在Microsoft的大力推广下, 智能客户端技术引起了业界的广泛关注。一些评论员认为“智能客户端代表了一种新的软件开发模式”[1], 是“EPR技术创新的最佳切入点”[2]。

1.2 智能客户端的特点

根据Microsoft描述, 智能客户端具有利用本地资源 (Make use of local resources) 、利用网络资源 (Make use of network resources) 、支持偶尔连接的用户 (Support occasionally connected users) 、支持智能部署和更新 (Provide intelligent installation and update) 等特征。其中, 支持偶尔连接的用户是智能客户端最突出的一个特点。该特征使得用户可以在明确脱机、使用低带宽或高延迟网络、连接时断时续的情况下继续高效地工作。简言之, 智能客户端必须支持离线运行。

1.3 智能客户端架构

智能客户端本质上是一种分布式的应用程序, 运行时需要联机访问分布在Intranet或Internet上的资源, 同时还需要将业务逻辑和数据分发到各客户端上。

联机运行时, 智能客户端从服务端获取业务数据, 同时在本地缓存一个数据副本。当网络无法接通时, 直接读取本地缓存的数据, 执行业务操作后, 标记更改的数据, 待网络接通后再提交到数据库进行更新。

2 智能客户端本地数据安全需求分析

如前所述, 为了支持脱机运行及提高运行速度, 智能客户端需要将一部分业务逻辑和数据缓存到本地, 由此也引发了一系列的安全问题。确保这部分数据的安全, 也是构建安全智能客户端的关键。下面简要分析本地数据的安全需求。

(1) 机密性。机密性是指缓存的数据不能泄露给非授权的用户或实体。机密性一般可以通过访问控制或加密来实现。在智能客户端解决方案中, 因为数据是缓存在本地的, 入侵者可以很容易的绕过应用系统的访问控制机制而直接获取数据副本。因此, 机密性主要依靠加密来实现。另外, 加密结果直接存储在客户端, 还应防范攻击者获取副本后实施暴力破解。

(2) 完整性。完整性是指缓存的数据不能被非授权用户任意修改, 尤其是商业数据, 对一些关键数据的非法篡改可能导致不可估量的损失。完整性一般通过数字签名来实现。

(3) 可用性。可用性需要保证数据在需要服务的时候, 随时可用的特性, 实现可用性涉及网络、系统、应用程序、用户等多方面的要素。

在上述几个安全需求中, 机密性是首要需求, 是智能客户端的第一条安全防线。下面简要分析实现机密性的解决方案。

3 解决方案

3.1 对称加密

加密方法主要有对称加密和非对称加密两种类型。因为非对称加密速度慢, 不适合加密大量数据, 通常只用来加密密钥或用户口令。因此, 加密智能客户端本地数据, 主要使用对称加密方法。在具体算法上, 可以选择DES、Triple DES、RC2、Rijndael等。采用对称加密方案, 其优点是加解密速度快, 缺点是需要自行管理密钥。整个方案的保密性完全取决于密钥安全与否, 一旦密钥泄露, 整个安全体系都将受到威胁。其次, 对称加密方案不能有效防范离线暴力破解。

3.2 DPAPI加密

DPAPI (Data Protection API) 是Windows操作系统提供的一组用来对内存中字节数组以及存入磁盘中的字节数组进行保护的API。不需额外管理密钥, DPAPI会使用用户或计算机凭据来加密数据。如果加密时与当前Windows账户进行了关联, 则其他Windows账户无法解密数据;如果加密时与计算机进行了关联, 则该计算机上的所有Windows账户都可以解密数据。但无论采用何种方式, 解密只能在实施加密的计算机上进行。即使攻击者获得了加密数据副本, 也很难实施离线暴力破解。其次, 如果在加密过程中将用户口令作为附加数据参与运算, 则解密时还需要输入正确的用户口令。因此, DPAPI加密方案相当于提供了Windows、应用程序两个级别的双重保护。

DPAPI加密方案同样具有加解密速度快的优点, 最重要的是不需要管理密钥, 可以让开发人员专注于业务逻辑的实现;同时, 因为加密、解密必须在同一台计算机上完成, 可以较好地防范离线暴力破解。

3.3 DPAPI加密方法

DPAPI提供了两种加密机制, 一种是加密内存流 (由Protected Memory实现) , 二是加密硬盘数据 (由Protected Data实现) 。加密智能客户端本地数据主要使用Protected Data类。

Protected Data类提供了Protect () 、Un Protect () 两个方法用于加密和解密。函数声明如下:

//加密数据

Protect (byte[]user Data, byte[]optional Entropy, Data Protection Scope scope) ;

//解密数据

Unprotect (byte[]encrypted Data, byte[]optional Entropy, Data Protection Scope scope) ;

其中, 参数optional Entropy是一个附加的字节数组, 用来加密数据, 解密时必须提供相同的字节数组。参数scope用来指定数据保护范围, 取值Current User时加密与计算机及当前Windows用户关联, 取值Local Machine时仅与计算机关联。

4 DPAPI加密实例

某物流管理平台, 为了提高工作效率, 采用智能客户端解决方案, 在脱机状态下也能完成日常办公业务, 联网后再提交到服务器更新。

4.1 执行流程

系统运行后, 首先检测网络状况, 如果联网则对用户执行联机身份验证, 通过后从服务端获取必须的数据, 序列化后使用DPAPI加密, 结果保存在客户端程序目录下;如果脱机则对用户执行脱机身份验证, 通过后从客户端本地读取加密的数据, 使用DPAPI解密后呈现数据, 用户可执行相关的业务数据。

4.2 加密函数

函数Protect (byte[]plain Bytes, string file Path, string user Pwd) 实现加密, 参数plain Bytes为待加密的字节数组, file Path指定用于保存加密结果的文件路径, user Pwd传递用户口令, 该值转换为字节数组后将参与加密, 这样只有加密者才能解密数据。

protected void Protect (byte[]plain Bytes, string file Path, string user Pwd)

{byte[]optional Entropy=Encoding.UTF8.Get Bytes (user Pwd) ;

byte[]cipher Bytes=Protected Data.Protect (plain Bytes, optional Entropy, Data Protection Scope.Local Machine) ;

File Stream fs=new File Stream (file Path, File Mode.Create, File Access.Write) ;

fs.Write (cipher Bytes, 0, cipher Bytes.Length) ;

fs.Close () ;

}

4.3 解密函数

函数Un Protect (byte[]plain Bytes, string file Path, string user Pwd) 实现解密, 参数与加密函数Protect () 的参数相同, 只是plain Bytes用于存储解密后的结果。另外, user Pwd传递的用户口令必须与加密时所用的口令完全一致, 否则无法解密。

4.4 加密结果

以货源信息审核模块为例, 数据加密的结果如下图2所示。

DPAPI加密结果为二进制文件, 加密密钥由Windows操作系统管理, 解密需要在同一台计算机上实施。由于使用了用户口令作为附加数组参与加密, 解密时还需要输入用户口令。

参考文献

[1]智能客户端开发人员中心.智能客户端定义[DB/OL].http://msdn.microsoft.com/zh-cn/smartclient/bb313755.aspx, 2009

[2]Matthew MacDonald, Erik Johansson.C#数据安全手册[M].崔伟, 毛尧飞, 译.北京:清华大学出版社, 2003