物联网

大数据下 金融行业面临的四大痛点 当前整个金融市场环境日趋严峻，监管越来越严，无论是银行的零售、公司、交易或同业业务，都需要直面营销与风险的效率与准确率的问题。越来越多的金融机构都希望依靠大数据来拉动业务模式进行创新，但是由于行业特点，存在着四大痛点。 第一个痛点是数据来源多样化，需要整合后分析。 金融行业的数据来源通常包含三大类：业务信息数据、行为数据和第三方数据。这些来源的数据包括结构化数据和非结构化的数据，在进行数据分析时通常需要进行一定程度的整合，例如客户信息与客户行为数据的整合，企业内部交易信息与上下游合作企业的交易信息的整合等等。 第二个痛点是技术和业务人员各司其职，部门协作成本高。 金融行业的企业通常有专门的信息中心来进行数据的管理，这些技术人才通常精通数据分析技术，但对业务中涉及到的各种指标并不熟悉。业务管理人员则正好相反，精通业务指标的运用，但对数据分析技术难以掌握。这种场景常常导致一个分析报告的制作需要多个部门间反复沟通，期间的时间、人员成本巨大。 第三个痛点是金融行业数据量级大，分析性能要求高。 众所周知，金融行业的数据量级大，通常总存储量达到TB级别，而单次计算数据量也在GB级别，大数据量下的数据分析性能很难得到保障。 第四个痛点是数据安全问题，数据权限粒度细。 金融行业数据安全的重要性不言而喻，对数据权限的要求从权限的分配，到数据的访问控制

一、 “实战攻防演习”的内容、目的和特点 2016年《网络安全法》发布，出台网络安全演练相关规定： 关键信息基础设施的运营者应“制定网络安全事件应急预案，并定期进行演练”。 同年“实战攻防演习”成为惯例。 由监管部门牵头，每年举办一次，目前参与的机构众多，包括政府单位、事业单位、国企、知名企单位等等。 之后，“网络攻防演练专项行动”已成为一年一度的惯例。 不仅仅是涉及范围越来越广，网络安全形势的愈发严峻也加大了业内对网络攻防演练专项行动的关注。 大数据、物联网、云计算的快速崛起，以及5G的到来，网络威胁已经成为国家安全的新挑战。 “网络安全的本质是对抗，对抗的本质是攻防两端能力的较量 ”。 在网络空间对抗中如何实现如同军事演习的攻防演练目的，各单位如何做到与攻击方的斗智斗勇，更是新形势下网络攻防演练专项行动的又一次看点。 “实战攻防演习”是由攻击方和防守方两方组成实时攻防对抗环境，攻击方模拟真实网络中的黑客攻击行为，通过真实的攻击方法、攻击路径对防守目标进行网络攻击，防守方通过安全防护设备、安全监测手段等，实时分析攻击方的目标及采用的攻击手段，展开防御对抗。 “实战攻防演习”旨在检验企事业单位关键信息基础设施和重要信息系统的网络安全防护能力，提升攻击对抗能力的同时锻炼网络安全应急处置队伍，完善应急处置流程和工作机制，提升安全事件应急处置综合能力水平。 网络安全事关国计民生

在之前的文章中，我们讨论了企业级低代码开发平台对系统架构提出的技术要求。今天，我们在架构的基础上，关注开放性为企业级应用开发带来的重要价值，详细了解低代码开发平台如何通过与各种软硬件与互联网服务深度集成，打通数据孤岛，协同增效推进企业数智化转型升级。 什么是企业级应用开发平台？ 企业级应用是企业软件应用中的一个类别，被称为软件开发领域的“明珠”。典型的企业级应用通常可以分为三个大类，即支撑企业核心业务的应用系统（如生产制造业的MES、交通运输业的TMS）、涵盖企业全流程的大规模综合型系统和基于行业软件定制开发的个性化模块。这些企业级应用支撑着企业的核心业务发展，为推进企业数字化打下坚实的基础。 这些特性决定了能够开发企业级应用的工具，必然能够满足互联网应用的开发，反之则不尽然。这就意味着选择一款企业级应用低代码开发平台，除了生产力外，还需关注工具本身的技术架构、开放程度及安全可控性等关键指标。 本文将专注于开放性，以活字格企业级低代码开发平台为例，从多源数据整合到各层编程接口，全面介绍具备能够支撑企业级应用开发的低代码开发工具，及这类工具的开放性设计。 剑指“数据孤岛”，支持多源数据整合 作为系统集成的重要组成部分和基础能力，多源数据整合被更多开发者和企业 IT 决策人员视为低代码开发平台产品的必备功能。截止目前，少数先进的低代码开发平台厂商已经开放了数据访问能力

导语： 《UNIX/Linux系统管理技术手册》是系统管理领域内的“圣经”，其封面中的每一个元素都代表了特殊的含义，比如蟒蛇、大乌贼等等，这些都和开源软件有关。 如今，《UNIX/Linux系统管理技术手册（第5版）》面世，新版本的封面里到底有多少秘密呢？一起来探索吧！ 《UNIX/Linux系统管理技术手册（第5版）》 今天给大家讲的是站在船头甲板眺望的两位领航人，一位是UNIX系统的编写者——肯·汤普森，另一位是Linux内核的编写者——林纳斯·托瓦兹。 为了玩游戏，一个人编写了一套操作系统 1966年，毕业后的肯·汤普逊加入贝尔实验室，肯·汤普森（Ken Thompson）1943年出生于美国新奥尔良，17岁就读于加州大学伯克利分校主修电气工程，并取得电子工程硕士的学位。 1966年，这一年汤普森刚23岁，他得到了进入贝尔实验室工作的机会。 那个时期的计算机系统还处在批处理阶段，技术不发达导致了运算速度十分缓慢，也使得程序员工作效率低下。当时他们只能在运算速度缓慢笨重的大型机器上工作，操作也十分繁琐：需要先将程序卡片装入设备，然后等一个多小时才能获取运算结果。 为了改变这种局面，贝尔实验室联合麻省理工学院以及通用电气公司想建立一套可供多人使用的多任务、多层次的操作系统，他们将其命名为——Multics。 汤普森也加入到了研发Multics系统的项目组中

文|曾响铃 来源|科技向令说（xiangling0815） C2M之风又起，只不过这次是由电商巨头们刮起来的。 4月20日，京东底下的“京喜”称要面向下沉市场、采取C2M模式推出产业带厂直优品计划，未来要聚焦中国1000个产业带和源产地的100万家优质工厂型及农场型商家，赋能10万个工厂型商家具备C2M能力……诸如此类。 京东自己定下宏大目标，在上项目前咋呼一下倒也属于品牌运营的“正常操作”，但有意思的是，如果对比1个月前同样高调布局C2M的淘宝，京东这个所谓的C2M项目，就有那么点“借鉴”的意思。 彼时，淘宝正式推出淘宝特价版APP，并公布“超级工厂计划”和“双百目标”，这三个一起构成淘宝“C2M战略三大支柱”，其战略目标——“帮助1000个产业带工厂升级为产值过亿的‘超级工厂’，为产业带企业创造100亿新订单，在全国范围内重点打造10个产值过百亿的数字化产业带集群”，京喜的新计划表述显然与其十分相似。 原本老二跟随老大搞搞动作也没啥可说的，但值得关注的是，这次的C2M风潮不再仅仅关注平台与工厂的连接，无论是原版的淘宝C2M战略，还是京喜搞出的C2M模式，都在强调平台对制造企业的深度介入，尤其是两个巨头都提到了“数字化”相关的内容，例如淘宝把“核心数字化能力”与淘宝特价版APP并列作为依托，而京东则谈到了打造所谓数字化产业带。 如果老对头都在认可同一件事

据市调机构IDC公布的数据显示，今年三季度中国穿戴设备市场格局发生重大变动，向来位居第一的小米退居第二，而华为则跃进至第一名，这对于小米来说无疑是一大打击。 市调机构IDC公布的数据显示，今年三季度华为、小米在国内市场的穿戴设备出货量分别为941.4万套、724.1万套，分别位居国内穿戴设备市场第一名、第二名；两者的穿戴设备出货量同比增速分别为60.5%、-7.7%。 多年来小米手环在国内市场广受欢迎，长期位居第一名，它在穿戴设备市场占据优势在于它进入这个市场较早，同时它以低价的手环杀入穿戴设备市场，与大众的消费水平相符合，因此一直保持优势。 不过随着国内消费者生活水平的提升，消费者对于高端的穿戴设备产品有需求；同时苹果推出的智能手表等产品逐渐教育了国内消费者，让消费者逐渐接受了智能手表这种高端穿戴设备产品，市场正悄悄发生变化。 与小米不同，华为一开始进入穿戴设备市场则以智能手表切入，通过智能手表这种高端产品树立品牌形象，后来才推出低价的手环等产品，或许是它的品牌形象更高端，在穿戴设备市场发展迅猛，如今终于在穿戴设备市场后来者居上。 小米在国内穿戴设备市场失利，对于它来说显然是一大不利消息，这无疑对它刚刚在智能手机市场取得大幅增长蒙上阴霾。IDC的数据指出三季度小米手机在全球市场的出货量同比增速高达42.0%，在国内市场的出货量同比增速13.4%

大家都知道随着科技的发展对于工控主板的用途和应用大大超出了工业自动化的范围，而对于本文联智通达小编将仅坚持工业自动化范围内的应用。首先跟随联智通达小编看一下制造以及工业PC的应用以及如何使该领域的工业自动化受益。 　　制造业： 　　坚固的工业PC为大规模生产提供了最佳的硬件平台，它超出了普通人工的劳动限制。机器自动化已经实现了大规模生产，互联网已经实现了通信。工业PC系统从婴儿期开始就摇摇欲坠，现在已经被许多制造商高度依赖，不仅用于机器视觉和机器人指导，而且还具有从机器和设备收集有价值的数据以进行预防性维护的能力。 　　包装检验和质量控制： 　　当然，制造中的另一个主要应用是视觉控制的质量保证，它以比人类可能的速度更高的速度和更高的精度运行。利用机器视觉和包装检查系统，制造商以及食品包装厂可以自动进行质量保证他们的产品的发展速度很快。3D机器视觉是视觉行业的最新进步。得益于强大的多核CPU，CPU能够以超快的速度处理额外的Z维度的计算，在对象上提供更深的多维数据，从而可以100%保证质量。这将质量控制提升到了一个新的水平，其中系统的通过或失败决定可能取决于更多参数，例如比例，形状，表面，尺寸等。 　　资产追踪： 　　制造业并不是唯一开始严重依赖工业PC的行业。零售和医疗保健部门还具有工业PC硬件的日常运行功能，因为它们具有跟踪和监视资产和流程中不一致和异常情况的能力

更好的手机拍照效果需要图像算法的加持，为了让大家有更好的了解，接下来的系列，我们准备了几篇科普、视频和图说，一起来看看吧~~~ >>>> 人类进入智能手机时代后，摄影方式也发生了巨大变化：用来拍照的不再只是镜头和传感器了，背后还加载着一系列的图像算法，它可以用更快的速度处理图像，并获得更好的拍摄效果。 好作品只能依赖专业摄影师的时代过去了，图像算法引入到手机拍照应用后，让人人拍出好照片成为可能。 紫光展锐拥有自主研发的图像算法团队，而且这些算法已普遍应用在展锐的芯片平台里。目前，展锐的图像算法团队已经超过了200人，分布在美国、印度、中国台湾、上海和北京等多个国家和地区。 更好的手机拍照效果需要图像算法的加持，为了让大家有更好的了解，接下来的系列，我们准备了几篇科普、视频和图说，一起来看看吧~~~ 这事得从人类对色彩的感知能力说起… 人类对色彩的感知能力是漫长进化过程中产生的一项重要能力，它使得我们眼中的世界五彩斑斓。颜色是怎么呈现出来的呢？它是光线通过眼睛成像到视网膜上，由视网膜上的视细胞感知光信号的强弱，视觉神经对信号的传播，再由大脑处理所产生的视觉感受。颜色的产生极其复杂，人类所获得的色彩感受不但取决于光的物理特性，还受心理等因素影响。 首先，我们先来了解一下颜色的物理特性。肉眼所见到的光线（一般波长范围是380-780nm，见图1），是电磁波谱中人眼可以感知到的部分

目前，数字孪生技术不只运用在制造业，它早已彻底进入了物联网，人工智能和大数据分析的融合世界。伴随着更繁杂的“事物”与生成数据的能力联系在一起，拥有数字等同物使数据科学家和其他IT行业人员，能够以最高的效率优化布署虚拟场景。 1、到底什么是数字孪生？ 数字孪生是充分运用物理模型、传感器更新、运行历史等数据，集成多学科、多物理量、多尺度、多概率的模拟仿真全过程，在虚拟空间中实现映射，进而反映相对应的实体设备的生命周期全过程。 数字孪生技术早已拓展到包括建筑物，工厂甚至于城市等大型项目，有人认为流程能够拥有数字孪生，进而更进一步拓展了这个概念。这个想法最先出现在NASA：早期太空舱的详细模型在地面上用于镜像和诊断轨道中的问题，最终被全数字模拟所代替。 但在Gartner将“数字孪生”列入2017年十大战略性技术趋势之一后，这个词才真正流行起来。Gartner表示，数字孪生是物理事物或系统的动态性软件模型，它依赖于传感器数据。 三到五年内，数以亿计的物件将由数字孪生展现。一年后，Gartner再次将数字孪生列入主要趋势，并预计，到今年，将要有210亿个连接的传感器和终端，数字孪生将在不久的将来存在于数十亿个事物中。” 其本质上，数字孪生是一种计算机程序，它将有关于物理对象或系统的真实数据做为输入，并将生成的数据做为输出，预测或模拟物理对象或系统将怎样受到这些输入的影响。 2

1、AliOS Things CLI组件介绍 在日常嵌入式开发中，用户经常会自行实现一套类似Linux Shell的交互工具来实现通过串口命令控制设备进入某种特定的状态，或执行某个特定的操作。如系统自检，模拟运行，或者进入手动模式进行设备点动。AliOS-Things原生实现了一套名为CLI（command-line interface）的命令行交互工具，在提供基本的系统交互命令的基础上，也支持用户自定义命令。 2、CLI 组件如何使用 用户只需要在aos.mk里包含CLI组件，如 $(NAME)_COMPONENTS += cli 然后重新编译烧录上电即可，系统启动后，操作方法与其他的常用shell类似，按回车有#符号打印，输入help可查看系统自带的几个cli命令： 3、如何增加自定义的CLI命令 包含头文件 #include "aos/cli.h" API 入参 返回值 aos_cli_register_command cli_command* 0执行成功；其他：失败 调用示例： /*参考代码*/ const struct cli_command command = { "debug", "show debug info", debug_cmd }; ret = aos_cli_register_command(&command); if (ret) { /*错误处理*/ }