获奖单元：安徽省农信社
荣获奖项：信息安全蜕变优秀案例
一、式样配景
（一）式样配景
在数字化海潮下，安徽省农村信用社麇集社（以下简称“省农信社”）信息系统运维安全面对严峻挑战：运维误操作可能激发客户资金逝世、数据浮现等风险，而现存堡垒机逐日产生500小时审计视频，依赖东谈主工全量稽核存在稽核东谈主员水平絮叨不都、风险识别效率低、安全握住滞后（事故数天或数周后才察觉）等三大痛点。尽管引入了防火墙、入侵检测系统等安全居品，但传统东谈主工稽核模式已无法满足运维安全高效管控需求。
（二）式样主张
1.替代传统东谈主工抽查，完满审计视频全量自动化稽核，为运维安全监测提供科学依据；
2.构建特定胁迫事件场景（如：洞开SAP财管软件、批处理功课）的安全监测模子，精确定位高危操作；
3.搭建机器学习磨练平台，支柱模子全生命周期握住，完满胁迫事件模子自主拓展，股东效率落地应用。
二、式样有蓄意
（一）总体架构
图1酌量产出默示拓扑图
系统由三大中枢模块组成：非侵入式智能化操作平台、行径监测算法模块、机器学习磨练平台。三者协同完满“数据汇集-行径识别-风险预警-模子优化”闭环：操作平台汇集审计视频，算法模块识别风险行径，磨练平台捏续优化模子，保险系统高效、精确启动。
（二）要津本事完满
1.非侵入式智能化操作本事
通过HDMI接口汇集结尾屏幕图像，HID本事模拟键鼠操作；开发表格识别、考据码识别算法，复原图像华文本、数字信息；构建可视化进程编排引擎，支柱判断、恭候、轮回等任务节点，完满自动化操作。
图2进程引擎主邀功能
2.行径监测算法
基于CNN-LSTM模子进行时序视频帧识别，每段视频拆分为不朝上10秒的手脚片断普及磨练灵验性；摄取最大帧间差法诡计相邻帧像素差值，自安妥索要要津帧，减少数据量；模子在自稀有据集上准确率达80%-90%。
图3基于时序的视频帧序列识别汇集架构默示图
图4模子摄取的视频数据集讲解
3.机器学习磨练平台
应用活水线本事，集成数据握住、模子磨练、超参数优化、部署职业功能；支柱多种算法集成与治安化组件，研究数据与模子版块；提供图形化界面，展示磨练蓄意（准确率、逝世值），完满模子一键发布至操作平台。
图5模子逝世与准确率随磨练轮次的波动弧线
图6模子出产全进程默示图
三、蜕变点
（一）非侵入式运维安全监测本事打破
摄取HDMI+OTG非侵入式有蓄意，无需在结尾装配插件，完满硬件无关、系统无关的自动化操作与视频汇集，幸免传统侵入式有蓄意对系统安全性的影响。通过诡计机视觉本事（图像匹配、行径识别），完成审计视频全量稽核，贬责东谈主工稽核秘密不全问题，同期保险数据不出局，相宜金融数据安全条款。
（二）时序分析的行径监测算法优化
蜕变谄媚CNN-LSTM搀杂模子与动态帧优化本事：CNN索要单帧操作特征，LSTM捕捉跨帧时序行径模式；摄取最大帧间差法索要要津帧，去除60%冗尾数据，推理效率普及近10倍。同期，模板匹配与深度学习协同，兼顾已知风险高效检出与新式额外快速反应，完满分钟级风险预警。
（三）全进程自动化机器学习平台
构建治安化机器学习活水线，支柱从数据汇集、预处理、模子磨练到部署的全进程自动化。运维东谈主员仅需更新指定位置磨练视频，即可触发模子自动进化，将惯例模型开发东谈主力参预镌汰80%，迭代周期压缩至6小时级，贬责模子开发滞后于胁迫演进的问题。
四、式样过程握住
式样立项与筹谋阶段（2024年7月-9月）：完成立项、需求分析、有蓄意遐想，采购HDMI汇集卡、HID模拟开荒等硬件，搭建实验环境；
{jz:field.toptypename/}要津本事酌量与算法开发阶段（2024年9月-11月）：攻克非侵入式操作本事，开发表格识别、考据码识别算法；完成CNN-LSTM行径监测模子及要津帧索要算法开发与测试；
平台开发与集成阶段（2024年11月-12月）：搭建机器学习磨练平台，集成三大模块，完收效力测试与性能测试；
系统上线与试启动阶段（2024年12月）：系统认真上线，输出逐日值班平常合规性查验通告（含用户名、视频时候、事件称号及次数），试启动时代踏实启动。
五、本事完满特色及上风
（一）非侵入式智能化操作表面的蜕变应用
本式样基于“无植入式东谈主机交互”表面，milan在运维安全监测领域蜕变性地建议了基于诡计机视觉和东谈主工智能本事的非侵入式智能化操作方法。传统的运维监测相似依赖于侵入式软件或硬件代理，存在安全风险，而本式样通过HDMI和HID交互引擎模拟鼠标键盘输入完满系统级操作收场，完满了硬件无关、系统无关的全进程自动化操作，幸免传统自动化本事对主张结尾的代码侵入，保险系统安全性与踏实性。本式样开发的自动化操作责任平台通过遐想基于时空研究的任务编排表面，支柱复杂业务进程的智能化剖析与重组，完满跨平台操作的端到端自动化推行。这一表面打破为非侵入式运维安全监测提供了新的酌量范式，有助于股东诡计机视觉在良友收场、智能审计和自动化运维等领域的应用发展。
（二）基于时序分析的视频行径识别表面
传统的视频行径识别方法大多依赖于单帧图像的特征索要，而本式样基于时序分析，建议了谄媚模板匹配与LSTM神经汇集的视频帧序列识别方法。该方法通过卷积神经汇集（CNN）索要视频帧图像的静态特征，同期把握吊唁期操心汇集（LSTM）建模用户操作行径的时候动态特征，从而在视频序列中准确识别特定的操作模式，提高对胁迫事件的监测精确度。此外，通过摄取将齐备视频拆分为不同手脚片断的形貌（每段不朝上10秒），权贵普及磨练数据的灵验性，提高模子对不同操作门径的识别能力。该表面蜕变填补了时序行径监测在智能审计领域的空缺，普及了东谈主工智能在自动化审计和额外检测标的的适用性和灵验性。
（三）机器学习磨练活水线的自主安妥能力
本式样构建了智能学习磨练平台，谄媚机器学习活水线本事，建议了模子全生命周期握住的表面体系。一是支柱稀奇化部署环境下的动态资源分派与高效数据握住，通过分层解耦遐想完满模子磨练、调优与部署的全进程自动化；二是学习磨练平台通过图形化界面展示磨练过程，提供直不雅的模子评估妙技，提高用户的可操作性；三是构建了多模态数据和会表面模子，针对不同胁迫事件场景；四是设立互异化特征索要机制，贬责动态界面与静态操作的斡旋建模艰巨。
六、运营情况
系统已在安徽省农信社信息本事中心推行，用于审计视频自动化稽核与风险监测。运维东谈主员通过平台查阅逐日操作视频（筛选时候、主机地址、播放/关闭视频）系统自动输出PDF形势稽核通告，无需东谈主工搅扰。系统支柱逐日500+小时视频全量处理，要津帧索要率10%-20%，洞开SAP财管软件、批处理功课两个场景监测准确率踏实，机器东谈主可准确识别并纪录事件，从操作发生到分析收场生成延长满足及时监测需求，系统踏实启动率99.9%以上。
七、式样成效
（一）经济效益
1.东谈主力资本纯粹：传统东谈主工日均处理4.21GB视频，需12东谈主天处理50GB日均视频；系统仅需1东谈主天，月均纯粹11东谈主月，按本事东谈主员东谈主月2万元诡计，年纯粹264万元；
2.运维资本镌汰：减少误操作导致的系统诞生资本，镌汰安全事故经济逝世。
（二）社会效益
1.普及运维安全水平：完满审计视频全量稽核，风险识别从“滞后”转为“及时预警”，保险客户资金与数据安全；
2.诞生行业标杆：为农村金融机构提供可复制的AI运维安全有蓄意，股东金融科技在运维领域的深度应用；
3.助力数字化转型：通过自动化、智能化本事，普及安徽省农信社科技运维能力，为业务高质料发展奠定安全基础。
八、教会追念
本式样收效的中枢在于“需求导向+本事蜕变+协同研发”：以安徽省农信社推走运维痛点为起点，麇集中国科技大学攻克非侵入式本事、时序算法等要津艰巨，完满本事与业务深度和会。式样效率不仅贬责面前稽核效率问题，更通过机器学习平台保险可捏续性，可拓展至更多胁迫场景。曩昔，可进一步扩大非侵入式操作平台应用场景（如智能审计、良友收场），优化模子泛化能力，股东农村金融运维安全向更高水平发展。
更多金融科技案例和金融数据智能优秀贬责有蓄意，请在案例库、选型库检讨。
备案号: