目前，移动终端恶意软件从权限提升、远程控制、资源泄漏等三方面严重威胁工业控制系统和用户核心数据安全。为此，公司需要研发一套面向移动终端的恶意软件检测云计算平台原型系统，实现移动终端多源数据采集;结合大数据分析与建模技术、机器学习和人工智能等技术，采用多源数据采集及融合处理，研发恶意软件识别和发现系统，为企业核酸检测、检验、筛查仪器正确检测，（科技成果评价）以及配方等核心数据的安全防护提供安全保障。主要研究内容：(1)架构、设计并实现移动终端恶意软件检测云服务平台;(2)实现对移动智能终端数据采集及融合技术分析：多源数据采集、数据元、多维数据存储管理、数据融合分析;(3)开展基于机器学习的恶意软件检测技术研究;技术指标：(1)提出一种基于机器学习的体外诊断设备恶意软件检测方法;(2)研发一个移动终端恶意软件检测云服务平台;(3)恶意软件检测正确性达到80%以上，误报率低于10%;(4)云端检测时间低于15ms。
(1)企业希望搭建充电桩智能管理云平台，对设备状态监测、设备应用管理、设备OEE、预测维保、告警预警以及监控管理等运营需求，通过互联网+设备监管、维保为一体的设备工业云平台，构建充电桩综合信息管理的多维度管理方式和大数据平台。(2)数据由物联网管(需要开发)通过CAN总线与充电桩通信,然后根据设置在无线传输终端上服务端参数，（科技成果评价）通过GPRS/4G模块利用4G无线数据传输技术连接到服务端的充电桩管理云平台，远程将设备信息上传至云平台，提供实时的数据采集、传输、发布、远程管理与控制、实现远程系统刷机;(3)设备采用APP形式体现，需要对接支付宝、微信等，具有支付功能;(4)物联网关，用于连接充电桩的控制系统，要求小巧耐用，使用寿命不小于5年，面积小于60平方厘米，通过GPRS、4G等无线方式，将设备数据传送至云平台中。
