午夜激情一级黄片,少妇三级亚洲欧美

內容簡介

　　大數(shù)據(jù)征信是大數(shù)據(jù)技術與征信業(yè)務相結合的產(chǎn)物，它通過對多源、異構、海量、實時數(shù)據(jù)進行采集、整理、分析和挖掘，實現(xiàn)多維度刻畫信用主體畫像，并運用大數(shù)據(jù)技術設計征信評價模型，向使用者提供信用主體的履約和信用狀況，作者團隊研發(fā)平臺為大數(shù)據(jù)征信智能評估與開放服務平臺。在《中華人民共和國數(shù)據(jù)安全法》和《中華人民共和國個人信息保護法》相繼施行的背景下，本書就如何規(guī)范大數(shù)據(jù)征信行業(yè)及如何讓大數(shù)據(jù)征信賦能其他行業(yè)展開分析和設計。本書主要面向大數(shù)據(jù)技術從業(yè)人員、征信行業(yè)從業(yè)人員和有意愿了解大數(shù)據(jù)征信的各行業(yè)主體，從大數(shù)據(jù)征信的起源、歷程、發(fā)展環(huán)境、標準體系、關鍵技術和平臺建設等方面詳細分析了大數(shù)據(jù)征信的必要性和可行性，并結合征信行業(yè)特點給出了大數(shù)據(jù)征信的模式探索和前景規(guī)劃。

作者簡介

　　歐中洪北京郵電大學計算機學院（國家示范性軟件學院）副院長，北京郵電大學1551人才，國家重點研發(fā)計劃項目負責人，主持多項國家重點研發(fā)計劃、國家自然科學基金項目，發(fā)表高水平學術論文80余篇，研究成果曾被等20余家國際媒體報道。任教育部基礎學科拔尖學生培養(yǎng)計劃2.0基地主任，虛擬仿真實驗教學創(chuàng)新聯(lián)盟計算機類專委會主任，中國通信標準化協(xié)會TC11 VR/AR子工作組副組長，CCF教育專委會、大數(shù)據(jù)專委會、計算機視覺專委會委員，中國人工智能學會智能服務專委會常務委員。牽頭獲得教材建設獎全國教材建設先進集體、北京高校優(yōu)質本科課程（重點），獲得北京市教學成果獎二等獎2項。羅霄翔計算機專業(yè)博士，中移系統(tǒng)集成有限公司數(shù)字政府事業(yè)部副總經(jīng)理?，F(xiàn)任教育部信息網(wǎng)絡工程研究中心特聘行業(yè)專家，中關村四方現(xiàn)代服務產(chǎn)業(yè)技術創(chuàng)新戰(zhàn)略聯(lián)盟標準委員會副主任委員，并兼任金融科技工作組組長。2011年入職中國移動，長期從事業(yè)務規(guī)劃、技術研究和產(chǎn)品研發(fā)工作，榮獲國家科技進步獎二等獎。主持國撥研發(fā)項目2項，中國移動重大研發(fā)項目5項。甘肅省蘭州市數(shù)字政府項目負責人，完成甘肅數(shù)字政府政務系統(tǒng)規(guī)劃、大數(shù)據(jù)架構設計、業(yè)務平臺研發(fā)及建設運營。宋美娜北京郵電大學計算機學院（國家示范性軟件學院）教授、博士生導師，現(xiàn)任教育部信息網(wǎng)絡工程研究中心主任、中關村四方現(xiàn)代服務產(chǎn)業(yè)技術創(chuàng)新戰(zhàn)略聯(lián)盟常務副理事長、中國通信標準化協(xié)會TC11副主席，國家重點研發(fā)計劃“大數(shù)據(jù)征信及智能評估技術”項目負責人，主要研究方向為大數(shù)據(jù)、人工智能及其在數(shù)字經(jīng)濟、健康醫(yī)療領域的深度應用。張光衛(wèi)北京郵電大學計算機學院（國家示范性軟件學院）講師，工學博士，研究方向為大數(shù)據(jù)、機器學習、物聯(lián)網(wǎng)技術，承擔多項科研項目，發(fā)表論文20余篇，有豐富的系統(tǒng)架構研發(fā)經(jīng)驗。鄂海紅北京郵電大學計算機學院（國家示范性軟件學院）教授，北京市青年英才，研究方向數(shù)聯(lián)網(wǎng)互操作、數(shù)據(jù)治理、大數(shù)據(jù)及AI中臺技術等方面，研究成果已在科技服務、智慧醫(yī)療等現(xiàn)代服務業(yè)領域得到創(chuàng)新應用。王昀中移系統(tǒng)集成有限公司副總經(jīng)理。榮獲企業(yè)管理現(xiàn)代化創(chuàng)新成果二等獎及多個行業(yè)級獎項，參與制定多項中國通信標準化協(xié)會行業(yè)標準。具有10余年豐富的電信運營商從業(yè)經(jīng)驗，長期專注于數(shù)字政府、智慧城市及移動通信領域的研究，主導中國移動各省市數(shù)字政府的技術規(guī)劃和建設運營。

圖書目錄

目錄
第一篇大數(shù)據(jù)征信與信用科技
第 1章大數(shù)據(jù)征信與信用科技概述　3
1．1　大數(shù)據(jù)征信　4
1．1．1　大數(shù)據(jù)技術　4
1．1．2　征信內涵　6
1．1．3　大數(shù)據(jù)征信　7
1．2　信用科技　7
1．2．1　信用科技關鍵技術問題　8
1．2．2　信用科技服務新模式　9
1．3　小結　10
第 2章大數(shù)據(jù)征信行業(yè)發(fā)展歷程　11
2．1　征信行業(yè)發(fā)展歷程　12
2．1．1　歐洲征信模式　12
2．1．2　美國征信模式　13
2．1．3　日本征信模式　13
2．1．4　我國征信體系發(fā)展歷程　14
2．2　大數(shù)據(jù)征信業(yè)發(fā)展現(xiàn)狀　15
2．2．1　國際大數(shù)據(jù)征信業(yè)　16
2．2．2　我國大數(shù)據(jù)征信業(yè)　16
2．3　大數(shù)據(jù)征信業(yè)發(fā)展環(huán)境與標準體系　18
2．3．1　中國大數(shù)據(jù)征信業(yè)發(fā)展環(huán)境　18
2．3．2　大數(shù)據(jù)征信相關政策及影響　19
2．3．3　征信標準與大數(shù)據(jù)征信標準現(xiàn)狀　19
2．3．4　大數(shù)據(jù)征信標準體系研究　21
2．4　大數(shù)據(jù)征信的機遇與挑戰(zhàn)　23
2．4．1　我國大數(shù)據(jù)征信發(fā)展的重要機遇　23
2．4．2　我國大數(shù)據(jù)征信面臨的挑戰(zhàn)　23
2．5　小結　25
第二篇　大數(shù)據(jù)征信關鍵支撐技術
第3章　數(shù)據(jù)治理　29
3．1　數(shù)據(jù)治理概述　30
3．1．1　數(shù)據(jù)模型　30
3．1．2　元數(shù)據(jù)　31
3．1．3　數(shù)據(jù)質量管理　31
3．1．4　數(shù)據(jù)生命周期管理　32
3．1．5　數(shù)據(jù)安全　33
3．2　大數(shù)據(jù)征信與數(shù)據(jù)治理　33
3．3　小結　36
第4章　大數(shù)據(jù)征信元數(shù)據(jù)管理　37
4．1　元數(shù)據(jù)管理　38
4．2　元數(shù)據(jù)標準化　39
4．2．1　CWM　39
4．2．2　CWM的特點　40
4．2．3　CWM IDL　41
4．3　大數(shù)據(jù)征信元數(shù)據(jù)模型建設　41
4．4　大數(shù)據(jù)征信稽核機制　42
4．5　大數(shù)據(jù)征信血緣分析　44
4．6　小結　47
第5章　面向大數(shù)據(jù)征信的分布式計算引擎　49
5．1　背景概述　50
5．2　征信數(shù)據(jù)處理解決方案　51
5．2．1　架構演進與發(fā)展　51
5．2．2　大數(shù)據(jù)征信分布式計算引擎　54
5．2．3　關鍵技術　57
5．3　小結　59
第6章　征信大數(shù)據(jù)資源管理　61
6．1　大數(shù)據(jù)資源一體化管理　62
6．1．1　核心架構　62
6．1．2　執(zhí)行流程　63
6．1．3　調度策略　64
6．2　大數(shù)據(jù)資源動態(tài)管理　67
6．2．1　動態(tài)調整容器　67
6．2．2　資源分配預測及動態(tài)調整　68
6．3　面向征信大數(shù)據(jù)的資源管理系統(tǒng)　68
6．4　小結　70
第7章　征信大數(shù)據(jù)安全與隱私保護機制　71
7．1　征信大數(shù)據(jù)安全機制　72
7．1．1　征信大數(shù)據(jù)安全存儲技術　72
7．1．2　征信大數(shù)據(jù)責任認定與溯源技術　72
7．2　征信大數(shù)據(jù)隱私保護技術研究　74
7．2．1　隱私計算技術　74
7．2．2　區(qū)塊鏈技術　77
7．2．3　面向征信大數(shù)據(jù)的隱私保護新技術方案　78
7．3　小結　80
第三篇　大數(shù)據(jù)征信智能評估與開放服務平臺
第8章　征信大數(shù)據(jù)中臺　85
8．1　征信業(yè)務中臺化轉型　86
8．1．1　傳統(tǒng)數(shù)據(jù)平臺的劣勢　86
8．1．2　征信大數(shù)據(jù)中臺的優(yōu)勢　88
8．2　征信大數(shù)據(jù)中臺架構　90
8．2．1　征信大數(shù)據(jù)中臺架構　91
8．2．2　征信大數(shù)據(jù)中臺子系統(tǒng)　92
8．2．3　征信大數(shù)據(jù)中臺與云原生架構　94
8．3　小結　95
第9章　智能評估模型引擎　97
9．1　智能評估模型引擎的發(fā)展歷程　98
9．1．1　現(xiàn)有機器學習智能評估引擎　98
9．1．2　隱私計算機器學習智能評估引擎　101
9．2　基于隱私計算的大數(shù)據(jù)征信智能評估模型引擎架構　105
9．2．1　模型引擎架構　105
9．2．2　模型引擎建模流程　113
9．2．3　大數(shù)據(jù)征信智能評估模型案例　115
9．3　小結　119
第　10章大數(shù)據(jù)征信開放服務平臺　121
10．1　開放服務平臺　122
10．1．1　從無到有的平臺　122
10．1．2　平臺的開放化　123
10．1．3　開放服務平臺與大數(shù)據(jù)征信　124
10．2　開放服務平臺典型架構　124
10．2．1　架構原則　125
10．2．2　面向大數(shù)據(jù)征信的微服務架構　128
10．3　面向大數(shù)據(jù)征信的開放服務平臺　131
10．3．1　用戶子系統(tǒng)　131
10．3．2　服務管理子系統(tǒng)　132
10．3．3　訂單子系統(tǒng)　133
10．3．4　使用記錄子系統(tǒng)　133
10．3．5　運營子系統(tǒng)　133
10．4　信用科技服務商店　134
10．4．1　信用科技服務商店簡介　135
10．4．2　信用科技服務商店的核心作用　135
10．4．3　面向多種場景的信用科技服務商店　137
10．4．4　面向多種角色的信用科技服務商店　140
10．4．5　面向多種服務的信用科技服務商店　141
10．5　小結　142
展望　143
參考文獻　145