高铁数据脱敏

能力。高铁也成为中国科技创新成果展示的重要窗口，彰显中国的科技实力和创新能力，是中国智慧和中国力量的集中体现。星环科技致力于打造企业级大数据基础软件，围绕数据全生命周期提供基础软件与服务，自成立以来为中国大地上一道亮眼的风景线，让更多乘客在高铁出行场景下认识星环科技，了解星环科技在中国数字化转型中所扮演的角色和贡献。未来，星环科技将继续坚持创新驱动发展，不断提升产品技术实力和服务水平，为中国大数据近日，星环科技高铁冠名列车首发仪式在上海虹桥站成功举行，星环科技联合创始人吕程、联合创始人朱珺辰、副总裁解友泉、市场部总经理谭彬等出席冠名首发仪式，共同进行剪彩和卷轴添笔仪式，见证“星环号”高铁冠名列车震撼首发，驰骋神州大地。中国高铁作为大国实力的象征，在祖国大地上构起了一张贯通南北、纵横东西的交通网络，跑出了风驰电掣的“中国速度”，中国高铁技术的不断进步代表着中国科技的蓬勃崛起和自主创新的强大，正不断助力数字中国建设，是数字化转型的中国力量。此次星环科技高铁冠名列车作为展示星环科技全方位实力的一张“流动名片”，将“中国速度”与自身品牌完美融合，搭乘“中国速度”的星环科技高铁冠名列车将成

铁路数据中台：开启铁路数字化转型新征程在数字化时代的浪潮下，铁路行业正面临着前所未有的机遇与挑战。为了提升运营效率、优化服务质量、创新业务模式，铁路数据中台应运而生。它犹如铁路数字化转型的强大引擎，整合海量数据资源，为铁路行业的智能化发展提供关键支撑。一、铁路数据中台的重要性（一）打破数据孤岛铁路系统涉及众多业务领域，如客运、货运、调度、设备维护等，各业务部门拥有独立的信息系统和数据存储。这些。（二）提升决策效率传统的铁路数据分析往往依赖于人工收集和整理数据，过程繁琐且耗时，导致决策信息滞后。数据中台通过实时采集和处理海量的铁路运营数据，运用大数据分析和人工智能技术，能够快速生成准确、直观的数据分析报告和决策建议。管理者可以基于这些数据洞察，及时做出科学合理的决策，提升铁路运营管理的效率和准确性。（三）支持业务创新丰富的数据资源是业务创新的源泉。铁路数据中台汇聚了旅客出行行为、货物运输需求存储，以保证数据的一致性和完整性；对于半结构化和非结构化数据，如日志数据、文档数据、图像数据等，则采用分布式文件系统和非关系型数据库进行存储，以满足大数据存储和高并发访问的需求。此外，为了提高数据的

铁路数据中台：开启铁路数字化转型新征程在数字化时代的浪潮下，铁路行业正面临着前所未有的机遇与挑战。为了提升运营效率、优化服务质量、创新业务模式，铁路数据中台应运而生。它犹如铁路数字化转型的强大引擎，整合海量数据资源，为铁路行业的智能化发展提供关键支撑。一、铁路数据中台的重要性（一）打破数据孤岛铁路系统涉及众多业务领域，如客运、货运、调度、设备维护等，各业务部门拥有独立的信息系统和数据存储。这些。（二）提升决策效率传统的铁路数据分析往往依赖于人工收集和整理数据，过程繁琐且耗时，导致决策信息滞后。数据中台通过实时采集和处理海量的铁路运营数据，运用大数据分析和人工智能技术，能够快速生成准确、直观的数据分析报告和决策建议。管理者可以基于这些数据洞察，及时做出科学合理的决策，提升铁路运营管理的效率和准确性。（三）支持业务创新丰富的数据资源是业务创新的源泉。铁路数据中台汇聚了旅客出行行为、货物运输需求存储，以保证数据的一致性和完整性；对于半结构化和非结构化数据，如日志数据、文档数据、图像数据等，则采用分布式文件系统和非关系型数据库进行存储，以满足大数据存储和高并发访问的需求。此外，为了提高数据的

值此盛宴火热之际，星环科技冠名的高铁品牌专列“星环号”正驰骋在祖国高铁线上，贯穿神州大地，运行线路覆盖多个省市。各地参加进博会的小伙伴们可以坐上星环科技高铁品牌专列“星环号”奔赴进博会啦！星环科技作为大数据与人工智能领域代表性企业，为中外企业提供大数据与人工智能基础软件产品，在本届进博会，星环科技也发布了系列成果。

数据脱敏的操作步骤和方法可以分为静态数据脱敏和动态数据脱敏两种主要方式，以下是具体的介绍：静态数据脱敏操作步骤数据选择/策略配置：选择待脱敏的数据库及表，配置脱敏策略及脱敏算法，生成脱敏任务。执行脱敏处理：对不同类型数据进行处理，将数据中的敏感信息进行删除或隐藏。具体方法包括使用脚本进行脱敏，通过编写特定的代码或脚本来实现数据的变形处理，例如将敏感人的姓名、身份证号等信息替换为其他信息，或者将一段地址随机变为另一个地址；也可以使用专业的数据脱敏产品进行脱敏，这些产品相比手工脱敏方法，能够更准确、高效地完成脱敏任务。数据导出：将脱敏后的数据按用户需求，装载至不同环境中，包括文件至文件，文件至数据库，数据库至数据库，数据库至文件等多种装载方式。动态数据脱敏操作步骤确定受限制用户角色：明确敏感数据的可见范围，即针对不同用户预设的权限。识别和梳理需要脱敏展示的字段：在具体业务场景中，确定哪些字段脱敏的具体内容。执行脱敏处理：通常采取动态数据脱敏方案，在查询语句执行过程中，根据生效条件（通常针对当前用户角色的判断）实现实时的脱敏处理。系统会根据预设的脱敏规则，对符合条件的数据进行脱敏，并将脱敏后的数据返回给用户。

常见的数据脱敏技术主要包括以下几种：1.字符替换部分字符替换：将数据中的部分字符用其他字符替换，常用于身份证号、手机号、银行卡号等。全字符替换：用特定字符将整个数据替换，适用于一些简单的敏感数据天数、月数或年数。日期格式转换：改变日期的显示格式，虽然这种方式脱敏程度较低，但在某些场景下可以起到一定的混淆作用。5.数据掩码简单掩码：在数据上添加掩码，遮盖或替换敏感部分。复杂掩码：使用更复杂的。匿名化处理：将数据中的个体标识替换为无法识别个体身份的信息，常用于数据分析和研究中，以保护参与者的隐私。8.静态数据脱敏定义：对数据的副本进行脱敏，脱敏后的数据用于非生产环境，如开发、测试、培训等场景。它先将生产环境中的数据抽取出来，然后在数据存储的静态状态下进行脱敏处理，生成一份脱敏后的数据副本供使用。工作原理：通常会先对原始数据进行扫描和分析，识别出其中的敏感数据。然后根据预设的脱敏规则，如字符替换、加密等方法，对敏感数据进行变形处理。处理完成后，将脱敏后的数据加载到目标环境中，如测试数据库中。优势：可以对数据进行全面、彻底的脱敏处理，脱敏后的数据与生产环境隔离，不会对生产环境造成影响

静态数据脱敏是一种数据脱敏技术，它通过对数据的副本进行脱敏处理，生成一份脱敏后的数据副本用于非生产环境，如开发、测试、培训等场景。以下是静态数据脱敏的详细操作步骤和方法：静态数据脱敏的操作步骤数据选择与策略配置选择数据源：确定需要脱敏的数据库、表和字段。通常选择包含敏感信息的表，如用户信息表、交易记录表等。配置脱敏策略：根据业务需求和安全要求，制定脱敏策略。策略包括选择脱敏算法、设置脱敏参数等。例如，将身份证号的中间几位替换为星号。执行脱敏处理数据抽取：从生产环境中抽取需要脱敏的数据。可以使用ETL工具或数据库导出工具将数据导出到中间存储介质。数据脱敏：使用脱敏工具或脚本对抽取的数据进行脱敏处理。常见的脱敏方法包括：字符替换：将敏感字符替换为其他字符或符号。数据加密：使用加密算法将敏感数据转换为密文。数值变形：对数值型数据进行加减、乘除等运算。日期变形：对日期型数据进行偏移或格式转换。数据掩码：在数据上添加掩码，遮盖或替换敏感部分。数据加载：将脱敏后的数据加载到目标环境中，如测试数据库或开发环境。可以使用ETL工具或数据库导入工具将脱敏数据导入目标数据库。数据验证验证脱敏效果：检查

数据脱敏是对某些敏感信息通过脱敏规则进行数据的变形，实现敏感隐私数据的可靠保护。这样就可以在开发、测试和其它非生产环境以及外包环境中安全地使用脱敏后的真实数据集。数据脱敏是数据库安全技术之一。几种常见的数据脱敏处理方法：全数据脱敏：全数据脱敏是将所有的数据全部进行脱敏处理，包括用户的姓名、地址、电话号码等。这种方法可以达到较好的数据保护效果，但是对于某些业务场景可能会造成不便，比如在金融业的征信查询中，用户的真实姓名和身份证号码是不可替代的，这时候需要使用局部数据脱敏。格式保持脱敏：格式保持脱敏是在保持数据格式不变的情况下，将敏感信息进行替换。如，用户的手机号码，可以将中间四位数字进行脱敏处理，变成****。这个可以达到良好的数据保护效果，同时不改变原数据的结构和格式，方便业务的和使用。部分数据脱敏：部分数据脱敏是指只对敏感信息的一部分进行脱敏处理。比如，在电子商务平台中，用户的真实姓名和身份证号码是不可替代的，但是可以对用户的收货地址和电话号码进行脱敏处理以达到保护用户隐私的目的。加密脱敏：密脱敏是一种较为复杂的数据保护方法，它使用加密算法对敏感信息进行加密处理，同时保持原数据的

数据脱敏是对某些敏感信息通过脱敏规则进行数据的变形，实现敏感隐私数据的可靠保护。这样就可以在开发、测试和其它非生产环境以及外包环境中安全地使用脱敏后的真实数据集。数据脱敏是数据库安全技术之一。几种常见的数据脱敏处理方法：全数据脱敏：全数据脱敏是将所有的数据全部进行脱敏处理，包括用户的姓名、地址、电话号码等。这种方法可以达到较好的数据保护效果，但是对于某些业务场景可能会造成不便，比如在金融业的征信查询中，用户的真实姓名和身份证号码是不可替代的，这时候需要使用局部数据脱敏。格式保持脱敏：格式保持脱敏是在保持数据格式不变的情况下，将敏感信息进行替换。如，用户的手机号码，可以将中间四位数字进行脱敏处理，变成****。这个可以达到良好的数据保护效果，同时不改变原数据的结构和格式，方便业务的和使用。部分数据脱敏：部分数据脱敏是指只对敏感信息的一部分进行脱敏处理。比如，在电子商务平台中，用户的真实姓名和身份证号码是不可替代的，但是可以对用户的收货地址和电话号码进行脱敏处理以达到保护用户隐私的目的。加密脱敏：密脱敏是一种较为复杂的数据保护方法，它使用加密算法对敏感信息进行加密处理，同时保持原数据的

查看Master节点通过以下命令，查看集群Master节点信息：curl-ushiva:shiva-XGET'localhost:8902/hippo/v1/_cat/master?v'返回结果：epochtimestampactive.master.hostactive.master.portmaster.group169079683909:47:19172.29.203.18926841172.29.203.189:26841,172.29.203.189:26851,172.29.203.189:26861查看数据节点curl-ushiva:shiva-XGET'localhost:8902/hippo/v1/_cat/nodes?v'//查看所有节点curl-ushiva:shiva-XGET'localhost:8902/hippo/v1/_cat/nodes/{node}?v'//{node}表示待匹配的节点地址，支持以*通配，支持指定多个pattern，多个pattern以逗号分割返回结果：

本节介绍Hippo表写入相关操作。Hippo会返回写入成功数据的下标以及总共写入成功的数据条数，如果出现行级错误（比如主键冲突），Hippo会返回具体的行级错误。插入本节介绍如何向Hippo中插入数据。curl-ushiva:shiva-XPUT'localhost:8902/hippo/v1/{table}/_bulk?database_name={database_name}&pretty'-H'Content-Type:application/json'-d'{"fields_data":[{"field_name":"book_id","field":[1,2,3,4,5,6,7,8,9,10,11,12,13,14,15,16,17,18,19,20,21,22,23,24,25,26,27,28,29,30,31,32,33,34,35,36,37,38,39,40,41,42,43,44,45,46,47,48,49,50,51,52,53,54,55,56,57,58,59,60,61,62,63,64,65,66,67,68,69,70,71,72,73,74...

ThistutorialwillguideyouthroughthefollowingtaskswithinHippoCloud:EstablishingatablePerusingthetableIncorporatingdataExecutingsearchoperationsEliminatingrowsDissolvingthetableBeforeyoustartInthisguide,wewillbeutilizingthePythonAPI.Priortocommencement,ensurethatyouhave:RegisteredforaHippoCloudaccount.SubscribedtothecomplimentaryplanandestablishedatrialclusterwithinHippoCloud,orsubscribedtothestandard/enterpriseplansandconstructedadedicatedcluster.IfyouanticipateemployingPythonfordevelopment,ascert...

过滤条件表达式Hippo当前支持如下表达式，可用于标量或向量查询。表46.过滤条件表达式表达式描述and当前版本支持and，不支持or/not==等值<小于⇐小于等于>大于>=大于等于inin[1,2,3]notinnot_in[1,2,3]like'_'表示匹配任一字符，'%'表示匹配任意字符，'\'为转义符向量相似性检索本节描述如何进行向量相似度搜索。Hippo中的向量相似性搜索计算查询向量与表中向量的距离，返回最相似的结果集。通过指定标量过滤条件，用户可以进行向量与标量的混合搜索。curl-ushiva:shiva-XGET'localhost:8902/hippo/v1/{table}/_search?pretty'-H'Content-Type:application/json'-d'{"output_fields":["book_id"],"search_params":{"anns_field":"book_intro","topk":2,"params":{"nprobe":10},"embedding_index":"ivf_flat_index"}...

在Hippo中，比较耗时的操作如激活、加载向量索引实际上是一个分布式任务，用户可以通过任务相关接口查看、删除任务。查看任务curl-ushiva:shiva-XGET"localhost:8902/hippo/v1/_jobs?pretty"-H'Content-Type:application/json'-d'{"job_ids":["fc6feff4f303455a9347f9aab323dfc8"],"action_patterns":["hippo*"]}';返回结果：{"jobs":[{"job_id":"810935a1d91a46b7af2ec35013454fed","job_status":"SHIVA_JOB_SUCCESS","embedding_number":100,"task_results":[{"id":"54ab52493dfb4bab9fb7742d850c64c4","status":"TASK_SUCCESS","server":"172.29.40.26:27841","embedding_number":100,"execute_time":...

OverviewUnstructureddatamanagementismoreimportantthaneverduetotheriseofbigdata.Managingandgleaningbusinessvaluefromunstructureddataisofutmostimportancetoenterprisestoday.Advancementsinmachinelearning,aswellasdeeplearning,technologiesnowenableorganizationstoefficientlyaddressunstructureddataandimprovequalityassuranceefforts.Inthefieldofartificialintelligenceormachinelearning,embeddingsandvectordatabaseshavebecomeincreasinglyimportantfortacklingawiderangeofproblems.Thesetechniquesareusedtorepresen...

Hippo在1.2版本提供了全文索引能力，兼容ElasticSearch6.7.2语法，在底层架构上复用了公司产品TranswarpScope的一部分特性，支持以Java/HTTPRestful的形式通过Hippo的HTTPServer接口进行全文索引的创建、查询、使用等各类需求，通过该能力的支持，可以更好的实现向量与全文的混合检索。通过将向量检索加全文检索的联合召回，可以降低漏检和误检的概率，能够实现比单独使用向量或全文更高的精度。同时，一套数据库系统可避免部署多套系统带来的架构复杂、开发运维成本高等问题。具体的使用方法除了访问端口需要将端口从8902调整为9200外，均可参考《TranswarpScope手册》4.TranswarpScopeAPI介绍。

本节测试主要描述了Hippo1.0在关键测试上的一些性能表现，该份测试同样也是Hippo的基准测试，后续版本发布也会在不同版本上进行该测试进行对比分析。术语表142.Hippo性能测试术语TermDescriptionnq一次搜索请求中搜索的向量个数topk一次请求中对于要检索的每个向量(依赖nq)，所能检索到最近距离的向量个数RT一次请求从发起到接受响应的时间]QPS请求在每秒内成功执行的次数dataset测试所用数据集，不同数据集表示不同的业务场景测试集群配置硬件配置表143.性能测试硬件配置硬件规范Nodes3CPUIntel®Xeon®Gold5218RCPU@2.10GHzMemory16*\16GBRDIMM,3200MT/sDISKNVMeSSD2T*4GPUNONE软件配置表144.性能测试软件配置软件版本Hippov1.2TranswarpManagerTDH9.3.0测试集表145.性能测试数据集数据集名称数据集介绍向量维度向量总数查询数量数据总量距离类型Sift-128-euclidean该数据集是基于Texmex的数据集整理，使用SIFT算法得到的图片特征向量。...

OverviewAclusterisaHippoCloudinstanceassociatedwithspecificcomputingresources.Youcancreaterelatedtables,insertcorrespondingdata,andcompleteproductexperiencewithinacluster.Beforeyouusethedemoenvironment,youneedtocreateacluster.CreateClusterYouneedtogotothespecificproject.Iftherearenoclustersunderthecurrentproject,youcanclickthe'Createcluster'buttonbelowtheclustercreationguidancepagetoentertheclustercreation.Ifthereareclustersunderthecurrentproject,youcanclickthe'+Cluster'buttonabovetheclusterlist...

运维管理界面WebserverWebserver是Hippo提供运维监控的界面。默认访问地址为:4567"class="bare">http://<webserver_ip>:4567。或者在Manager管理界面我们可以通过下图所示的查看链接这里进行跳转。图15.登录HippoWebserverWebserver主要由下面几个部分构成。概况图16.概况该页面展示了Hippo集群的基本信息，包括：Masterstatus：当前的ActiveMaster，MasterGroup，MasterAddress，Master的健康状态TabletServerStatus：TabletServerAddress，健康状态，逻辑机架和数据中心信息，容量使用以及Tablet个数TabletNum：当前集群表的个数Version：Hippo版本信息库表图17.库表页面以库和表的概念集群存储的各类数据信息。库信息：库名库创建时间库内各类表的信息：点击某个库，可以看到库下所有表的信息，主要包括：••表的ID••表的名字••表的状态••表的Tablet数量••表的Engine类型••表的副本数•...