多模态数据表征建模分析工具
将摄像头图像帧、毫米波雷达点云段与激光雷达点云段映射到统一核心数据空间，形成可检索、可比较的安全表征。
文件指纹、熵值与格式特征提取视频抽帧车辆/行人识别与绿/橙框标注512 维核心数据空间向量8 项安全维度与模态画像数据空间覆盖率与跨模态对齐度
无人驾驶数据层安全防护技术工具箱
面向摄像头、毫米波雷达、激光雷达及多模态融合数据，构建“数据空间表征—风险动态感知—量化评估—路径示踪—差异化加固—复测验证”的闭环能力。系统采用 Flask + MySQL 本地部署，模型接口可插拔，原始数据不出域。
多模态接入视频/图像帧、毫米波与激光点云、车辆总线、定位轨迹
数据空间表征统一特征空间、模态画像、核心数据向量与安全维度
风险动态感知隐私、对抗、投毒、失配、越权、篡改与反演风险
量化评估风险分、置信度、证据链与大模型语义推理
传播路径示踪采集到决策的节点贡献度与传播概率还原
加固与复测差异化策略下发、策略包生成与有效性验证
多模态数据安全风险动态感知与评估工具
面向风险数据集执行动态感知与量化评估，输出可核验的风险分、置信度、证据和严重等级，支撑风险筛查与排序处置。
8 类数据层风险识别大模型语义推理 + 规则基线校准风险证据与量化指标任务级风险指数与分布
无人驾驶数据协同安全加固与防护工具
基于风险传播路径生成针对性加固策略，在采集、传输、表征、融合和模型调用等环节协同防护，并通过复测验证效果。
风险传播图谱与关键节点定位差异化加固策略匹配策略下发与可审计策略包加固前后风险对比与复测结论
技术架构
本地化、模块化、可集成| 层级 | 核心组件 | 职责 |
|---|---|---|
| 接入层 | 资产接入 / 文件指纹 / 数据解析 | 多模态文件与元数据接入、完整性校验 |
| 表征层 | 特征提取 / 空间映射 / 模态画像 | 构建核心数据空间与安全维度基线 |
| 评估层 | 规则引擎 / 大模型适配器 | 风险识别、量化打分、证据生成 |
| 示踪层 | 传播图谱 / 路径概率计算 | 还原风险从采集到决策的传导链 |
| 加固层 | 策略匹配 / 策略下发 / 策略包 | 差异化防护与审计留痕 |
| 验证层 | 复测任务 / 对比报告 | 验证策略有效性并沉淀反馈 |
集成与部署
面向智驾企业与检测平台
API 接口 · RESTful JSON，任务提交、状态轮询、结果获取
代码仓库 · Flask 模块化工程，支持二次开发与能力扩展
部署容器 · 提供 Dockerfile 与 docker-compose 配置
智驾企业 · Apollo / 数据平台通过 API 接入检测流水线
链路检测 · 车云传输、数据接入与融合链路安全核查
算法评估 · 提供风险筛查与测试反馈迭代的数据基座
开放 API
所有接口返回 JSON，路径前缀 /api| 方法 | 路径 | 用途 | 关键参数 |
|---|---|---|---|
| GET | /api/health | 服务与数据库健康检查 | — |
| GET | /api/dashboard | 驾驶舱指标、趋势与风险分布 | — |
| GET | /api/assets | 获取多模态数据资产列表 | — |
| POST | /api/assets | 接入新资产并自动表征 | multipart: name, modalities, file |
| GET | /api/assets/{id}/video | 视频目标识别与关键帧结果 | — |
| GET | /api/assets/{id}/video/cover | 车辆/行人标注关键帧封面 | — |
| GET | /api/assets/{id}/video/media | 播放原始视频 | Range |
| POST | /api/assets/{id}/detect | 对指定资产快速发起检测 | scope, use_model |
| POST | /api/tasks | 创建风险检测任务 | asset_id, name, scope, use_model |
| GET | /api/tasks/{id}/status | 轮询任务进度与风险概况 | — |
| GET | /api/tasks/{id}/trace | 获取风险传播图谱 | — |
| POST | /api/tasks/{id}/protect | 下发差异化加固策略 | plan_ids |
| POST | /api/tasks/{id}/retest | 发起防护复测 | — |
| GET | /api/tasks/{id}/report | 获取完整检测报告数据 | — |
| PUT | /api/model/config | 保存模型接口配置 | provider, base_url, model_name, api_key |
| POST | /api/model/test | 测试大模型接口连通性 | — |
安全与合规边界
本地优先的数据处理策略
原始数据保存在本地 uploads 目录，模型仅接收脱敏的统计特征
API Key 使用 Fernet 对称加密后存入 MySQL，不进入前端日志
所有任务、风险、策略和复测记录均保留审计时间线
默认单机单用户模式，建议仅监听内网或通过可信隧道访问
大模型调用失败或未配置时自动回退规则引擎，不中断检测链路
能力演进
测试反馈迭代与效率提升
接入真实感知模型与点云编码器，替换轻量特征表征
积累风险样本库，形成领域微调与评分校准集
对接 Apollo 数据流水线与车端日志，支持批量筛查
增加多租户、RBAC 与审批流，适配企业级运营
输出策略执行遥测，持续优化加固策略与复测阈值