自最高人民法院积极推进在全国部署智慧法院建设以来,司法系统积极推动“电子档案为主、纸质档案为辅”的归档方式改革,日前,某高级人民法院电子文件单套归档和电子档案单套管理试点工作顺利通过国家档案局等三部门联合验收,标志着在司法数据电子化取得了突破性进展。
当前,在大数据、移动互联网等新兴技术加速融合发展的大背景下,全国各地司法系统纷纷加强司法数据的集中管理及异地容灾建设,夯实在线诉讼的基础,加速全流程网上办案进程。
数据量激增挑战重重 司法系统信息化建设升级迫在眉睫
最高人民法院发布《关于全面推进人民法院电子卷宗随案同步生成和深度应用的指导意见》以来,某省积极落实电子卷宗系统和科技法庭系统建设等工作,产生了海量的司法数据。其中,电子卷宗数据量约为840T,预计每年新增数据量约为500T;科技法庭系统产生的庭审音频、视频等数据的数据量约为300T,每年新增数据量约近2000T,数据量极为庞大。上述数据大多在各地市法院单独存放,且缺乏本地备份或异地容灾的数据保护。
不仅如此,该省此前的大部分应用模式是和物理服务器一一对应关系,没有做高可用集群,应用亦没有冗余,当出现硬件故障时,易出现因单点故障而导致一个或多个应用中断,甚至对外服务停止的情况。
未来,随着数据量的激增,若采用传统的外置磁盘阵列,则会导致成本居高不下及资源严重浪费等问题,且单个存储功能与性能和存储硬件绑定,也不能满足所有的应用要求;若不同的应用配置不同的集中存储,又会造成大量分散的集中存储,信息孤岛带来资源复用率低级管理难题的同时,容量亦无法随服务器计算能力的扩展而水平扩展。
无论是核心业务应用还是数据层面,其电子卷宗数据及科技法庭音视频数据均无异地备份,本地数据中心存在因不可抗力导致数据中心故障及数据丢失后无法还原找回的安全隐患,在数据备份和恢复方面无法满足业务可靠性的要求,亦不符合电子卷宗存储和管理的相关规定,尤其司法系统数据保存周期短则30年长则可达60年,其司法体系的信息化建设升级迫在眉睫。
浪潮K1 Power分布式存储解决方案 为司法体系数据穿上“钢铁铠甲”
积极践行最高法关于电子卷宗存储和管理的指导意见,打造智慧法院,按照统一运行网络、统一基础设施、统一数据资源、统一管理平台、统一安全策略、统一标准规范的要求,落实“一切资源化、资源目录化、目录全局化、全局标准化”的思路,统筹全省数据、计算、存储、网络、安全等资源,秉持“省为枢纽、地市为重心”的理念,建设服务资源目录,以实现本地服务资源的集中管理和统一编目,将本地的服务资源目录向省法院管理平台进行扁平化汇聚,并接收平台分发的服务资源目录信息,以实现省法院与基层法院的平台联动。
在数据信息化建设中,按照数据集中备份和按需扩容的弹性需求原则,将基层法院数据中心数据集中备份至省法院云中心,逐步完善电子卷宗全省数据异地容灾备份,建设电子卷宗存储资源池,针对科技法庭数据建立科技法庭数据存储资源池,实现各地市法院的科技法庭数据备份存放。
基于此规划,采用数百台浪潮K1 Power FP5280G2服务器打造存储集群,在省法院云中心通过分布式存储建立高并发、高带宽、低延时、高可靠、海量化的数据存储资源池,打破数据孤岛,实现数据备份和多副本存储,并提供统一分布式存储软件整合各地市资源,为各地市提供统一的接口,实现全省各地市统一管理、统一运维、统一备份、数据共享。
在架构层面,省市两级数据集中备份通过专用线路实现数据互联互通,各地市建立在本地的科技法庭和电子卷宗系统,通过在该省高法部署数据接入层,实现将数据容灾备份远程上传到省法院数据中心。其灵活的多数据副本机制,通过将数据分散存储多份,并分别放置在不同存储节点上,实现了跨节点数据冗余,保证了数据的可靠性。
基于浪潮K1 Power服务器的分布式存储解决方案AS13000G5-Power提供了标准文件、对象、块服务器接口,易于和其他业务系统对接,且方便二次开发,极大地减少了硬件采购成本。相比X86平台,在小文件存储上有1.6~1.8倍性能优势,非常适合存储案件影像、图片、文档等相关数据,能够充分满足对用户性能的需求。
浪潮K1 Power服务器强大的多核心多线程优势及I/O性能优势,更好地满足了多客户端并发访问需求,采用了全对称的架构,性能、容量可线性增长,最大可支持5120个节点扩容,能够满足存储空间的弹性扩展需要。浪潮K1 Power服务器具有高RAS特性,系统可用性高达99.999%,支持在线软件升级、在线硬件更换、多份拷贝、远程容灾,稳定可靠。
新冠疫情的反复,加速了在线诉讼和全流程网上办案发展,在法务大数据的概念下,“互联网+司法”的应用模式将进一步深化,对数据的开发利用和共享交换也将进一步强化,充分发挥数据服务的能力,利用先进的计算机技术实现案件审理流程的信息化管理,推进司法工作的目标管理和决策科学化。
好文章,需要你的鼓励
清华大学团队突破性开发"零样本量化"技术,让AI模型在不接触真实数据的情况下完成高效压缩,性能反超传统方法1.7%,为隐私保护时代的AI部署开辟新路径。
普林斯顿大学研究团队开发出"LLM经济学家"框架,首次让AI学会为虚拟社会制定税收政策。系统包含基于真实人口数据的工人AI和规划者AI两层,通过自然语言交互找到最优经济政策,甚至能模拟民主投票。实验显示AI制定的税收方案接近理论最优解,为AI参与社会治理提供了新路径。
K Prize是由Databricks和Perplexity联合创始人推出的AI编程挑战赛,首轮比赛结果显示,获胜者巴西工程师Eduardo Rocha de Andrade仅答对7.5%的题目就获得5万美元奖金。该测试基于GitHub真实问题,采用定时提交系统防止针对性训练,与SWE-Bench 75%的最高得分形成鲜明对比。创始人承诺向首个在该测试中得分超过90%的开源模型提供100万美元奖励。
南开大学研究团队提出了一种新的3D高斯泼溅重光照方法,通过在高斯原语上直接编码离散化SDF值,避免了传统方法需要额外SDF网络的问题。该方法设计了投影一致性损失来约束离散SDF样本,并采用球形初始化避免局部最优。实验表明,新方法在保持高质量重光照效果的同时,仅需现有方法20%的显存,显著提升了训练和渲染效率。