智慧检务业务系统建设方案.docx

1、智慧检务业务系统建设方案【智慧检务业务系统建设方案】智慧检务业务系统 建设方案 20_年11月 目录 第一章 项目概述 3 第二章 总体设计 5 2.1 建设原则 5 2.2 设计依据 6 第三章 检察大数据平台建设方案 7 3.1 系统目标 7 3.2 系统架构 8 3.3 关键技术 14 3.3.1 实时数据采集平台 14 3.3.2 可配置爬虫平台 15 3.3.3 分布式数据仓库 17 3.3.4 高可用图数据库 18 第四章 智能辅助办案系统建设方案 20 4.1 系统架构 20 4.2 技术路线 21 4.2.1 采用J2EE 技术 21 4.2.2 J2EE平台优势 21 4.2

2、.3 J2EE的核心API与组件 23 4.3 系统功能 26 4.3.1 案件流程监控 26 4.3.2 辅助阅卷 26 4.3.3 类案推送 27 4.3.4 文书生成 28 4.3.5 出庭预案 28 第五章 智能语音系统建设方案 30 5.1 语音识别系统优势 30 5.2 系统总体架构 30 5.3 语音识别引擎 31 5.4 客户端开发定制 32 5.5 相关硬件配置要求 32 第六章 案件流程监控系统建设方案 33 6.1 系统架构 33 6.2 系统特点 34 6.2.1 灵活配置、随需应变 34 6.2.2 应用为先、实用易用 34 6.2.3 系统维护简单 34 6.2.4

3、 完备的安全控制 35 6.3 系统功能 35 6.3.1 首页设计 35 6.3.2 办案提醒 36 6.3.3 流程监控 37 6.3.4 查询统计 38 6.3.5 监控报告 39 6.3.6 系统管理 40 第七章 司法案件社情及行政执法监测分析建设方案 41 7.1 智能分析系统框架 41 7.2 系统的特点 41 7.3 核心业务分析 42 7.3.1 司法办案分析 43 7.3.2 检察办公分析 46 7.3.3 队伍管理分析 48 7.3.4 检务保障分析 49 7.4 案件数据分析 50 7.5 专题分析 51 7.6 自主拖拽分析 52 第八章 其他系统建设方案 54 8.

4、1 案件卷宗智能收发系统 54 8.2 检法多媒体协同会商系统 54 8.3 检委会无纸化会议系统 55 8.4 司法办案区智能人像平台 57 第九章 智慧检务建设总结 58 9.1 “六大应用平台”的应用效果 58 9.2 廉政风险防控取得的成效 58 9.3 大数据在检察工作中的深度运用情况 58 9.4 人工智能技术检察应用顶层设计 58 第十章 实施方案 60 10.1 实施计划 60 10.2 项目团队组成 61 第十一章 培训方案 62 11.1 培训计划 62 11.2 培训对象 63 11.3 培训目标 64 11.4 培训方式 64 第十二章 运营方案 65 12.1 运营内

5、容 65 12.1.1 日常监控 65 12.1.2 应急事故处理 66 12.1.3 日常运维 66 12.1.4 安全运维 66 12.1.5 性能评估 67 12.2 运营方式 67 第一章 项目概述 20_年8月，促进大数据发展行动纲要的颁布，成为推动中国大数据发展的重要顶层设计和战略部署。党的十八届五中全会提出实施“国家大数据战略”，标志着大数据战略正式上升为国家战略。国家十三五规划纲要，明确提出要把大数据作为国家的基础性战略资源。 为更好地推动检察工作创新发展,高检院于20_年9月29日正式印发“十三五”时期科技强检规划纲要。这是高检院在深化司法体制改革的关键时期,高检院党组做出的

6、重要战略部署,是检察机关顺应新技术变革,以科学技术推动检察工作创新发展的重要举措。规划明确了未来五年检察机关科技强检的目标任务,提出构建“感、传、知、用、管”五维一体的智慧检务应用体系,从建设与管理两个方面,从信息采集至应用的四个层次,剖析了科技强检工作如何从数字化向智慧化跃升、解构了“十三五”时期科技强检工作的重点任务。 20_年6月，最高人民检察院日前印发检察大数据行动指南(20_20_年)，通过一中心、四体系的建设方案实现从试点到全面推广的4年规划，打造数据化、科学化、智能化的“智慧检务”。可以说，这是检察机关把握数据化、信息化机遇的有效举措。 检察大数据基础平台是基于分布式系统，具有高

7、效率、高可靠性、高安全性的，集数据采集、数据处理、数据整合、数据分析等功能为一体的，自助研发、代码可控、高度可配置的通用大数据技术平台。可为检察院的数据展示、数据应用、数据分析提供坚实的平台基础，为检察院的数据分析、情报分析、风险管理、案件管理以及业务创新提供一套高可用、高可用的通用数据支持平台。 第二章 总体设计 2.1 建设原则 系统建设遵循如下基本原则： 全面性 系统总体设计应遵循科学的设计理念，各个组成部分均符合当代信息技术发展形势，满足未来对信息化发展的要求，提供针对各种数据源的接口支持。 开放性 在现有应用系统和手段建设中有大量资源，包括软硬件环境资源和大量信息资源，在实现资源共享

8、时要统一规划，最大限度实现各类资源共享，支持各地业务工作的开展。 系统需提供多种数据访问、服务调用和资源管理接口，实现资源和服务对其他业务手段和使用人员的共享。 灵活性 平台设计需采用灵活架构实现可配置，动态可扩展和自定义，有较强的可扩展性。 安全性 系统必须有高可靠性，能够长时间运行而不宕机，要保证系统使用的连续性。建立全局的数据安全机制，建立统一的访问控制机制，实现统一的身份认证、访问控制、审计等安全机制。 易维护性 系统需要具备可解决问题并易于管理的系统。贯彻面向最终用户的原则，部署快捷，具有了友好的用户界面，操作简单、直观、灵活，易于学习和掌握。 2.2 设计依据 本项目实施工作方案严

9、格依据国家相关法律、法规、政策和技术标准，涉及到的主要技术标准和规范性文件有： l 涉及国家秘密的计算机信息系统保密技术要求（BMZ1-2000） l 信息安全技术 信息系统安全等级保护基本要求（GB/T 22239 20_） l 信息安全等级保护管理办法公通字20_43号 l 信息系统安全等级保护定级指南GBT 22240-20_ l 计算机信息系统安全保护等级划分标准（GB17859-1999） l 计算机软件质量保证计划规范（GB/T12504-1990） l 计算机软件配置管理计划规范（GB/T12505-1990） l 第三章 检察大数据平台建设方案 3.1 系统目标 大数据基础平台

10、以“整合资源、共享数据、提供服务”为指导思想，构建满足检察行业的信息化建设需求。检务大数据库基础平台主要实现以下几个功能：建设检务大数据库中心、打造检务大数据标准体系、创新检务大数据应用、构建检察大数据管理体系。 l 建设检务大数据中心 检务大数据中心数据来源主要来源于一下几个方面： 基于统一业务应用系统等案件管理软件产生的结构化、非结构化数据。 基于检察机关和政法机关的共享数据。 基于互联网的公开数据。 通过对以上数据的采集、整理、清洗、转换等相关操作，把结构化和非结构化数据进行分别入库，完成检务大数据的数据中心搭建。 l 打造检务大数据标准体系 依托电子检务工程的标准体系，建立健全内容完整

11、、项目科学、协调统一的检务大数据标准体系，建立检务大数据基础数据采集、应用、安全等技术标准体系，推进物理环境、网络基础设施、数据采集、数据质量、分类目录等关键共性标准的制定和实施，推进大数据业务系统操作规范等流程标准制定，制定检务大数据管理规范。 l 创新检务大数据应用体系 积极推进智慧检务基础类应用建设，依托大数据为深化司法体制改革和检察改革提供全面的数据服务。积极推进大数据在司法办案、检察办公、队伍管理、检务保障、检察决策支持、检务公开和服务等领域的深层次应用，推进大数据在政法业务协同中的应用，充分利用大数据为检察院与公安、法院等政法机关之间的业务协同提供服务，探索构建政法机关之间的大数据

12、业务协同创新体系，提供基于大数据的多样化智能辅助检察应用。 l 构建检务大数据运维体系 建立健全检务大数据管理机制，充分发挥业务部门的主导作用和技术部门的统筹作用，搭建检察大数据运维管理模式。目前，我们已经探索出一套适合检察业务的大数据运维保障体系。 3.2 系统架构 系统总体架构 数据采集组件 基于Flume的开发 海量检察业务的数据采集、聚合和传输采用Cloudera的Flume并进行自主开发，支持在日志系统中定制各类数据发送方，用于收集数据；同事提供对数据进行初步处理并写到各种数据接受方的能力。基于Flume的开发为大数据辅助决策平台提供高性能、分布式文本数据流采集能力。 基于Storm

13、的开发 基于Storm进行组织开发，为分布式实时计算提供一组通用原语，用于流处理之中，实时处理消息并更新数据库；用户连续计算，对数据流连续查询，在计算时将结果以流的形式输出；用于分布式RPC，以并行的方式运行计算机远程运算。 基于Storm开发为大数据辅助决策平台提供流式计算能力，能大大提高系统的实时性，检务大数据应用平台支持复杂运算如语义抽取、语义分析，指标计算等，如从法律文书中实时抽取相关业务数据，并进行相关统计指标计算。 消息组件基于kafaka开发 基于kafka进行自主开发处理高吞吐量的分布式订阅，处理大数据平台中的所有动作流数据。这些数据通常是由于吞吐量的要求而通过处理日志和日志聚

14、合来解决。局域kafka开发的目的是通过Hadoop的并行加载机制来统一线上和离线的消息处理，通过集群机制来提供实时的信息处理。 基于kafka的开发为大数据平台提供高性能、高稳定、高并发的消息队列，用于提升大数据应用平台消息通讯，处理消息堆积等。 数据存储组件 基于HBASE的开发 基于HBASE开发分布式的、面向列的数据库，主要是用于结构化数据的分布式存储，支持在分布式文件系统上提供大吞吐量、大数据量数据应用能力；同时也适合非结构化数据列存储、适用于数据分析。 将HBASE结合Hive、Kylin进行开发，为检务大数据平台提供结构化数据的分布式存储和分布式高性能数据分析，支持电子检务核心统

15、计分析的数据实现秒级更新和多维OLAP分析。 基于ELK的开发 基于Lucene的开发，提供分布式多用户能力的全文检索引擎，基于RESTFul web接口，用于云计算中，达到实时、稳定、可靠、快速搜索。 将ELS与语义分析引擎结合开发，为大数据平台提供半结构化、非结构化数据处理能力，增强统一检索服务能力。 基于Spark的开发 Spark是Hadoop MapReduce的通用并行框架，其Job中间输出结果可以保存在内存中，启用了内存分布数据集，不需要读写HDFS，因此Spark能够提供交互式查询外，能更好地适用于数据挖掘与机器学习等需要迭代的MapReduce的算法，它还可以优化迭代工作负载

16、。 基于NEO4J 基于Neo4J开发java持久化、嵌入式、高性能、轻量级的图形引擎，具有成熟数据库的所有特性，将数据存放于图上而非二维表中。 基于Neo4J的开发组件，支持检务大数据应用平台中的案件画像、当事人画像、企事业单位画像的关系描述。 通过BI实现海量数据实时在线分析服务，支持拖拽式操作、提供丰富的可视化效果，可以帮助轻松自如地完成数据分析、业务数据探查、报表制作等工作。 架构主要由数据建模层、数据分析层和数据展示层组成，分别描述如下： 1、数据建模层 数据建模层包括数据源、SQL查询、Excel及CSV文件查询、脚本查询、定制查询、数据集市查询、内嵌查询、组合查询、Mongo查询、ETL建模工具。基于MPP数据集市，无需CUBE、二次表以及各种复杂的计算模型，系统即可基于细节数据，在前端完成各种维度可视化组合计算，无论数据