程序聚合 软件案例 视频防泄密系统

视频防泄密系统

2026-05-09 22:39:16
行业:安全、音视频
载体:Windows应用
技术:C++、FFmpeg、Postman、WinDbg

业务和功能介绍

视频防泄密系统是针对于Windows客户机安全,防止外来人员直接访问或间接访问时对客户机进行录屏、截屏等一系
列泄露客户机信息的行为。主要通过用户在服务端配置水印信息,下发到客户机上的客户端,客户端根据获取的水印配置信息生成
文字、二维码、图片和隐式水印。除此之外,客户端还可以通过hook获取到用户在访问客户机时下载的视频文件,并对其进行
AES数据加密。被加密后的视频文件会保存到特定的安全区,并生成链接文件暴露的原下载地址供用户访问,视频播放需要使用专
用的解密播放器才可以播放。另外。播放器这边也可以对客户机上已经存在的视频文件进行加密、绑定账号以及设置播放时间段和
播放时长等一系列参数限制。

项目实现

1、整体架构和设计思路,不同模块使用的技术栈
该项目是面向 Windows 客户机的视频防泄密系统,整体采用“服务端统一配置 + 客户端强制防护 + 专用播放器受控播放”的架构。服务端负责水印策略、加密策略、播放策略、账号权限和审计日志配置,并通过接口下发到客户端;Windows 客户端常驻运行,获取策略后在用户访问客户机时动态生成文字水印、二维码水印、图片水印和隐式水印,同时通过 Hook 机制监控用户下载的视频文件,对命中的视频文件进行 AES 加密,并转存到本地安全区;原下载位置只暴露链接文件,用户必须通过专用解密播放器才能访问。播放器侧负责视频解密、账号绑定校验、播放时间段限制、播放时长限制和播放日志上报。
技术栈方面,服务端可采用 Java/Spring Boot 或 Go 实现配置管理、策略下发、密钥管理和日志审计接口;客户端使用 C++/C#/Windows API 实现常驻进程、文件 Hook、权限控制、水印绘制和本地安全区管理;加密模块使用 AES 对称加密,密钥由服务端统一管理和下发;播放器可基于 C++/Qt 或 C#/WPF 开发,实现专用解密播放、权限校验和播放控制;数据存储可使用 MySQL/PostgreSQL 保存策略、账号和日志,Redis 用于缓存策略和会话状态。
2、“我”的负责模块和结果
我主要负责 Windows 客户端防护模块和播放器加密播放流程的设计与实现,包括水印配置拉取、文字/二维码/图片/隐式水印生成、视频下载文件 Hook 监控、AES 加密处理、安全区存储、链接文件生成、播放器解密播放以及播放权限校验等核心功能。项目最终实现了从服务端配置下发、客户端自动防护、视频文件加密、安全区隔离、专用播放器解密播放到日志审计的完整闭环。
结果上,系统支持 4 类水印能力:文字水印、二维码水印、图片水印、隐式水印;支持对下载视频文件进行自动识别、AES 加密和安全区存储;支持账号绑定、播放时间段、播放时长、播放权限等多维度限制;支持将原始下载视频替换为链接文件,降低用户直接拷贝、截取、外传视频文件的风险;同时实现了客户端操作日志、文件加密日志和播放日志上报,方便后续审计和追溯。
3、“我”遇到的难点、坑,和解决方案
项目中遇到的主要难点是 Windows 客户端文件下载行为来源复杂,不同浏览器、下载器和业务客户端的文件保存流程不一致,单纯依赖固定路径扫描容易出现漏检或延迟处理。我的解决方案是结合 Hook 监控、文件后缀识别、文件写入完成检测和定时补偿扫描,确保视频文件在下载完成后能够及时被识别并进入加密流程。
第二个难点是加密后的视频既要保证安全,又不能明显影响用户访问体验。如果直接替换原文件,用户会感觉文件丢失或无法打开。对此我设计了“安全区加密存储 + 原位置生成链接文件”的方式,用户仍然可以从原路径访问入口,

示例图片视频


KING
30天前活跃
方向: 后端-Go、桌面端-Qt、
交付率:100.00%
相似推荐
情绪检测
本工具基于 Python 开发,通过人脸识别与情感分析算法,精准识别用户面部情绪状态,实现高效的情绪检测能力。该工具应用场景广泛:在心理咨询领域,可辅助咨询师洞察来访者的真实情绪变化,提升沟通与干预效果;在校园安防方面,可实时监测学生情绪波动,及时发现异常状态并预警,守护校园安全。系统采用轻量化架构,运行高效、部署灵活,便于集成到现有业务平台中,为心理健康关怀与安全防护提供智能化、数据化的有力支撑。
基于神经网络的游戏动画系统
MotionWeaver 是一套面向 Unreal Engine 游戏开发的 AI 驱动角色动作生成系统,旨在解决传统游戏动画制作成本较高、动画资产复用困难、复杂动作衔接不自然,以及角色运动与动画表现难以协调等问题。 项目以神经网络动作生成技术为核心,结合游戏引擎的角色运动系统,实现从动画数据采集、模型训练到动作推理与引擎集成的完整技术流程。 主要功能包括: 动画数据采集与处理: 支持从 Unreal Engine 动画资产中提取骨骼姿态、位置、旋转及时间序列信息,完成骨骼映射、数据清洗、质量审核与训练数据集构建。 AI 动作模型训练: 提供基于深度学习的动作表示学习、姿态预测与生成模型训练功能,支持模型检查点管理、训练指标记录及实验评估。 条件动作生成: 利用角色根运动轨迹、历史动作状态及参考姿态等条件,生成连续骨骼动作,研究不同运动条件下的动画生成效果。 复杂动作约束: 针对跑酷、跨越障碍等复杂场景,支持参考姿态引导及关键帧约束,改善动作准确性与空间匹配效果。 UE 动画集成与验证: 提供模型推理与 Unreal Engine 动画系统的集成和实验验证能力,支持生成动作的预览、重建、测试及效果分析。 模型评测与对比: 通过骨骼位置误差、运动连续性、关键帧约束误差等指标,对不同模型及优化方案进行定量分析。 项目主要面向游戏角色动画生成、AI 动画技术研究和游戏开发工具链建设,为智能角色运动与游戏动画自动化提供技术基础。
基于 n8n 的社区团购订单自动归集与对账系统 - 飞书多维表格
立项背景和目标: 社区团购商家通常同时运营多个小区的团购业务,订单分散在各处, 每天需要人工汇总到表格、再逐个小区生成对账单。三个小区的情况下, 人工处理约需 1.5-2 小时/天,且极易出现漏单、金额对不上。 目标是让这套流程全自动跑:订单自动归集 → 自动生成分小区对账单 → 异常自动告警,把每天 2 小时的人工压到 0。 软件功能、核心功能模块: 1. 定时触发模块:每天固定时间自动启动,无需人工干预 2. 多源数据读取:对接飞书多维表格开放 API,分页拉取三个小区的订单表 3. 数据清洗与合并:统一字段口径,合并去重,处理缺失值 4. 分类汇总:按小区维度聚合,计算应收、已付、差额 5. 异常检测:金额不一致、状态异常、重复订单自动标记 6. 结果写回:汇总结果写回多维表格,供商家和团长直接查看 7. 失败告警:任一步骤失败自动重试 3 次,仍失败则推送群告警 业务流程、功能路径: 每天 20:00 定时触发 → 读取运行参数 → 换取 tenant_access_token → 逐小区分页读取订单 → 展开为明细行 → 批量写入汇总表 → 生成分小区对账单 → 判断是否启用对账推送 → 异常则发群告警
多端AI问答系统(SSE流式输出)
立项背景:随着大语言模型的普及,传统企业与用户对智能对话的需求激增。旨在构建一个前后端完全解耦的 AI 问答系统,支持多端接入,提供流畅的流式对话体验。 核心功能:支持 SSE 全链路流式对话(包含start/content/reasoning/done/error五类事件);多会话管理(新建、切换、重命名、置顶、逻辑删除);Markdown 渲染、思考过程折叠展示、多模型切换、Token 用量统计与 API 调用日志,以及四维 IP 限流。 业务流程:前端发起对话请求 → 后端校验限流 → 组装历史消息并调用大模型 API → SSE 逐字返回前端实时渲染 → 消息落库并记录 Token 与耗时。
基于RAG的多租户AI客服SaaS-wali-ai
立项背景和目标: 小微企业客服人力有限、游戏规则分散、夜间无人值守, 重复咨询淹没客服; 通用大模型不了解业务规则, 会张冠李戴甚至编造规则和价格. wali-ai的目标是让运营者用自己的知识库, 7x24自动回答玩家问题, 答不上来就兜底或转人工, 以及记录,绝不编造. 软件功能与核心模块: 多租户SaaS控制面(注册即获默认租户与工作空间、两级角色权限、按套餐的对话条数/知识库数量/容量/席位/Token额度五维配额); 知识库管理(文件导入, 切片可视化编辑与检索测试); 自研RAG引擎(向量+关键词混合检索、RRF融合、Rerank重排、置信度评估); Agent编排(意图判断、会话上下文、人设提示词、闲聊/固定兜底双模式); 多渠道接入(游戏内Lua桥接、QQ群NapCat、网页悬浮球SDK、开放API); 会话管理与人工接管; 未回答问题沉淀反哺知识库; 运营统计与全量审计. 业务流程: 注册登录->创建游戏服与机器人->建知识库导入文档->自动切分并向量化索引->配置渠道->玩家在游戏内/QQ群/网页提问->统一网关验签、幂等、路由->Agent意图判断->RAG混合检索->大模型生成带来源引用的回答->写回会话、用量与审计->低置信度时兜底或转人工, 管理员在管理端查看会话、反馈、用量与配额.
帮助文档   Copyright @ 2021-2024 程聚宝 | 浙ICP备2021014372号
人工客服