2.18及之前的设计器调用getVatInfoOcr增值税发票识别，报错attributeError("'str' has no attribute 'get'")，类似错误。则需要把设计器安装路径下的如下路径里的ocr.pyc文件，改个名字如ocr_backup.pycD:\Program Files\Huawei\WeAutomate\Studio 2.18.0\python\Lib\site-packages\wa_aimanas然后把附件里的ocr.py解压出来放在这里即可。注意一定是要修改原来的文件名或者挪走备份。

控件插件：见附件 ext_imgToExcel_1_0_1.zip控件功能演示：见附件 ImgToExcel功能演示.zip功能演示脚本：见附件 ImgToExcel_Script.zip功能：主要用OCR识别，将图片转为Excel文件【如果想PDF转Excel，则需要先将PDF转为Img，详情可见 https://bbs.huaweicloud.com/forum/thread-155245-1-1.html】操作说明：     1. 上传图片文件（指定路径）【注意：图片中的表格必须规范的(不含合并单元格)，且表格边界线、表格内的分割线较清晰】     2. 指定Excel路径（将OCR识别图片后的表格数据存于此文件中，当前仅支持xls文件。也可不指定excel路径，则表示不生成文件，可直接使用list类型的返回值）     3. 指定工作表Sheet Name，默认Sheet1；若不指定Excel路径，则此Sheet Name属性可不用管使用举例说明：图1执行结果：在指定的路径生成Excel文件，其中list类型的返回值table_ret见图2，效果可见图3图2图3注意：       1. 如果运行出现“no module named 'xlwt'”，则进入黑窗口cmd，设计器是stduio/python/文件夹下（执行器是assistant/python/）执行 python.exe -m pip install xlwt；若黑窗口cmd中，出现Retry等字样信息，则需要将pip.rar（见附件）中的pip文件放入'C:\Users\用户名' 文件夹下，即自己的用户账号下（例如'C:\Users\工号'，'C:\Users\Administrator'， 'C:\Users\Lenovo'等等）。       2. 该插件使用的是体验接口，短时间内不能过于频繁的使用，有流控。

控件插件：见附件 ext_imgpdftoword_1_0_0.zip控件功能演示：见附件 ImgPDFToWord功能演示.zip功能演示脚本：见附件 ImgPDFToWord_Script.zip功能：主要用OCR识别，将图片或PDF文件转为Word文件操作说明：     1. 上传图片或PDF文件（指定路径）【注意：文件大小大约不超过3M，具体原因是文件base64编码后的大小不能超过3M】     2. 指定OCR识别模式（场景模式：图片、非规范文档；文档模式：规范文档）     3. 指定Word文件路径 使用举例说明：    例1【PDF文件转为Word文件】：图1    执行结果：在指定的路径生成Word文件，其中内容效果见,图2，返回值见图3，图2图3    例2【图片转为Word文件】：图4    执行结果：在指定的路径生成Word文件，其中内容效果见,图5，返回值见图6，图5图6

2021年6月24日举办了华为云AI论文精读会2021第八期：探讨文字识别中的语言模型嘉宾是中国科学技术大学信息与通信技术博士---王裕鑫博士本次论文精读的领域是CV领域，感兴趣的小伙伴一定不要错过呦！华为云AI论文精读会致力于让更多人低门槛使用经典算法，助力AI开发者基于ModelArts，实现高效率论文复现和挑战！观看地址：https://res-static.hc-cdn.cn/cloudbu-site/china/zh-cn/competition/1624673202271037396.mp4华为云AI论文精读会2021·论文算法实战赛报名地址：https://competition.huaweicloud.com/information/1000041393/introduction

描述Aster（文字识别/PyTorch）1. 概述此模型是基于ASTER: Attentional Scene Text Recognizer with Flexible Rectification的Pytorch实现版本，该算法需要使用SynthText和MJSynth数据集进行训练，IIIT5k的test数据进行验证。我们提供了训练代码和打包好的合成训练数据集和验证数据，如果有需要用户也可以加入真实数据集进行微调，具体参见ModelArts AI Gallery算法Aster使用指南。训练后生成的模型可直接在ModelArts平台部署成在线服务。对于英文识别任务，一般采用Accuracy作为评价指标：对于网络预测的字符串以及对应的gt，需要先进行归一化（去掉除字母和数字以外的字符，并统一大小写）。如果二者一致，则判定预测正确。Accuracy = 正确的数量 / 总数本算法的其他信息如下表所示：项目说明参考论文ASTER: Attentional Scene Text Recognizer with Flexible Rectification使用框架Pytorch-1.4.0训练集SynthText，MJSynth训练总epoch数7训练batch_size使用1卡训练，每张卡batch_size = 1024训练硬件及耗时1*v100，29小时左右测试集IIIT5K中的测试集推理硬件及速度CPU: 120~130ms/pic GPU: 20~30ms/pic (1*V100, batch_size=1024)输入图像尺寸64*256*3原论文准确率Accuracy (without Lexicon) = 93.4%本算法准确率Accuracy (without Lexicon) = 93.7%2、训练2.1. 算法基本信息任务类型文字识别支持的框架引擎PyTorch-1.4.0-python3.6算法输入存储在OBS上的数据集，必须将训练打包成lmdb格式进行存储，详情请查看下文第4节案例指导算法输出用于Pytorch推理的pth模型代码结构|-- lib| |-- datasets| |-- evaluation_metrics| |-- loss| |-- models| |-- tools| |-- utils| |-- evaluators.py| |-- trainers.py| |-- init.py|-- lib_infer_only| |-- datasets| |-- evaluation_metrics| |-- models| |-- utils|-- trained_model| |-- model| | |-- best_model.pth|-- train.py|-- evaluation.py|-- config.py|-- customize_service.py|-- config.json`-- pip-requirements.txt~~~2.2. 参数说明名称默认值类型是否必填是否可修改描述batch_size1024int是是batch size的大小workers8int是是workers的数量height64int是是网络输入图片的高度width256int是是网络输入图片的宽度voc_typeALLCASES_SYMBOLSString是否表示识别的类别包括大小写字母数字以及标点符号archResNet_ASTERString是否网络backbonecudaTrueString否是是否使用GPU训练evalFalseString是是是否进行模型评估，默认为False，如果设为True，则必须设定load_weight参数，加载指定的pth模型，在创建训练作业时指定的数据存储位置验证集上进行预测，所有预测结果results及模型评估结果eval_result.txt将保存到创建训练作业时指定的训练输出位置train_url上epoch7int是是总训练轮数，建议设置为7。load_weight./trained_model/model/best_model.pthString否是pth模型文件路径，支持加载OBS上保存的模型进行断点续训；不设置时直接进行训练. 默认使用已经预训练的模型，当删除该参数时则train from scratch.training_dataset/home/work/modelarts/inputs/Synth/String是否训练数据集在modelarts上的本地路径training_dataset_subfoldCVPR2016:NIPS2014String是否使用的训练数据集文件夹名。支持多个数据集同时训练，用:分隔多个数据集。testing_dataset/home/work/modelarts/inputs/Synth/benchmark_lmdbs_new/IIIT5K_3000/String是是验证集IIIT5K在modelarts上的本地路径，当eval=False时（训练过程），使用默认参数（对应imdb格式数据集）。当eval=True时，需要将其设置为/home/work/modelarts/inputs/Synth/IIIT5K/test/（对应png格式数据集）或者其他png格式的数据集。gt_path/home/work/modelarts/inputs/Synth/IIIT5K/testdata.matString否是如果eval时未设置gt_path参数，则不会输出统计指标，只保存推理结果。test_freq1000int是是训练过程中，每test_freq次迭代进行一次测试，并保存最优模型。print_freq100int是是训练过程中，每print_freq次迭代，输出一次loss。注1: 当eval设置成True时，只进行模型推理过程。如需对IIIT5K数据集进行推理，需要调整对应的testing_dataset = home/work/modelarts/inputs/Synth/IIIT5K/test/（对应png格式数据集）；如需对自己提供的图片进行推理，请将数据集在obs中放置路径与该路径对应。注2: 当eval=True时，推理的结果results文件夹将会保存到train_url指定的obs路径。如果同时设置了gt_path的路径，还会将eval_result.txt保存到train_url路径。注3: 当使用自己提供的数据集进行训练时，需要根据数据集的大小来调整epoch以及test_freq，注意数据集需要放置在Synth目录下，并且将数据集的文件夹名称添加到training_dataset_subfold中，例如CVPR2016:NIPS2014。2.3. 模型输出训练输出的文件结构如下:|-- model | |-- lib_infer_only | | |-- datasets | | |-- evaluation_metrics | | |-- models | | |-- utils | |-- config.json | |-- config.py | |-- customize_service.py | |-- aster_Final.pth `-- logs |-- checkpoint.pth (last model) |-- model_best.pth |-- log.txt `-- cfg.txt设置eval = True，并对IIIT5K数据集进行推理，输出的文件结构如下：|-- results | |-- 1043_1_result.txt | |-- *** `-- eval_result.txt(当设置了gt_path之后输出评价结果)3. GPU/CPU推理利用本算法部署服务进行推理的详细步骤请查看ModelArts AI Gallery算法Aster使用指南4. 案例指导本算法的详细使用方法，请查看ModelArts AI Gallery算法Aster使用指南交付交付方式华为云ModelArts交付区域华北-北京一、华北-北京四、华东-上海一、华南-广州、亚太-**

Sequence-to-Sequence Contrastive Learning for Text Recognition本次工作提出一个对比性学习方法：SeqCLR，用于文本识别。将每个特征图看作是一系列的独立实例，得到 sub-word 级上的对比学习，例如每个图像提取几个正面的配对和多个负面的例子。另外，为获得有效的文本识别视觉表征，进一步提出新的增强启发式方法、不同的编码器架构和自定义投影头。在手写文本和场景文本上的实验表明，当用学到的表征训练文本解码器时，所提出方法优于非序列对比法。此外，当监督量减少时，与监督训练相比，SeqCLR 明显提高了性能，而当用 100% 的标签进行微调时，SeqCLR 在标准手写文本识别基准上取得了最先进的结果。作者 | Aviad Aberdam, Ron Litman, Shahar Tsiper, Oron Anschel, Ron Slossberg, Shai Mazor, R. Manmatha, Pietro Perona单位 | 以色列理工学院；亚马逊等论文 | https://arxiv.org/abs/2012.10873

Implicit Feature Alignment: Learn to Convert Text Recognizer to Text Spotter本次工作提出一个简单而有效新范式：IFA，将 text recognizer 转变为 detection-free text spotter，利用神经网络的可学习对齐特性，可以很容易地集成到当前主流的文本识别器中。得到一种全新的推理机制：IFAinference。使普通的文本识别器能够处理多行文本。具体来说，作者将 IFA 整合到两个最流行的文本识别流中（基于注意力和基于CTC），分别得到两种新的方法：ADP 和 ExCTC。此外，还提出基于Wasserstein 的 Hollow Aggregation Cross-Entropy（WH-ACE）来抑制负面噪音，以帮助训练 ADP 和 ExCTC。实验结果表明 IFA 在端到端文档识别任务中取得了最先进的性能，同时保持了最快的速度，而 ADP 和 ExCTC 在不同应用场景的角度上相互补充。作者 | Tianwei Wang, Yuanzhi Zhu, Lianwen Jin, Dezhi Peng, Zhe Li, Mengchao He, Yongpan Wang, Canjie Luo单位 | 华南理工大学；阿里等论文 | https://arxiv.org/abs/2106.05920

Dictionary-guided Scene Text Recognition本次研究，作者提出一种新的语言感知方法来解决场景文本识别中的视觉模糊性问题。该方法在训练和推理阶段都可以利用字典的力量，可以解决许多条件下的模糊性。另外，创建一个用于越南场景文本识别的新数据集：VinText，它在从多个类似字符中辨别一个字符方面带来了新的挑战。在 TotalText、ICDAR13、ICDAR15 和新收集的 VinText 数据集上的实验结果证明了该字典整合方法的优点。作者 | Nguyen Nguyen, Thu Nguyen, Vinh Tran, Minh-Triet Tran, Thanh Duc Ngo, Thien Huu Nguyen, Minh Hoa单位 | VinAI研究等论文 | https://openaccess.thecvf.com/content/CVPR2021/papers/Nguyen_Dictionary-Guided_Scene_Text_Recognition_CVPR_2021_paper.pdf代码 | https://github.com/VinAIResearch/dict-guidedPrimitive Representation Learning for Scene Text Recognition与常用的基于 CTC 和基于注意力的方法不同，作者通过学习原始表征并形成可用于并行解码的视觉文本表征，提出一个新的场景文本识别框架。又提出一个 pooling aggregator 和一个 weighted aggregator，从 CNN 输出的特征图中学习原始表征，并使用 GCN 将原始表征转换为视觉文本表征。所提出的原始表征学习方法可以被整合到基于注意力的框架中。并在英文和中文场景文本识别任务的实验结果证明了所提出方法的有效性和高效率。作者 | Ruijie Yan, Liangrui Peng, Shanyu Xiao, Gang Yao单位 | 清华大学论文 | https://arxiv.org/abs/2105.04286

场景文本识别What If We Only Use Real Datasets for Scene Text Recognition? Toward Scene Text Recognition With Fewer Labels本次工作的研究目的是使用更少的标签来运用 STR（场景文本识别） 模型。作者用只占合成数据 1.7% 的真实数据来充分地训练 STR 模型。通过使用简单的数据增广和引入半监督和自监督的方法，利用数百万真实的无标签数据，进一步提高性能。作者称该工作是迈向更少标签的 STR 的垫脚石，并希望这项工作能促进未来关于这个主题的工作。作者 | Jeonghun Baek, Yusuke Matsui, Kiyoharu Aizawa单位 | 东京大学论文 | https://arxiv.org/abs/2103.04400代码 | https://github.com/ku21fan/STR-Fewer-Labels

用于任意形状文本检测TextOCR: Towards large-scale end-to-end reasoning for arbitrary-shaped scene text本文介绍一个在 TextVQA 图像上收集的大型任意场景文本识别数据集 TextOCR，以及一个端到端的模型 PixelM4C，该模型通过将文本识别模型作为一个模块，可以直接在图像上进行场景文本推理。TextOCR，大型且多样化，来自 TextVQA 的 28,134 幅自然图像，有 100 万个任意形状的单词标注（比现有的数据集大3倍），每张图片有 32 个单词。作为训练数据集，在多个数据集上提高了 OCR 算法的精度 ；作为测试数据集，为社区提供新的挑战。在TextOCR上进行训练，可以提供更好的文本识别模型，在大多数文本识别基准上超过最先进的水平。此外，在 PixelM4C 中使用 TextOCR 训练的文本识别模块，可以使用它的不同特征，甚至有可能提供反馈，这使得 PixelM4C超越了 TextVQA 的现有最先进方法。通过 TextOCR 数据集和 PixelM4C 模型，在连接 OCR 和基于 OCR 的下游应用方面迈出了一步，并从直接在 TextOCR 上训练的 TextVQA 结果中所看到的改进，希望该研究能够同时推动这两个领域的发展。作者 | Amanpreet Singh, Guan Pang, Mandy Toh, Jing Huang, Wojciech Galuba, Tal Hassner单位 | Facebook论文 | https://arxiv.org/abs/2105.05486主页 | https://textvqa.org/textocr

【EI-OCR中的“前置控件-华为云版”如何配置与使用】或者是【报错信息有“flag_token缺失，可能是因为前置组件未添加”字样】--->      都是需要添加与配置“inputAccountByToken”控件1. 进入 https://console.huaweicloud.com/iam/?region=cn-north-4#/iam/users, 在图1中点击创建用户，需要创建一个子用户，用于填入图2中的“华为云IAM用户名”和“华为云IAM密码”（保证华为云账号名与华为云IAM用户名不一样），过程中有个权限“admin”，需要将其右移（这个在操作的过程中会出现，很简单，看到相应的页面就会了）。图1图22. 点击上一点网页中的左上角的“三条线”按钮，再在输入框中输入“ocr”，之后点击“文字识别 OCR”，如图3图33. 在图4选择“北京四”（此地区包含的服务较多），并在图5中选择需要的产品，在对应的产品描述的后面中选择“开通服务”（有一定免费次数的调用，标号1是未开通的情况，标号2是开通的情况）图4图54. （仅针对华为内网用户） 需要在http、https代理处设置相应的值，http设置为http://W3账号:密码@proxy.huawei.com:8080/，https设置为https://W3账号:密码@proxy.huawei.com:8080/ 。且因为使用的是proxy代理，所以用EI-OCR控件，需要确保图片大小（最好小一些，不然会报错，proxy代理携带不了太大的图片的base值）

设计器里【Manas引擎】--【图像识别】以及【自然语言处理】下控件的使用，也可以用于钉钉以及微信的cv操作里。user ID: com.huawei.gts.rparobotToken:hC4Q2yZ8p11h186KcC8b6un6ZS2tcAtegOn89HCJy6CurddgTkCzmm7hXCH3mJJt设计器中如下控件可使用上面的信息用于测试使用。getpicinfo_online在下图的链接里，对于习惯于老版本里的识别率且不满足当前识别结果的开发者可以试试把这里的v3修改成v2。

体验通过DevStar服务的“智能OCR图像文字识别”模板一站式生成应用代码并部署到函数工作流FunctionGraph，实现识别指定图片中的文字信息并显示在页面上。您将学到什么您将学会如何通过DevStar实现一站式快速开发基于Serverless的智能识别图片文字信息应用，并在此基础上基于华为云EI产品开放能力进行对应用的自定义扩展，体验云上开发的乐趣您需要什么硬件要求PC电脑软件要求Chrome浏览器需要的知识点熟悉常规电脑操作常识具备基本的软件开发能力环境准备注册华为云账号、实名认证如果您已拥有华为账号且已通过实名认证，可直接体验。若您还没有通过实名认证的账号，请注册华为账号，然后完成实名认证（推荐使用“扫码认证”方式，即时完成）。参考如何实名认证和如何扫码认证。应用开发及部署使用Chrome浏览器，登录DevStar，在搜索栏输入“智能OCR图像文字识别”关键字进行搜索，在卡片上点击“开发应用”首次使用可以开通服务“同意授权”并继续创建应用在应用创建页面根据页面提示完成项目、应用名信息输入注：如果没有任何DevCloud项目，可点击“创建项目”新建一个项目注：在创建项目过程中如提示“该企业租户服务处于关闭状态 ”，请点击“立即开通”。然后在DevCloud服务购买页面，选择基础版进行购买操作（基础版5人及以下免费）。开通后，继续完成项目创建注：创建完项目后，点击所属项目选项列表旁的“刷新”图标，可显示新创建的项目，选中并完成页面其它信息输入，点击“立即创建”按钮，进入应用详情界面等待应用使用的代码仓等资源创建完成（约20s），点击左侧的“应用部署”菜单，查看依赖云服务的状态。若有云服务未开通，则点击“去开通”按钮完成服务开通。查看文字识别服务增值税发票识别的开通状态，如果未开通，点击“开通服务”。注意：增值税发票识别API按需付费模式每月0~1千次（含）调用免费，如果超出则会产生费用，计费详情可点击“参考价格”查看。函数工作流FunctionGraph若实际使用量每月调用不超过100万次且计量时间不超过400,000 GB-秒免费，如果超过则会产生费用，计费详情可点击“参考价格”查看。完成服务开通后，点击对应服务的刷新按钮，查看服务开通状态。依赖的云服务全部完成开通后，点击“部署”按钮，进行应用部署。待部署完成后，点击“看看”链接访问部署到函数工作流的云函数。在智能OCR识别页面，点击“选择文件”上传发票图片，体验使用OCR精准识别发票图片上的文字。注：上传的发票图片为JPG/JPEG/BMP/PNG格式，建议大小不超过5M（超出有可能会失败），推荐1M。进阶体验-使用Huawei Cloud Toolkit在本地进行快速开发Huawei Cloud Toolkit是华为云提供的IDE插件工具，支持VSCode平台和Intellij平台。支持查看华为云开放API的文档、SDK、错误码、示例代码、代码模板；基于代码模板快速创建本地工程；智能代码自动补全等场景，能极大提高开发者在本地开发基于华为云API的应用的开发效率。这里我们使用Huawei Cloud Toolkit辅助，给原来的代码快速扩展一个新的“通用文本识别”功能。在应用详情页面的代码仓库栏，点击右边的“克隆/下载”，复制弹出框中的https链接，然后在本地命令行中输入：git clone <仓库链接>，既可把代码仓克隆到本地。（克隆的时候会提示输入用户名和密码，用户名为<华为云账号名>/<华为云账号名形式>，具体可以在codehub的配置页面查找到https://devcloud.cn-north-4.huaweicloud.com/codehub/https）使用本地IDE（使用Intellij或者VSCode）打开刚克隆的代码，这里以Intellij为例。安装 Huawei Cloud Toolkit插件，Intellij点击 File -> Settings -> Plugins，在 Marketplace中搜索“HuaweiCloud Toolkit”，点击“install”进行安装。注：如果您使用VSCode，也可以在VSCode插件市场中搜索“HuaweiCloud”，选择安装“HuaweiCloud Extension Pack”这个插件。打开链接https://console.huaweicloud.com/iam/?region=#/mine/accessKey，点击“新增访问秘钥”添加一个您租户账号的AK/SK。在Intellij中，点击左侧的“Huawei Cloud Toolkit”标签，点击登录图标。将刚才生成的AK/SK（注意excel中的AK/SK后面有一个空格，需要去掉）填入配置中，点击“apply”和“ok”按钮，插件即可登录成功。登录成功后我们在右侧搜索栏搜索“OCR”。选择“云服务”标签下的“文字识别 OCR”，可以看到OCR服务出了支持身份证识别外，还支持很多的其他的文字识别功能。这里我们选择下方的“通用文字识别”，点击“查看文档”。接口文档包含的接口的说明，请求参数，返回参数的详细信息，这里看到这个接口的请求参数只需要一个图片的base64字符串即可。在对要实现的接口有了了解后，我们来改造一下原理的代码。在Intellij中打开代码中的“java”文件。为了方便扩展功能，我们已经在代码中预留好扩展的位置。找到代码的第50行，按注释提示添加一个识别类型：修改后：接着我们来实现调用接口的逻辑，找到代码中第101行的函数“recognizeGeneralText”：把注释删掉，输入我们刚才搜到的api名称“recognizeGeneral”，这是我们看到会有自动提示弹出，选择第一个提示选择后可以看到API调用的基础代码已经被插入：然后我们只需要简单的添加一下输出和输入即可实现API调用的功能，添加下图红框里面的两行代码：到这里我们的代码已经完成，为了使用“通用文本识别”功能，我们需要到OCR服务开通该服务，打开OCR页面：https://console.huaweicloud.com/ocr/#/ocr/overview，找到“通用文本识别”点击开通服务。（按需计费模式下，每个月的前1000次调用免费）将代码push到远端的git仓库，回到我们的应用部署页面，重新部署应用（请参考本文“应用开发及部署小节步骤6、7”），现在可以上传一张带有文字内容的图片，体验添加的通用文本识别功能，识别图片中的文本。到这里我们已经实现了一个新的识别功能的添加，您可以继续查看OCR服务的文档，添加更多的文本识别功能到项目中。恭喜您已完成体验，您还可以了解和体验DevStar AI识图作诗应用开发模板。

产品介绍文字识别（Optical Character Recognition，简称OCR）以开放API的方式提供给用户，用户使用Python、Java等编程语言调用OCR服务API将图片识别成文字，帮助用户自动文字识别（Optical Character Recognition，简称OCR）以开放API的方式提供给用户，用户使用Python、Java等编程语言调用OCR服务API将图片识别成文字，帮助用户自动采集关键数据，打造智能化业务系统，提升业务效率。采集关键数据，打造智能化业务系统，提升业务效率。视频资料点击链接即可播放，支持下载链接：学习资料：第1章 初识OCR技术第2章 华为云OCR服务介绍第3章 华为云OCR使用指南第4章 FAQ及随堂测试链接OCR资讯动态：链接 

梳理常见的OCR问题，请参考1、如何选择OCR服务套餐包的区域？不同的地域之间资源包不互通，每个地域需分别购买，请根据您的实际需求慎重选择。各服务所部署区域请参见终端节点。请先确定使用的服务与区域之后再购买相应区域的套餐包。2、OCR服务识别结果可以转化为Word或者TXT吗？OCR提取之后返回的结果是JSON格式，需要用户通过编程，将结果保存为Word或者TXT格式。3、OCR服务提供哪些版本的SDK？目前OCR提供的SDK有Java、Python、iOS、Android、Node.js版本。如果想用其他编程语言调用OCR API服务，可以使用Token鉴权方式，参考接口说明文档实现接口调用。4、OCR服务可以识别文本格式文件吗？OCR服务是指对图像中的文字进行检测与识别，不能识别word、pdf、excel等文件。5、关于数据安全，隐私保护的有什么措施？OCR服务坚持“华为云始终把可信作为产品质量的第一要素”的理念，我们基于安全、合规、隐私、韧性、透明，为您提供有技术、有未来、值得信赖的云服务。具体请参见白皮书资源。