-
公开(公告)号：CN105183651A
公开(公告)日：2015-12-23
申请号：CN201510579026.0
申请日：2015-09-11
Applicant: 哈尔滨工业大学
IPC: G06F11/36
Abstract: 用于程序自动性能预测的视点提升方法，属于程序性能预测领域。现有的程序自动性能预测方法存在难以在保证预测精度的同时确定最大预测性的问题。一种用于程序自动性能预测的视点提升方法，步骤一、定义基本块N执行次数的视点V，则利用二元组表示的基本块频率为(Ev，BV,N)；步骤二、对二元组表示的基本块频率(Ev，BV,N)中的视点V的实际运行次数Ev的量进行提升操作；步骤三、确定视点V中预测到基本块N的频率BV,N；步骤四、定义基本块N的频率BN＝Ev×BV,N；步骤五、得到视点V在一次运行中总的基本块频率为本发明具有在保证精度的同时确定合适的插入位置，结合静态分支概率提高预测性的优点。
-
公开(公告)号：CN104866764A
公开(公告)日：2015-08-26
申请号：CN201510295837.8
申请日：2015-06-02
Applicant: 哈尔滨工业大学
IPC: G06F21/56
CPC classification number: G06F21/56 , G06F21/561 , G06F21/566 , G06F2221/033
Abstract: 一种基于对象引用图的Android手机恶意软件检测方法，本发明涉及Android手机恶意软件检测方法。本发明是要解决内核级别监控方法涉及内核改动，系统检测花销大；仅提供有限系统服务的沙箱技术易被攻击；控制流方法易受代码混淆攻击，基于API调用建立动态胎记的方法需要较多API调用具有较大局限性以及ORGB提取方法和VF2算法检测效率的问题而提出的一种基于对象引用图的Android手机恶意软件检测方法。该方法是通过1提取对象引用关系图ORG；2得到恶意程序的ORGB；3筛选出未知程序的可能类别；4确定未知程序为某类匹配的恶意程序等步骤实现的。本发明应用于Android手机恶意软件检测领域。
-
公开(公告)号：CN104022911A
公开(公告)日：2014-09-03
申请号：CN201410299708.1
申请日：2014-06-27
Applicant: 哈尔滨工业大学
IPC: H04L12/24
Abstract: 一种融合型内容分发网络的内容路由管理方法，属于互联网技术领域。本发明的目的是给出针对ISP-CDN的两层内容节点部署机制，设计索引与同步机制以改进CDN环境下的内容路由策略，并兼顾流量结算成本、数据传输质量。对于网络数据大小进行单一处理，即一次传输所消耗的流量代价只与经过的路径跳数有关，而不考虑数据大小本身，从核心路由节点集合F中选择的节点数目与重复流量为反比关系，而同步代价则与节点数目成正比；同步的初始源为域间路由器节点，对于域间路由节点t，通过先广搜索算法生成以t为根的最小生成树TR覆盖k个内容节点，找到k个节点，采用基于贪心策略的算法实现RC+SC最小。
-
公开(公告)号：CN103106153A
公开(公告)日：2013-05-15
申请号：CN201310054554.5
申请日：2013-02-20
Applicant: 哈尔滨工业大学
IPC: G06F12/12
Abstract: 基于访问密度的web缓存替换方法，本发明涉及web缓存替换方法。本发明是要解决目前的LRU存在局部性与LFU存在缓存污染，命中率低的问题，而提供了基于访问密度的web缓存替换方法。方法：缓存对象是否已经存在于缓存池；缓存池是否已满；若干初始化；删除密度值最低的缓存对象，将新增缓存对象加入缓存池；计算当前访问间隔；是否为第二次访问；计算访问密度；根据公式计算访问密度，更新平均访问间隔；更新相关值；退出。本发明应用于互联网络存储领域。
-
公开(公告)号：CN102684808A
公开(公告)日：2012-09-19
申请号：CN201210183623.8
申请日：2012-06-06
Applicant: 哈尔滨工业大学
IPC: H04J3/06
Abstract: 本发明公开了一种自适应时钟同步系统，包括：主服务层，包括一台或多台主时间服务器，其中，主时间服务器外接原子钟；二级服务层，包括多台二级时间服务器，一部分二级时间服务器与主时间服务器进行时间同步，另一部分二级时间服务器相互之间进行时间同步；客户层，包括若干终端，终端向二级时间服务器发出时间同步请求，进行时间同步。本发明能够在基准时间源发生故障时，自动寻找合适的时间源，使系统自动完成同步网的配置，使得时间同步网拥有足够的稳定性和健壮性，自适应能力强；同时，具有较好的安全性。本发明使用了分层级的体系结构，层次分明，布局清晰，具有较强的可扩展性，适应业务的增长。
-
Patent Agency Ranking
公开(公告)号：CN101729297B
公开(公告)日：2011-12-07
申请号：CN200910310286.2
申请日：2009-11-24
Applicant: 哈尔滨工业大学
IPC: H04L12/24
Abstract: 基于矢量图和位图的大规模网络拓扑平面可视化方法，涉及到网络拓扑平面的可视化技术。它解决了现有采用矢量图显示大规模网络拓扑图存在的算法复杂、刷新速度慢的问题。本发明采用三个图层的位图来显示网络拓扑图，第一图层是采用空白位图表示的图形区域；在图形区域上的第二图层是带有坐标的位图区域；在位图区域上的第三图层是客户区域；采用矢量图形文件保存的节点的位置和曲线、颜色；并将矢量图映射到位图区域上；在图形移动的过程，采用位图移动方法移动客户区域，在图形的缩放过程中，首先对矢量图进行缩放，然后将缩放后的矢量图再映射到位图上。本发明具有放缩无失真、显示速度快优点，尤其适用于大规模无向图的可视化技术中。
-
公开(公告)号：CN119892387A
公开(公告)日：2025-04-25
申请号：CN202411422530.5
申请日：2024-10-12
Applicant: 哈尔滨工业大学
Abstract: 一种基于反检测蜜罐的物联网僵尸网络生命周期检测方法及系统，涉及网络安全检测及防御技术领域。本发明的目的是为了实现准确识别反检测蜜罐捕获的物联网僵尸网络流量所处的生命周期，避开攻击者的虚拟检测技术实现对物联网僵尸网络流量更高的欺骗性。首先基于生成对抗网络设计具备反检测功能的蜜罐，经过训练后根据不同的请求数据生成逼真的响应数据，从而提升它的欺骗能力。基于融合长短期记忆网络设计物联网僵尸网络生命周期检测方法。经过对Fusion‑LSTM训练后，可以准确识别反检测蜜罐捕获的物联网僵尸网络流量所处的生命周期。该方法可以避开攻击者的虚拟检测技术实现对物联网僵尸网络流量更高的欺骗性，同时可以准确的识别流量所处的生命周期，从而尽早作出防护应对。
-
公开(公告)号：CN118797155B
公开(公告)日：2025-04-22
申请号：CN202410789176.3
申请日：2024-06-19
Applicant: 哈尔滨工业大学
IPC: G06F16/9535 , G06F40/30 , G06V30/41 , G06V30/40 , G06V30/148 , G06V30/19 , G06V10/82 , G06N3/042 , G06N3/08
Abstract: 本发明公开了一种基于多视角跨模态语义对齐的多模态推荐方法及系统，涉及多模态推荐技术领域。本发明的技术要点包括：提取训练数据的用户信息、物品信息、用户‑物品交互信息和多模态辅助信息，所述多模态辅助信息包括文本模态和视觉模态；对多模态辅助信息进行处理，获取包含多模态嵌入文本表示和视觉表示的语义信息；将用户信息、物品信息、用户‑物品交互信息和语义信息输入多模态神经网络模型中进行训练；利用训练好的多模态神经网络模型进行多模态推荐。本发明解决了模态间语义鸿沟问题，通过多视角语义建模进行细粒度模态语义对齐，实验结果证明了本发明的优越性和有效性。
-
公开(公告)号：CN119782622A
公开(公告)日：2025-04-08
申请号：CN202411977708.2
申请日：2024-12-31
Applicant: 哈尔滨工业大学
IPC: G06F16/9535 , G06F16/9538 , G06F18/25 , G06F40/30 , G06N3/042 , G06N3/0499 , G06N3/045
Abstract: 本发明一种基于大模型与图神经网络相结合的用户行为序列推荐方法、系统及存储介质，涉及行为序列推荐技术领域，为解决现有的方法难以将大语言模型的文本特征提取能力与序列推荐的动态建模能力进行深度融合，难以实现准确、全面的推荐的问题。本发明的LLM‑SR模型的基于大模型的物品文本表示学习模块通过大语言模型提取物品文本的高质量语义嵌入，结合线性层映射和多层感知机生成适配推荐任务的物品表示；通过基于图神经网络的序列表示学习模块利用会话图和全局图捕捉物品的局部顺序关系和跨会话共现关系，生成用户行为序列的综合表示；通过预测评分计算模块将用户序列表示与候选物品嵌入的点积计算物品评分并排序，生成最终的推荐结果。
-
公开(公告)号：CN119740252A
公开(公告)日：2025-04-01
申请号：CN202411940742.2
申请日：2024-12-26
Applicant: 哈尔滨工业大学
IPC: G06F21/60 , G06F9/48 , G06F9/54 , G06N3/0464 , G06N3/063
Abstract: 一种针对同态加密技术的GPU加速方法及系统，涉及同态加密和GPU加速技术，为了解决实现同态加密需进行复杂的系数位数较长的多项式计算而GPU缺乏处理这种这类数据的能力的问题而提出的，本发明的技术要点包括：采用一种基于线程束洗牌的优化技术，以消除同步开销；利用内核融合，以解决内存访问和计算之间的不平衡问题；对于神经网络推理应用，针对不同场景设计了不同的编码方法：对于小批量数据，采用一种基于大步小步算法的全连接层计算方法，减少了数据传输所需的旋转密钥数量。对于大批量数据，引入了一种基于流的计算方法来提高GPU利用率。本发明通过线程束洗牌、内核融合和神经网络推理优化，相比同态加密开源库SEAL实现了256倍的加速，分别在卷积神经网络上为小批量和大批量数据提供了毫秒和亚毫秒的推理速度。
-
-
-
-
-
-
-
-
-
Search Results
251
records
(took 0.041 seconds)
