公开(公告)号：CN113934984A

公开(公告)日：2022-01-14

申请号：CN202010611319.3

申请日：2020-06-29

Applicant: 微软技术许可有限责任公司

Inventor： 张宪 ,  郭小兵 ,  陈洋 ,  陈硕 ,  郭众鑫 ,  殷秋丰 ,  杨懋 ,  周礼栋

IPC: G06F21/10

Abstract: 根据本公开的实现，提供了一种基于第三方的盗版副本追踪方案。在该方案中，从第三方接收针对数字内容的盗版副本的报告，其中报告包括第一秘密信息，其用于表征第一身份标识、时间信息和盗版副本的追踪信息。随后，接收验证报告的请求，以确定报告是否有效。在确定报告有效时，将与报告相关联的被许可方标记为第一状态，以指示盗版副本可能由被许可方泄露。由此，可以有效地利用第三方来追踪盗版副本，并且能够隐藏报告中的追踪信息，进而避免其他第三方利用该追踪信息进行重复报告。

公开(公告)号：CN113095474A

公开(公告)日：2021-07-09

申请号：CN202010025197.X

申请日：2020-01-09

Applicant: 微软技术许可有限责任公司

Inventor： 高彦杰 ,  林昊翔 ,  刘雨 ,  杨懋

IPC: G06N3/04 ,  G06N3/08

Abstract: 根据本公开的实现，提出了一种用于预测深度学习模型的资源使用情况的方案。在该方案中，与深度学习模型有关的信息被获取。该信息包括用于描述深度学习模型的第一信息、以及与深度学习模型所关联的任务的运行环境有关的第二信息。该任务的静态资源使用情况基于第一信息被确定。该任务在运行环境中运行时的策略基于第一信息和第二信息被确定。然后，基于该策略和静态资源使用情况来预测该任务在运行环境中运行时的资源使用情况。该方案能够准确地预测深度学习模型在特定运行时策略下的各种资源的使用情况，诸如算力消耗、存储器消耗和执行时间等。此外，该方案具有可扩展架构，便于支持各种不同类型的深度学习框架。