公开(公告)号：CN110888734A

公开(公告)日：2020-03-17

申请号：CN201910987878.1

申请日：2019-10-17

Applicant: 国网浙江省电力有限公司 ,  中国科学院上海微系统与信息技术研究所

Inventor： 陈蕾 ,  于文欣 ,  周明拓 ,  王华俊 ,  徐重酉 ,  章毅 ,  郭瑜

IPC: G06F9/50

Abstract: 本申请涉及一种雾计算资源处理方法、装置、电子设备及存储介质，该方法包括：管理节点接收当前雾节点发送的任务处理请求之后，确定当前雾节点的邻居雾节点集合，确定邻居雾节点集合中每个邻居雾节点的总资源量和已用资源量，以及确定每个邻居雾节点与当前雾节点的通信速率。本申请中管理节点在确定目标邻居雾节点时，考虑到当前雾节点与邻居雾节点之间的通信速率，在两个邻居雾节点的总资源量和已用资源量相同的情况下，一个与当前雾节点之间具有良好通信速率的邻居雾节点，可以更快更好的与当前雾节点传输需要处理的数据和返回结果，如此，可以提供高实时性的服务。

公开(公告)号：CN114528987A

公开(公告)日：2022-05-24

申请号：CN202210137345.6

申请日：2022-02-15

Applicant: 中国科学院上海微系统与信息技术研究所

Inventor： 周明拓 ,  任天锋 ,  郁春波 ,  贺文 ,  李剑

IPC: G06N3/063 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提供一种神经网络边缘‑云协同计算分割部署方法，包括：建立时延预测模型，每个时延预测模型用于预测在一个计算资源下的一种基本的神经网络层的计算时延；确定待部署的神经网络的最优分割点，即将整体时延最小所对应的分割点；利用最优分割点将训练好的待部署的神经网络分割成第一和第二子神经网络，将两者分别部署在边缘端的设备和云服务器上，以进行协同计算。本发明的方法通过将神经网络划分割为两个子神经网络，分别部署在边缘设备和云设备上，相比于纯边缘计算能够减小计算分担，提高计算效率，并且相比较于云计算能够降低网络传输负担，从而降低神经网络应用时延，提高响应速度；同时，没有对模型进行压缩，因此也不会损失精度。

公开(公告)号：CN114528986A

公开(公告)日：2022-05-24

申请号：CN202210136875.9

申请日：2022-02-15

Applicant: 中国科学院上海微系统与信息技术研究所

Inventor： 周明拓 ,  任天锋 ,  郁春波 ,  贺文 ,  李剑

IPC: G06N3/063 ,  G06N3/04 ,  G06N3/08 ,  G06N3/12

Abstract: 本发明提供一种神经网络在网状网络场景下的分割计算方法，包括：对网状网络划分设备层，得到设备层信息；根据设备层信息和神经网络的神经网络层信息来执行神经网络分割算法，得到满足时延需求的分割方案；根据设备层信息和满足时延需求的分割方案进行神经网络分割部署。本发明的方法使得同一子神经网络能够多台边缘设备所组成的同一设备层上协同计算，能够大幅减轻边缘设备的计算负载，并提高运算速度，从而加快神经网络应用在边缘端的响应速度。此外，本发明通过分割神经网络，让边缘设备所组成的每个设备层分别运算神经网络的一部分，通过多个设备层之间的协同计算，以缓解单个设备层的边缘设备的计算负载，提升边缘设备的计算效率。

公开(公告)号：CN110445827A

公开(公告)日：2019-11-12

申请号：CN201910492237.9

申请日：2019-06-06

Applicant: 中国科学院上海微系统与信息技术研究所

Inventor： 沈国锋 ,  周明拓

IPC: H04L29/08 ,  G06F21/60

Abstract: 本发明提供一种基于分布式账本技术的传感网的安全管理方法，包括：选定顶层和区域服务器作为联盟链节点来搭建联盟链，存储分布式账本；为区域服务器下层的传感和汇聚节点生成非对称密钥，将私钥固化在存储器中，并将公钥写入到联盟链中；将传感节点采集的数据经汇聚节点上传到区域服务器，验证通过后数据集存储在区域服务器的链下数据库中并加密，计算数据集的hash值并写入联盟链作为存证；解密数据集并计算其hash值，随后与所述步骤S3中的存证比对来验证其正确性，并返回统一资源定位符。本发明还提供安全系统。本发明的安全管理方法为大规模传感网络提供集中有效的设备管理机制和数据安全性验证，解决数据共享访问控制的问题。

公开(公告)号：CN109756578B

公开(公告)日：2021-09-07

申请号：CN201910141575.8

申请日：2019-02-26

Applicant: 上海科技大学

Inventor： 谭友钰 ,  王昆仑 ,  杨旸 ,  周明拓 ,  罗喜良

IPC: H04L29/08

Abstract: 本发明提供了一种面向动态雾计算网络的低时延任务调度方法，网络中的帮助节点不会实时广播自己的节点状态信息，如任务队列信息与可共享计算资源信息，或者说帮助节点并不会实时响应对这些信息的请求。在每次有任务卸载需求时，任务节点需要实时做出卸载决策，从当前的候选帮助帮助节点中选择一个卸载任务。由于任务节点对帮助节点状态未知，任务自身也有时延需求，任务节点则需要良好地从自己过往的任务卸载经验进行学习，为当前决策提供判断。本发明为非动态与动态变化的雾计算或者边缘计算网络提出了一种基于在线学习方法的单对多任务卸载算法，该方法可以大大减少网络中由于信息传播带来的能量开销，延长任务节点和帮助节点的使用时长。

公开(公告)号：CN109756578A

公开(公告)日：2019-05-14

申请号：CN201910141575.8

申请日：2019-02-26

Applicant: 上海科技大学

Inventor： 谭友钰 ,  王昆仑 ,  杨旸 ,  周明拓 ,  罗喜良

IPC: H04L29/08

Abstract: 本发明提供了一种面向动态雾计算网络的低时延任务调度方法，网络中的帮助节点不会实时广播自己的节点状态信息，如任务队列信息与可共享计算资源信息，或者说帮助节点并不会实时响应对这些信息的请求。在每次有任务卸载需求时，任务节点需要实时做出卸载决策，从当前的候选帮助帮助节点中选择一个卸载任务。由于任务节点对帮助节点状态未知，任务自身也有时延需求，任务节点则需要良好地从自己过往的任务卸载经验进行学习，为当前决策提供判断。本发明为非动态与动态变化的雾计算或者边缘计算网络提出了一种基于在线学习方法的单对多任务卸载算法，该方法可以大大减少网络中由于信息传播带来的能量开销，延长任务节点和帮助节点的使用时长。