-
公开(公告)号：CN102314512A
公开(公告)日：2012-01-11
申请号：CN201110276472.6
申请日：2011-09-16
Applicant: 北京理工大学
IPC: G06F17/30
Abstract: 本发明提出的数据文件同步存储系统，包括：计算机、手机、同步软件A、同步软件B。计算机带有内建蓝牙设备或与蓝牙适配器连接；手机带有蓝牙设备和存储卡；同步软件A运行于计算机上；同步软件B运行于手机上。当手机靠近计算机且位于蓝牙通信范围内时，计算机上的同步软件A能够自动侦测到手机蓝牙设备的存在，并与手机上的同步软件B建立通信连接；然后计算机上的同步软件A读取手机上指定文件夹下所有文件的描述文件，并与计算机上指定文件夹下所有文件的描述文件进行比较，识别出计算机上的新文件和手机上的新文件并进行计算机和手机的数据同步。本发明具有避免USB插拔带来的设备损坏以及支持自动文件同步和更新等优点。
-
公开(公告)号：CN115860474A
公开(公告)日：2023-03-28
申请号：CN202211549633.9
申请日：2022-12-05
Applicant: 北京理工大学
IPC: G06Q10/0635 , G06Q10/067 , G06F18/214 , G06F18/23
Abstract: 本发明公开一种基于集成学习的产业链安全预警方法与系统，该方法包括：获取产业链上企业的基本特征向量并构建产业链对应的拓扑网络，基于企业上的基本特征向量，对拓扑网络对产业链上的供应链及服务链进行迭代分析，生成供应特征向量及服务特征向量；并将供应特征向量及服务特征向量与中游企业的基本特征向量进行拼接，得到中游企业的供应聚合指标及服务聚合指标，基于所述供应聚合指标及服务聚合指标进行同层聚合，得到供应链特征向量及服务链特征向量；通过集成学习方法训练机器学习模型，得到评价模型，通过评价模型对所述输入特征向量进行预测，得到产业链风险等级安全预警预测结果。
-
公开(公告)号：CN115827489A
公开(公告)日：2023-03-21
申请号：CN202211677803.1
申请日：2022-12-26
Applicant: 北京理工大学
Abstract: 本发明公开了一种基于集成学习和图神经网络的智能合约缺陷检测方法，包括：获取智能合约，提取所述智能合约的特征向量；获取若干个智能合约缺陷检测工具，基于深度神经网络分别对若干个所述智能合约缺陷检测工具构建置信度模型；基于若干个所述置信度模型与所述特征向量获取所述智能合约的检测结果。本发明使用集成学习的方式结合多个现有工具的检测优势获取更为准确的检测结果，减少了由于单一工具能力不足而造成的误报和漏报问题，同时本发明使用图神经网络表征合约图特征，避免重要信息的丢失。本发明能够在上线之前识别出含缺陷的智能合约，尽可能地保证区块链系统中智能合约的安全性，避免经济损失。
-
公开(公告)号：CN115586922A
公开(公告)日：2023-01-10
申请号：CN202211142806.5
申请日：2022-09-20
Applicant: 北京理工大学
Abstract: 本发明涉及一种存储与计算格式解耦的SpMV混合精度优化方法，包括：给定浮点数集合，将所述浮点数集合划分为指数部分、符号位和尾数部分，其中所述浮点数集合中所有浮点数的指数相同；存储所述浮点数集合的共同指数，并连续储存所述浮点数集合中所有浮点数的符号位和尾数，用于满足不同算法的不同精度要求；基于所述划分存储的稀疏矩阵，执行SpMV计算，将所述稀疏矩阵读入内存，并将指数和尾数部分拼接形成标准的浮点格式，最后按照标准的浮点格式进行计算。本发明提出了一种新的浮点格式存储稀疏矩阵，将存储与计算格式解耦，解决SpMV内存约束这一限制问题。
-
公开(公告)号：CN113794709B
公开(公告)日：2022-06-24
申请号：CN202111053106.4
申请日：2021-09-07
Applicant: 北京理工大学
Abstract: 本发明公开了一种用于二值稀疏矩阵的混合编码方法，包括：计算稀疏矩阵缩略图中连通域的数量，初步确定可能的稠密区域具体位置；根据每个稠密区域中黑色像素数占该区域边界矩形的比值判定稠密区域形状；将稀疏矩阵缩略图映射回原稀疏矩阵中，根据每个特定形状的稠密区域子矩阵中非零元占比，得到最终的稠密子矩阵；对稠密子矩阵进行反向编码；将原稀疏矩阵中其余零散分布的非零元组成一个超稀疏剩余子矩阵，并采用正向编码；将反向编码和正向编码结果求和，得到稀疏矩阵向量乘计算结果。采用混合编码方式充分压缩了稀疏矩阵的行列索引，减少了主机端和设备端的数据传输量。
-
Patent Agency Ranking
公开(公告)号：CN113469870A
公开(公告)日：2021-10-01
申请号：CN202110835802.4
申请日：2021-07-23
Applicant: 北京理工大学
Abstract: 本发明公开一种适用于GPU的自适应多行折叠存储方法及系统，方法包括，采集用于稀疏矩阵的CSR编码，通过设置折叠粒度和阈值，获得稀疏矩阵的非零元阈值；遍历稀疏矩阵的行指针数组，基于非零元阈值进行多行折叠，获得每个折叠行的行索引和行指针位置；根据行索引、行指针位置，对稀疏矩阵进行分块并采集每块折叠块对应的折叠行的行索引和行指针位置；遍历稀疏矩阵的列索引和值数组，基于列索引，在分块后的折叠行内添加非零元，构建自适应多行折叠存储结构，用于实现稀疏矩阵的多行折叠存储；系统通过模块之间的相互配合实现了自适应多行折叠存储方法，本发明解决了基于CMRS格式的SpMV在不规则矩阵上的负载不均衡问题。
-
公开(公告)号：CN113434548A
公开(公告)日：2021-09-24
申请号：CN202110711332.0
申请日：2021-06-25
Applicant: 北京理工大学
IPC: G06F16/2455 , G06F16/2458 , G06F9/54
Abstract: 本发明公开一种基于Spark的大规模数据流分析方法及系统，方法包括，基于Spark构建分布式计算框架,通过分布式计算框架对目标代码进行分布式数据流分析，其中，分布式数据流分析，包括，过程内预处理阶段，分布式过程间数据整合阶段；系统包括，数据采集模块，数据处理模块，数据分析模块，数据存储模块，数据显示模块；本发明采取两级并行策略，多入口地进行并行计算，具有高度的可扩展性，同时考虑了分布式计算的负载均衡问题，能够充分利用分布式集群算力优势，加速静态数据流分析。
-
公开(公告)号：CN108763092B
公开(公告)日：2020-12-01
申请号：CN201810553230.9
申请日：2018-05-31
Applicant: 北京理工大学
IPC: G06F11/36
Abstract: 本发明涉及一种基于交叉验证的代码缺陷检测方法及装置，选择多个代码缺陷检测工具，对被检测代码进行检测，生成第一检测结果；获取每个代码缺陷检测工具对与所述被检测代码相似的N个测试用例的准确率；根据所述准确率，对所述第一检测结果进行加权求和，生成第二检测结果；当所述第二检测结果大于预设阈值时，确定所述被检测代码存在缺陷。本发明提供的方法与现有的使用单个工具进行缺陷检测的方法相比，本发明基于被测代码与测试用例之间的相似性，并根据各个工具在已知测试用例上的准确率，对各个工具检测被测代码的测试结果进行综合计算和评判，具有较高的准确率，可以减少误报，提高代码缺陷检测和代码审核的工作效率。
-
公开(公告)号：CN109408389A
公开(公告)日：2019-03-01
申请号：CN201811278355.1
申请日：2018-10-30
Applicant: 北京理工大学
IPC: G06F11/36
Abstract: 本发明涉及一种基于深度学习的代码缺陷检测方法及装置，选取多个代码缺陷检测工具，分别对被检测代码进行检测，相应生成多个检测结果；将所述被检测代码通过预设的转换方法，转换为所述被检测代码的特征向量；所述特征向量包括所述被检测代码的结构特征和语义特征；将所述特征向量分别输入多个所述代码缺陷检测工具各自相对应的评估模型，输出多个所述代码缺陷检测工具分别对所述被检测代码检测缺陷结果的置信度；并结合检测工具对被检测代码的检测结果，可以有效判定代码是否真实存在某种缺陷，能够解决现有代码缺陷检测中误报较高的问题，有效提升代码审查的工作效率。
-
-
-
-
-
-
-
-
-
Search Results
46
records
(took 0.02 seconds)
