-
公开(公告)号：CN116980965A
公开(公告)日：2023-10-31
申请号：CN202310982783.7
申请日：2023-08-04
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学(山东省科学院)
IPC: H04W28/02 , H04W28/06 , H04W28/086 , H04W28/084 , H04W28/08
Abstract: 本发明公开了基于信息中心网络的能效感知边缘缓存方法及系统，其中方法，包括：消费者客户端将兴趣包转发给基站；基站查找是否有数据包与兴趣包名称一致，如果没有，则在待处理兴趣表中新增一个条目；基站判断兴趣包内容是否是流行内容，如果是，则为兴趣包添加POP字段，并将添加字段的兴趣包，通过信息中心网络的路由器节点转发给核心网，核心网再转发给源服务器；源服务器将兴趣包对应的数据包，通过信息中心网络的路由器节点传输给核心网，核心网再传输给基站；基站判断当前返回数据包的名称，与待处理兴趣表中条目是否一致；如果一致，则基站判断当前返回数据包是否有POP字段标识，如果有，则将当前返回数据包转发给消费者客户端。
-
公开(公告)号：CN116436678A
公开(公告)日：2023-07-14
申请号：CN202310436976.2
申请日：2023-04-18
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学(山东省科学院)
IPC: H04L9/40 , G06F18/241 , G06F18/21 , G06N3/0475 , G06N3/045
Abstract: 本发明公开的面向多类不平衡数据特点的加密恶意流量识别方法及系统，对网络恶意流量数据进行预处理，获得恶意流量的特征图像；通过恶意流量的特征图像和训练好的恶意流量样本生成模型，获得恶意流量样本，在恶意流量样本生成模型的生成器和判别器中均加入自注意力模块，自注意力模块以卷积层输出的特征图为输入，获取输入自注意力模块的特征图的注意力图，根据注意力图确定自注意力特征图，将自注意力特征图与输入自注意力模块的特征图加权求和，获得自注意力模块输出的特征图，自注意力模块输出的特征图输入下一个卷积层中；对恶意流量样本进行识别，获得恶意流量识别结果。提高了对恶意流量识别的准确性。
-
公开(公告)号：CN116318928A
公开(公告)日：2023-06-23
申请号：CN202310206294.2
申请日：2023-02-28
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学(山东省科学院)
IPC: H04L9/40 , G06F18/214 , G06F18/2431 , G06F18/25 , G06N3/006 , G06N3/0464 , G06N3/048 , G06N3/084
Abstract: 本发明提出了一种基于数据增强和特征融合的恶意流量识别方法及系统，涉及网络安全领域，对原始流量数据集进行预处理、特征选择和流量平衡，得到数据增强后的训练集；基于多头注意力，构建恶意流量分类模型，用于特征提取和特征融合；通过参数寻优和模型训练，得到最终的恶意流量分类模型；将待识别的流量，输入到恶意流量分类模型中，输出分类结果；本发明设计了一种能够识别网络流量、自动提取特征并解决数据可用性不足问题的恶意流量分类模型，利用特征选择方法准确地过滤掉冗余特征，利用数据增强技术使各类流量数据均衡、去重叠数据，准确地进行神经网络模型参数权重的优化调整，获得更加合理的模型超参数，提高恶意流量识别的准确性和性能。
-
公开(公告)号：CN116074347A
公开(公告)日：2023-05-05
申请号：CN202211717383.5
申请日：2022-12-29
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学
IPC: H04L67/12 , H04L67/10 , H04L41/14 , H04L43/0852 , H04L67/141
Abstract: 本发明公开了一种用于传感网的算力分配方法、系统、设备及介质，涉及海洋观监测传感网络技术领域，算力分配方法包括：根据当前的海洋算力网络，确定多个可用节点，海洋算力网络包括多个海洋节点，每个可用节点各自对应一个海洋节点；获取任务信息，根据任务信息对应的数据量和每个可用节点各自对应的算力信息，确定任务信息对应的任务时延模型；任务时延模型用于根据任务信息对应数据量所确定的卸载方案，确定执行任务信息的总时延；求解任务时延模型，得到目标卸载方案，目标卸载方案包括每个可用节点各自对应的目标分配比例；对于每个可用节点，根据可用节点对应的目标分配比例和任务信息对应的数据量，确定可用节点在本地所需处理的数据量。
-
公开(公告)号：CN119829297A
公开(公告)日：2025-04-15
申请号：CN202510308469.X
申请日：2025-03-17
Applicant: 齐鲁工业大学(山东省科学院) , 山东省计算中心(国家超级计算济南中心)
Abstract: 本公开提供了基于强化学习的边‑端动态协同任务批处理方法及系统，涉及人工智能技术领域，包括：获取任务集合；基于离散软演员‑评论家的强化学习方法，利用延迟‑精度奖励动态选择任务处理模型的划分点，实现对任务处理模型的拆分；将拆分后的任务处理模型分别部署在终端和边缘服务器上；对任务集合进行批处理初始化，为批任务设置时间窗口长度，在时间窗口内收集任务集合所对应的特征集合，并进行合并；将合并后的特征输入至部署在边缘服务器上的部分任务处理模型，从拆分点所在网络层继续执行模型尾部计算过程，得到任务的推理结果集合，再将推理结果集合传回到终端，实现边‑端动态协同的任务批处理过程。
-
Patent Agency Ranking
公开(公告)号：CN119376958A
公开(公告)日：2025-01-28
申请号：CN202411975476.7
申请日：2024-12-31
Applicant: 齐鲁工业大学(山东省科学院) , 山东省计算中心(国家超级计算济南中心)
Abstract: 本发明属于分布式训练领域，提供了一种异构算力环境下的模型训练任务分配方法及系统，构建一个分层的深度强化学习模型，用于在终端层、边缘层和云计算层之间进行优化拆分点的选择和资源分配，从而实现高效的计算任务分配和模型训练。通过设计多个子策略网络来应对不同算力需求的任务。结合了资源感知模块，以衡量每层的计算资源、网络带宽和延迟等状态。启发式算法用于初步估计拆分点范围，减少无关位置的探索，优化搜索效率。针对神经网络模型计算所需要的资源，以浮点运算的数量来衡量。在拆分点的选择中，主要采取深度强化学习的方法结合资源感知模块，通过结构优化寻找最优的拆分点，以实现模型的有效拆分，并在两端侧完成高效的联合训练。
-
公开(公告)号：CN119276809A
公开(公告)日：2025-01-07
申请号：CN202411326506.1
申请日：2024-09-23
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学(山东省科学院)
IPC: H04L47/6275 , H04L41/14 , H04L41/142
Abstract: 本公开提供了一种时间敏感网络中混合流量传输方法及系统，涉及混合流量传输技术领域，包括：构建TSN时间敏感网络拓扑以及时间触发流的有向图模型；获取TT流集以及AVB流集，并对TT流集和AVB流集的优先级进行排序；使用ASAP调度算法对排序后的TT流集和AVB流集进行初步的调度，所有的流初步调度完成后，生成时隙，并根据时隙确定初始调度方案，并利用网络演算计算流集中所有流从源节点到目的节点总的最坏端到端时延；从AVB流集中选取优先级最大的流与TT流集中的流进行交换，重新进行调度并将交换完后的AVB流从AVB流集中删除；重新计算总最坏时延，直到所有的AVB流都已参与交换完成，确定最佳调度方案。本公开提高了AVB流的调度效率。
-
公开(公告)号：CN118747365A
公开(公告)日：2024-10-08
申请号：CN202410770288.4
申请日：2024-06-14
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学(山东省科学院)
IPC: G06F21/56 , G06F18/24 , G06F21/60 , G06F18/10 , G06F18/25 , G06F18/213 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明属于加密恶意流量检测领域，提供了一种基于注意力机制的恶意流量识别分类方法及系统，包括获取实时网络流量并进行预处理；基于预处理后的网络流量数据，利用深度神经网络模型进行多尺度特征学习，得到多尺度网络流量特征；利用多尺度感知融合注意机制，对多尺度网络流量特征进行不同尺度的特征映射，并对不同尺度的网络流量映射特征进行注意力加权融合，得到融合尺度网络流量特征；基于融合尺度网络流量特征进行分类识别，确定网络流量的恶意分类识别结果。
-
公开(公告)号：CN118567851A
公开(公告)日：2024-08-30
申请号：CN202410697907.1
申请日：2024-05-31
Applicant: 齐鲁工业大学(山东省科学院) , 山东省计算中心(国家超级计算济南中心)
Abstract: 本发明提出了一种边缘计算任务卸载优化方法及系统，明将整体任务分解成独立的子任务，并基于子任务之间的优先级关系和依赖关系，形成有向无环图(DAG)；随后利用Hermes算法初步生成任务卸载策略，考虑了子任务之间的关系，能够灵活的对多任务进行处理，Hermes算法在降低计算延迟和通信传输开销的情况下，形成初步卸载策略；然后基于强化学习进行进一步卸载优化，强化学习能够适应复杂的网络环境和计算资源的变换，综合考虑了当前的延迟、负载和计算资源多种指标，在网络和资源条件变化时能够动态地调整卸载策略，实现任务卸载的优化调整。
-
公开(公告)号：CN118400313A
公开(公告)日：2024-07-26
申请号：CN202410530333.9
申请日：2024-04-29
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学(山东省科学院)
IPC: H04L45/02 , H04L45/121 , H04L47/56 , H04L47/625
Abstract: 本公开提供了基于时间敏感网络的路由调度优化方法及系统，涉及网络传输技术领域，包括：获取路由网络拓扑和时间触发流，构建网络拓扑和时间触发流的TSN网络模型；对交换节点的流根据基于DM的优先级分配算法进行优先级排序；针对排序后的流队列，对流计算流从源节点到目的节点的最坏时延，根据计算出的最坏时延，选取多个路由路径生成流的有效路由集；针对有效路由集，计算所述有效路由集中所有路由路径的链路负载，选取链路负载最小的路由路径作为最佳路由；更新流经过路由路径的所有链路负载值，进行下一个流的最佳路由选择，直至遍历完所有的时间触发流。
-
-
-
-
-
-
-
-
-
Search Results
104
records
(took 0.061 seconds)
