-
公开(公告)号:CN102207891A
公开(公告)日:2011-10-05
申请号:CN201110155674.5
申请日:2011-06-10
Applicant: 浙江大学
IPC: G06F9/50
Abstract: 本发明公开了一种对数据划分分布式环境实现动态划分和负载均衡的方法,本发明通过动态组合基本数据单元即进行动态划分进行局部负载均衡,使得划分粒度能够适应系统运行时的要求,解决了固定划分方法由于粒度过大导致负载均衡时效的问题;本发明采用划分请求队列及稀缺资源队列模型分析节点负载具有较广泛的适用性;系统达到负载均衡后,本发明中的局部监视器可以动态调整划分个数,即使划分在节点内部进行自适应调整,以增大节点内部的资源利用率,进而提高整个系统的工作效率。
-
公开(公告)号:CN119201220A
公开(公告)日:2024-12-27
申请号:CN202411370311.7
申请日:2024-09-29
Applicant: 浙江大学
Abstract: 本发明公开一种融合符号表示和图表示的智能合约代码克隆检测方法,属于代码克隆检测技术领域。所述方法包括:将数据集划分为训练数据集与待检测数据集,使用基于符号表示的检测方法计算的相似度对代码文件对进行分组,对每组分别通过最大化F1分数的方式确定最合适的基于图表示的检测方法的阈值,使用此阈值进行后续检测。本发明能够更精准地检测出智能合约代码中的语义克隆问题,弥补了现有技术在识别智能合约代码中的语义克隆准确性不足的缺陷,同时减少不必要的图检测运算,提高整体检测效率。
-
公开(公告)号:CN118567656A
公开(公告)日:2024-08-30
申请号:CN202410254867.3
申请日:2024-03-06
Applicant: 上海浙江大学高等研究院
IPC: G06F8/53 , G06F8/33 , G06N3/0464 , G06N3/084
Abstract: 本发明公开了一种基于字节码的智能合约注释生成方法、系统、介质及设备。包括:获取待生成注释的智能合约字节码,将智能合约字节码输入到控制流图生成器中,得到智能合约字节码的代码控制流图;将智能合约字节码的代码控制流图输入到相似注释检索器中,得到智能合约字节码对应的相似注释;将智能合约字节码对应的相似注释和代码控制流图输入到经过训练且包括字节码编码器、注释解码器、融合注意力机制模块、融合复制机制模块以及融合覆盖机制模块的字节码编码器中,输出智能合约字节码的代码注释预测结果,完成基于字节码的智能合约注释生成。与现有方法相比,本发明的方法在自动评估和人工评估中都表现出了优越性。
-
公开(公告)号:CN117891501A
公开(公告)日:2024-04-16
申请号:CN202410093343.0
申请日:2024-01-23
Applicant: 上海浙江大学高等研究院
IPC: G06F8/73 , G06F18/22 , G06N3/0455 , G06N3/0895
Abstract: 本发明公开了一种针对TODO注释缺失方法的自动检测与修复方法、系统、介质及电子设备,包括以下步骤:将待检测软件项目中每个子函数代码抽取出来,按照编写顺序进行分块操作,得到大小相同的子函数代码块;采用对比学习方式训练自动检测与修复模型,将每个子函数代码块输入到自动检测与修复模型中,得到代码表征向量;当开发人员添加TODO注释时再进行分块,将带有TODO注释的子函数代码块输入到自动检测与修复模型中,得到TODO注释块向量;利用代码表征矩阵和TODO注释块向量计算余弦相似度,将每个相似度结果数值依次与预设的相似度阈值比较,完成针对TODO注释缺失方法的自动检测与修复。本发明可以帮助开发人员提高软件的质量和可维护性。
-
公开(公告)号:CN117194034A
公开(公告)日:2023-12-08
申请号:CN202311215604.3
申请日:2023-09-20
Applicant: 浙江大学
Abstract: 本发明公开了一种基于深度强化学习的大规模容器集群自治系统及方法,该系统包括数据采集代理模块、资源分配计算模块、硬件映射器、API服务器和调度器,其中,数据采集代理模块用于采集CPU利用率、缓存空间等指标数据;API服务器将容器信息发送到调度器;调度器根据容器信息、节点资源信息与服务质量将容器部署到合适的节点;资源分配计算模块用于计算资源分配方案,并提供容器所在节点的服务质量评价结果,之后根据新的服务质量更新深度强化学习网络的网络参数;硬件映射器根据资源分配方案修改容器的硬件配置信息。本发明具有不基于先验信息即可部署、从调度层级保障容器集群的高服务质量的优点,有利于提高集群的资源利用率。
-
公开(公告)号:CN117118854A
公开(公告)日:2023-11-24
申请号:CN202310696935.7
申请日:2023-06-13
Applicant: 浙江大学
IPC: H04L41/147 , H04L41/16 , H04L67/568 , G06F18/241 , G06F18/15 , G06N3/0442 , G06N3/048 , G06N3/084 , G06F123/02
Abstract: 本发明公开了一种基于概率增强模型的流行度预测方法、装置和介质,该预测方法首先收集内容的历史流行度数据,并对数据进行预处理,根据预处理后的数据构建时间序列数据集;然后基于深度学习构建概率增强模型,并使用时间序列数据集对概率增强模型进行训练,以获取训练好的概率增强模型;最后将连续的长度为N的流行度时序数据进行一阶差分及标准化处理后输入到训练好的概率增强模型中,以获取最终预测输出序列,并根据最终预测输出序列获取预测的流行度序列。本发明根据内容历史流行度特征预测相应内容未来的流行度,通过对分布末尾的极值和正常值分别进行模型的训练和预测,减小极值对模型训练带来的负面影响,提升流行度的预测效果。
-
公开(公告)号:CN117056021A
公开(公告)日:2023-11-14
申请号:CN202311024887.3
申请日:2023-08-15
Applicant: 浙江大学
IPC: G06F9/455 , G06N3/0442 , G06N3/0455 , G06N3/0499 , G06N3/08 , G06Q10/04 , H04L67/10
Abstract: 本发明公开了一种基于长时间序列预测的动态区间弹性扩缩容方法和系统,该方法包括:采集容器云平台中所部署应用的负载时序数据并将其存储到时序数据库中;使用基于Transformer架构的Informer时序预测模型与Bi‑LSTM时序预测模型的组合时序预测模型对负载时序数据进行长周期时序预测;通过预测负载动态确定扩缩容区间;生成并执行容器云平台应用副本扩缩容策略,在应用负载实际增长之前提前进行扩容并分配充足的资源,保障容器云平台中应用的服务质量。本发明可以有效降低扩容操作的次数,避免频繁扩缩容导致的窗口抖动问题,保障容器云集群稳定性;有效满足应用的资源需求,避免快速缩容后导致的应用服务质量不稳定。
-
公开(公告)号:CN116614221A
公开(公告)日:2023-08-18
申请号:CN202310463100.7
申请日:2023-04-26
Applicant: 浙江大学
Abstract: 本发明公开一种基于区块链的分布式密钥托管方法,该方法中存在两种委员会身份节点:托管节点和选举节点。使用改进的Shamir秘密共享对秘密进行分片,分片后的碎片托管在匿名的托管节点上,托管节点由选举节点动态选举,选举委员会构建匿名通信通道,保持托管委员会的匿名身份;每隔一段时间,智能合约触发选举节点和托管节点的重新选举,动态变更委员会的成员身份,旧的托管节点将托管的私钥碎片通过匿名通信的方式将碎片份额减半后传递给新的托管节点,新的托管节点在收到后恢复碎片的份额,完成托管节点的定期动态更新。本发明保证了节点信息的安全性,隐匿性以及不可篡改性,去中心化的实现了对密钥的托管,提高了秘密托管的安全性和可靠性。
-
公开(公告)号:CN114978493A
公开(公告)日:2022-08-30
申请号:CN202210513811.6
申请日:2022-05-11
Applicant: 浙江大学
Abstract: 本发明公开了一种基于区块链的去中心化隐私求交方法及装置、电子设备,包括:每一参与方对本参与方持有的样本集合生成承诺列表并上链,用于参与方通过承诺验证其他参与方是否真实拥有样本集合;对本参与方持有的每个样本集合中的每个值随机生成一组秘密分享值;每个参与方对所有参与方,生成由样本集合和秘密分享构成的点集;根据点集,每个参与方对所有参与方分别生成OPPRF函数;每个参与方两两之间运行OPPRF函数,在接收方对所述承诺列表进行验证后,计算得到所有发送方的针对接收方样本集合中的每一样本的秘密分享集合;每个参与方针对本参与方的样本集合和秘密分享集合,生成一个新的点集;根据新的点集,生成新的OPPRF函数并调用智能合约上链;调用智能合约,向区块链请求发起结果计算,得到隐私求交的结果。
-
公开(公告)号:CN113220855B
公开(公告)日:2022-07-22
申请号:CN202110585021.4
申请日:2021-05-27
Applicant: 浙江大学
IPC: G06F16/332 , G06F16/33 , G06F16/338 , G06F16/35
Abstract: 本发明公开了一种基于IT技术问答网站的计算机技术领域发展趋势分析方法,包括:识别技术领域关键字;以关键字为初始输入,识别IT技术问答网站上与该技术领域相关的标签,基于标签提取并过滤该技术领域的相关帖子;按照领域内的不同技术平台划分数据集;从该技术领域的多项代表性技术平台中,提取该技术领域的参考架构;在每一个子数据集上采用LDA主题模型对数据集进行聚类,其中以梯度式搜索方法确定最佳主题数量;将主题与参考架构进行映射,确定主题名称;设置评估指标,分析该技术领域内不同主题、不同层次的知识的发展趋势。本发明以IT技术问答网站中某技术领域知识的帖子为数据集,分析该技术领域知识的发展趋势。
-
-
-
-
-
-
-
-
-