-
公开(公告)号：CN112118574B
公开(公告)日：2022-02-22
申请号：CN202010796501.0
申请日：2020-08-10
Applicant: 西安交通大学
IPC: H04W12/041 , H04W12/06 , H04L9/06
Abstract: 本发明公开了一种基于机器聊天的安全通信方法及系统，通过在用户与待通信的智能体之间建立安全通信秘钥，当用户与智能体建立聊天通信时，智能体随机从安全通信秘钥中提取若干安全通信秘钥发送给用户进行识别，当用户对所有接收到的安全通信秘钥回答正确，则确认用户为正确聊天对象，否则智能体结束与用户之间的通信，利用用户与智能体之间建立的安全通信秘钥作为聊天对象核实机制，不需要第三方安全认证，安全可靠，且智能体与用户之间的安全通信秘钥由用户初始设定，随机生成，不需要将安全通信秘钥进行传递通信，防止被窃取，在通信过程中可形成新的安全通信秘钥，可大大提高智能体的通信安全，可实现易用性、安全性的平衡，鲁棒性好。
-
公开(公告)号：CN112433670B
公开(公告)日：2022-02-18
申请号：CN202011177017.6
申请日：2020-10-28
Applicant: 西安交通大学
IPC: G06F3/06
Abstract: 本发明公开了一种针对去中心化架构存储系统的迁移任务调度方法，对每个迁移任务进行迁移后的数据分布进行预估，采集参与迁移硬盘带宽数据，建立基于去中心化架构存储系统的迁移任务干扰系数模型；为每个迁移任务建立任务干扰系数模型，通过观测硬盘观测窗口采样窗口内干扰系数的平均值，当干扰系数平均值小于设定阈值时，执行数据迁移；采集硬盘观测窗口内带宽变化调节迁移任务的速率，对迁移任务干扰系数模型的迁移带宽进行分配，实现迁移任务调度。本发明提高了去中心化架构存储系统的数据迁移速度的同时减少了迁移对于用户应用的影响。
-
公开(公告)号：CN113255270A
公开(公告)日：2021-08-13
申请号：CN202110528889.0
申请日：2021-05-14
Applicant: 西安交通大学
IPC: G06F30/34 , G06F115/02
Abstract: 本发明公开了一种雅克比模版计算加速方法、系统、介质及存储设备，在雅克比模版计算的初始迭代状态，FPGA芯片分别运行第一类六边形分块计算内容；将各FPGA芯片的片上BU保存成Cell数据用于下一类迭代；进行第二类六边形分块运算，保存运算结果，将下次迭代所需的数据存入片上BU；重复以上步骤，分别迭代完成第一类六边形分块计算和第二类六边形分块计算，直到整个模版计算的时间轴内的迭代实例运算完毕，得到最终步数据OC；将最终步数据OC从各FPGA芯片的片上BU输出至片外BRAM，数据持久化后得到雅克比模版计算结果。本发明通过设计FPGA芯片板件数据共享策略，实现了模版计算的加速算法，有效提高了多FPGA芯片加速模版计算效率，有效减少了模版计算的耗时。
-
公开(公告)号：CN113076239A
公开(公告)日：2021-07-06
申请号：CN202110391106.9
申请日：2021-04-12
Applicant: 西安交通大学
Abstract: 本发明公开了一种高性能计算机用混合神经网络故障预测方法及系统，收集高性能计算机的日志数据，日志数据包括日志事件id，发生对应日志事件的时间戳和日志事件等级；对收集的日志数据进行数据清洗和特征选择，得到初始特征数据；使用随机森林算法构建故障预测模型，将得到初始特征数据输入故障预测模型，使用随机森林算法计算特征重要性，进行特征选择得到特征样本数据；将得到的特征样本数据输入LSTM网络模型中，使用LSTM网络模型对特征样本中是否存在故障事件进行预测。本发明通过随机森林对日志数据特征进行打分遴选，降低维度，这样可以减少训练复杂度，加快训练组度。
-
公开(公告)号：CN112822280A
公开(公告)日：2021-05-18
申请号：CN202110058572.5
申请日：2021-01-16
Applicant: 西安交通大学
IPC: H04L29/08 , H04L12/741 , H04L29/06
Abstract: 本发明公开了一种去中心化的物联网微服务订阅和推送方法，通过建立多个IP公开的提供索引服务的初始索引服务节点；通过建立能够提供索引服务的节点，并向任意初始索引服务节点SSi注册，初始索引服务节点形成索引服务圈I；通过任意需要服务的节点Cj向索引服务圈中任一节点Ii提出搜索请求，任一节点Ii根据自己的关联算法提供映射关系记录索引目录给需要服务的节点Cj，需要服务的节点Cj根据自己的算法从中选择服务点节Sk，并向服务点节Sk注册，申请订阅服务；采用任意节点作为服务节点，能够以几何级数的增速实现消息推送，任何节点都可以提供大规模微服务，不需要中心节点。
-
Patent Agency Ranking
公开(公告)号：CN112817653A
公开(公告)日：2021-05-18
申请号：CN202110089708.9
申请日：2021-01-22
Applicant: 西安交通大学
Abstract: 本发明公开了一种基于云边端的联邦学习计算卸载资源分配系统及方法，以实现对计算任务卸载和资源分配做出准确决策，消除了求解组合优化问题的需要，大大降低了计算复杂度；基于云边端3层联邦学习综合利用了边缘节点距离终端的邻近优势，也利用了云计算中芯强大的计算资源，弥补了边缘节点计算资源不足的问题，通过在多个客户端各自训练一个本地模型用以预测卸载任务，通过周期性的在边缘端执行一次参数聚合形成一个全局模型，边缘执行周期性聚合后云端执行一次聚合，如此直到收敛形成一个全局BiLSTM模型，全局模型可以智能的对每一个卸载任务的信息量进行预测，从而更好为计算卸载和资源分配提供指导。
-
公开(公告)号：CN109408867B
公开(公告)日：2021-04-20
申请号：CN201811062479.6
申请日：2018-09-12
Applicant: 西安交通大学
IPC: G06F30/28 , G06F113/08 , G06F119/14
Abstract: 本发明公开了一种基于MIC协处理器的显式R‑K时间推进加速方法，主要步骤包括：找出CFD计算程序中显式R‑K时间推进算法的计算密集热点，分析串行计算热点的数据流向，确定热点计算部分相对于完整程序的输入、输出数据以及热点自定义数据；完成热点计算前CPU端计算后，将热点输入数据offload至MIC端并进行MIC端热点计算；针对MIC硬件特性及热点程序并行特性，从多线程、向量化、访存、数据传输等方面展开MIC端热点程序的优化加速；依据性能测试结果，确定是否要进行深层次优化。本发明可快速高效的对显示R‑K时间推进法做基于MIC协处理器的优化加速，可同时发挥MIC计算特性与热点程序并行特性，是一种通用的、切实可行的MIIC协处理器加速方法。
-
公开(公告)号：CN110244939B
公开(公告)日：2021-02-09
申请号：CN201910419485.0
申请日：2019-05-20
Applicant: 西安交通大学
IPC: G06F8/30 , G06F9/4401 , G06F9/445 , G06F12/02 , H03M13/15
Abstract: 一种基于OpenCL的RS码编解码方法，包括以下步骤：步骤1，在OpenCL内核中采用查表法实现GF(2^8)的乘法运算；步骤2，编译步骤1编写的内核程序生成硬件配置文件；步骤3，初始化OpenCL内核启动环境；步骤4，宿主机程序控制内核执行；步骤5，纠删码编码；步骤6，纠删码解码。本发明可以充分的发挥出OpenCL设备的并行性能，极大的缩短了RS码编解码的计算时间。
-
公开(公告)号：CN111174375B
公开(公告)日：2021-02-02
申请号：CN201911267853.0
申请日：2019-12-11
Applicant: 西安交通大学
Abstract: 本发明公开了面向数据中心能耗最小化的作业调度和机房空调调控方法，首先通过数据中心机房历史数据分别建立数据中心作业分配矩阵A、CRAC调控的动态能耗模型PDC和数据中心温度预测模型；通过数据中心温度预测模型建立制冷设备设定温度与IT设备运行温度之间的热耦合联系，进行作业调度和制冷设备控制时保证数据中心机房的温度在约束条件之内，采用模拟退火算法通过调节CRAC状态和制冷设备整体调控使PDC最小化，降低数据中心的整体能耗。本发明使得数据中心整体能耗最低，保证设备安全运行。
-
公开(公告)号：CN111857727A
公开(公告)日：2020-10-30
申请号：CN202010706144.4
申请日：2020-07-21
Applicant: 西安交通大学
IPC: G06F8/41
Abstract: 本发明公开了一种多维循环自动向量化分块因子分块方法及装置，对已进行常规分块的循环代码识别可向量化循环层，为可向量化循环层选择分块因子，为可向量化循环层选择分块因子使得循环体中所有可向量化数据的数目最大，将可向量化循环层的分块因子进行调整，以优化程序并行性和局部性为目标，通过数学规划的方法计算和调整其他循环层的分块因子，针对具有病态规模的循环较现有方法可以获得更好的程序加速比，同时具有良好的可扩展性，本发明通过为可向量化循环层选择合理的分块因子，增强数据的对齐性，增加可向量化数据的数目，从而使程序在向量处理器上获得更好的性能。
-
-
-
-
-
-
-
-
-
Search Results
209
records
(took 0.036 seconds)
