-
公开(公告)号：CN111176817B
公开(公告)日：2023-03-28
申请号：CN201911402711.0
申请日：2019-12-30
Applicant: 哈尔滨工业大学
IPC: G06F9/48 , G06F16/901
Abstract: 一种多核处理器上基于划分调度的DAG实时任务间的干扰分析方法，涉及嵌入式实时系统技术领域。本发明为了提高了WCRT分析的精度，从而提高实时系统系统预测任务集可调度率的准确度。本发明分析高优先级DAG任务的内部结构对低优先级任务干扰的影响，得到更精确的干扰上界。对于DAG任务的拓扑结构以及其内部子任务被分配的处理器情况，首先提出了一个并行结构，并证明了这种并行结构会导致传统的分析方法产生任务间干扰的重复计算。根据这个并行结构提出了一种减少重复计算的WCRT分析策略，有效地提高了WCRT分析的精度。此WCRT分析策略可以降低实时系统预测任务集的WCRT数值，使其更加接近任务集在系统中执行的真实值，提高实时系统系统预测任务集可调度率的准确度。本发明用于同构多核处理器上。
-
公开(公告)号：CN115713357A
公开(公告)日：2023-02-24
申请号：CN202211422022.8
申请日：2022-11-14
Applicant: 哈尔滨工业大学(深圳) , 上海境山科技有限公司
IPC: G06Q30/0202 , G06Q50/30 , G06Q10/0631 , G06N3/0442 , G06N3/098 , G06N20/00
Abstract: 本申请公开了一种基于多因素联邦学习的网约车出行需求预测方法及装置，属于交通信息处理技术领域，其中，一种应用于协调设备的网约车出行需求预测方法包括：根据预设区域切片和预设时间切片预处理纵向公共数据，同时构建全局模型并将全局模型参数发送至各参与设备；然后接收来自各参与设备的各本地模型参数，用以迭代训练全局模型，并将迭代后的全局模型参数发送至各参与设备，重复上述步骤直至全局模型满足预设条件，即可得到用于对网约车出行需求进行预测的目标全局模型。本申请通过联邦学习在不泄露各平台的订单隐私数据的前提下有效提升了网约车出行需求预测的准确度，可应用于网约车平台或城市管理系统实现对网约车出行需求的准确预测。
-
公开(公告)号：CN110378148B
公开(公告)日：2023-02-03
申请号：CN201910680596.7
申请日：2019-07-25
Applicant: 哈尔滨工业大学
IPC: G06F21/62
Abstract: 一种面向云平台的多域数据隐私保护方法，涉及多域数据隐私保护技术领域。本发明为了解决现有的多域数据隐私保护方法一般采用静态匿名来发布数据，不够灵活，不能限制数据分析人员获得的数据范围，无法满足使用原始数据的需求的问题。本发明包括数据匿名化处理和原始数据恢复处理；本发明针对数据分析和事务处理场景下的具体需求，来采用相应的隐私保护策略，对不同领域的结构化数据表，通过数据匿名为主体的隐私保护技术，来达到减少云端数据隐私泄露风险的效果，同时满足一定事务处理上的需求。将匿名后数据存储并用于数据分析，降低隐私信息泄露的风险，对数据进行动态的匿名化，限制数据分析人员可以获得的数据范围，同时更好的保护数据隐私。
-
公开(公告)号：CN115526042A
公开(公告)日：2022-12-27
申请号：CN202211149942.7
申请日：2022-09-21
Applicant: 哈尔滨工业大学(深圳) , 上海境山科技有限公司
IPC: G06F30/20 , G06K9/62 , G06F119/02
Abstract: 一种安全高效的非交互式联邦学习框架及构建方法、学习方法，涉及联邦学习建模技术领域。解决了现有技术中通信开销大以及存在模型攻击风险导致隐私泄露的问题。学习框架中多个非交互式分布式节点共同指定一个服务器作为训练者；多个训练者和交互式分布式计算节点指定一个服务器做为中心聚合器，每个训练者与至少一个非交互式节点相关联。构建方法为，交互式分布式计算节点和多个训练者首先从选定的中心聚合器下载全局模型，每个交互式分布式计算节点和每个训练者训练好子模型后作为本地模型再上传到中心聚合器；中心聚合器接收本地模型后对全局模型进行更新并将结果返回至交互式分布式计算节点和多个训练者，经过多次更新迭代，直至全局模型达到预期的精度为止，完成构建。该框架适用于车联网技术领域。
-
公开(公告)号：CN114861160A
公开(公告)日：2022-08-05
申请号：CN202210400321.5
申请日：2022-04-16
Applicant: 哈尔滨工业大学(深圳) , 燕山大学
Abstract: 本发明适用于计算机技术领域，提供了提升非管理员账户权限的方法，包括：以系统管理权限运行桌面代理程序；所述桌面代理程序获取待运行进程信息；所述桌面代理程序将所述待运行进程信息与程序白名单进行匹配；若匹配成功，则所述桌面代理程序创建待运行进程；若匹配失败，则重新执行所述以系统管理权限运行桌面代理程序的步骤。通过上述方案，本发明可以解决在特定场景下，标准用户无法获得管理员权限导致工作无法推进的技术问题。
-
Patent Agency Ranking
公开(公告)号：CN114357714A
公开(公告)日：2022-04-15
申请号：CN202111474996.6
申请日：2021-12-06
Applicant: 哈尔滨工业大学(深圳)
Abstract: 本发明提供了一种面向结构化仿真数据的质量评估方法和系统，包括：根据原始数据构建仿真数据生成模型；数据拥有者使用包含隐私信息的原始数据对仿真数据生成模型进行训练，得到仿真数据；将原始数据和仿真数据输入评估系统，评估仿真数据的可用性和仿真数据的隐私性，选择质量最高的仿真数据发布；所述原始数据和仿真数据为结构化数据，由若干条数据记录组成，每条记录有若干字段，仿真数据的字段与原始数据的字段完全相同。本发明使用仿真数据代替原始数据参与数据流通进行质量评估，由于仿真数据的数据条目都是合成的，不与现实中的任何实体产生关联，也不需要其他的假设或先验知识，有效避免了隐私泄露的风险，评估全面、可靠，通用性好。
-
公开(公告)号：CN111083201B
公开(公告)日：2022-03-04
申请号：CN201911169997.2
申请日：2019-11-25
Applicant: 哈尔滨工业大学
IPC: H04L67/1029 , H04L67/1008 , G06F1/329
Abstract: 一种工业物联网中针对数据驱动制造服务的节能资源分配方法，属于工业物联网优化技术。本发明为了实现对分配后的任进行实时监控调整，降低系统资源消耗，确保由云制造服务提供商交付SLA的同时降低主机能耗和冷却成本。检测CPU利用率；确定待迁移出服务，SU‑hosts上的所有D2M服务以及从SO‑hosts中选择的D2M服务；搜索合适的主机为确定移出的D2M服务分配资源，利用能源和热感知资源分配方案找到适合D2M服务迁移的主机，进行服务迁移以减少能源消耗。本发明考虑了资源分配的节能消耗，并对任务分配后进行实时监控调整，降低了系统资源消耗，确保由云制造服务提供商交付SLA的同时降低主机能耗和冷却成本。
-
公开(公告)号：CN108958886B
公开(公告)日：2022-03-04
申请号：CN201810708740.9
申请日：2018-07-02
Applicant: 哈尔滨工业大学
IPC: G06F9/455 , G06F9/50 , G06F9/54 , G06F9/4401
Abstract: 一种基于网络流的虚拟机快速部署系统及方法，涉及虚拟机部署领域。本发明为了解决传统虚拟化技术存在耗时长、会产生大量的随机I/O请求的问题。本发明的方法中，在部署开始，计算节点i从其他计算节点挂载镜像，并启动镜像传输，优先传输Boot Cache数据，再传输镜像中其他部分数据；创建虚拟机实例和对应的镜像读写层，将镜像读写层链接到镜像，启动虚拟实例；镜像对虚拟机实例只读，多个虚拟机实例共享同一个镜像实体，虚拟机写入的数据保存在对应的镜像读写层中；虚拟机启动过程和镜像传输过程同步进行；当镜像传输完成之后，计算节点i向控制节点注册镜像缓存服务，为其他计算节点提供缓存服务。本发明用于虚拟机部署。
-
公开(公告)号：CN113742775A
公开(公告)日：2021-12-03
申请号：CN202111049937.4
申请日：2021-09-08
Applicant: 哈尔滨工业大学(深圳)
Abstract: 本发明提供一种图像数据安全检测方法、系统及介质，其中机器学习分类模型在训练前，利用预设恶意扩充方法扩充数据持有端的原始训练集，得到第一扩充集和第二扩充集，其中第一扩充集记录有原始训练集的样本图像，第二扩充集存储有原始训练集各类别标签的标签编码，并同时利用原始训练集、第一扩充集和第二扩充集进行训练；模型提供端则可在本地利用相同扩充方法还原第一扩充集和第二扩充集，并将第二扩充集输入至训练后的分类模型，还原出原始训练集中各类别标签与标签编码的对应关系，进而便可利用第一扩充集及该对应关系对原始训练集进行还原及泄露检测，避免数据窃取攻击在标签编码未知时难以检测的问题，增强了安全人员对数据泄露的检测能力。
-
公开(公告)号：CN108920280B
公开(公告)日：2021-06-11
申请号：CN201810774690.4
申请日：2018-07-13
Applicant: 哈尔滨工业大学
Abstract: 一种单用户场景下的移动边缘计算任务卸载方法，涉及移动计算系统的处理技术领域。本发明为了降低移动设备的反应时延和能耗。单用户场景任务卸载模型构建，包括系统整体模型的构建以及各个部分模型的构建，各个部分模型的构建包括：任务队列模型、本地计算模型、云端计算模型以及计算任务负载模型；任务卸载策略：以系统整体负载K最小化为目标给出任务卸载方案：基于二进制粒子群算法给出所有的任务在本地CPU执行或在MEC服务器上执行；然后再对应执行本地执行负载最优调度策略、基于流水线调度的MEC服务器执行负载最优调度策略。经验证，本发明给出的单用户场景下的任务卸载方法，降低了移动设备的反应时延和能耗。
-
-
-
-
-
-
-
-
-
Search Results
120
records
(took 0.02 seconds)
