-
公开(公告)号：CN113703867A
公开(公告)日：2021-11-26
申请号：CN202110985231.2
申请日：2021-08-26
Applicant: 哈尔滨工业大学
Abstract: 一种无服务计算中加速启动方法及系统，涉及无服务计算技术领域，用以解决现有无服务计算中由于冷启动的存在而导致任务执行的响应时间过长的问题。本发明的技术要点包括：构建两层容器：用户容器和任务容器，每个用户容器对应一个用户设备，对于每个任务请求，容器启动的过程包括查找该任务请求对应的用户容器，如果没有查找到则创建对应的用户容器；创建成功或查找到则将该任务请求转发至用户容器；在用户容器中启动任务容器处理任务请求。本发明中用户容器负责隔离，任务容器负责执行任务，任务容器经过裁剪具有很低的启动延迟；利用过去调用规律预测未来启动来减少冷启动次数，进一步降低启动延迟，相比现有冷启动回收机制具有大幅度提升。
-
公开(公告)号：CN112307364B
公开(公告)日：2021-10-29
申请号：CN202011336057.0
申请日：2020-11-25
Applicant: 哈尔滨工业大学
IPC: G06F16/9537 , G06F16/29 , G06F40/295 , G06F40/30 , G06N3/04 , G06N3/00
Abstract: 一种面向人物表征的新闻文本发生地抽取方法，属于信息提取领域，用以解决在人物表征过程中现有的命名实体识别算法缺少语义结构信息分析，导致新闻文本中出现多个地名时难以分辨新闻发生地的问题。本发明的技术要点包括，对新闻文本数据集中新闻文本进行预处理；对预处理后的新闻文本中的实体及实体类别、段落特征、句子特征、词特征进行标注；对标注后的新闻文本中的地名关系进行抽取，构建新的地名实体知识图谱；并采用基于深度森林算法gcForest对新闻文本数据集中的新闻发生地进行预测抽取。本发明可用于新闻事件相关人物的特性表征。
-
公开(公告)号：CN113448425A
公开(公告)日：2021-09-28
申请号：CN202110810963.8
申请日：2021-07-19
Applicant: 哈尔滨工业大学
IPC: G06F1/3234 , G06F9/50 , G06N20/00
Abstract: 一种基于强化学习的动态并行应用程序能耗运行时优化方法及系统，属于并行程序能耗优化技术领域，目的是自动地优化并行应用程序的能耗，并且不需要领域专家知识，对程序是透明的。本发明的技术要点包括：程序的阶段根据工作负载的特征，分为计算密集阶段和内存密集阶段，根据应用程序不同的实时工作负载特征，动态调整处理器功率配置，使硬件功率配置文件与运行时动态变化的程序阶段匹配；通过强化学习算法自动探索功率配置空间，根据环境反馈的奖惩信息，不断优化配置空间；最后，根据自动学习到的策略动态调整功率配置以匹配不断变化的程序阶段。本发明实现了自动且动态的并行程序能耗优化，并且该运行时优化系统的开销可以忽略不计。
-
公开(公告)号：CN108920279B
公开(公告)日：2021-06-08
申请号：CN201810774689.1
申请日：2018-07-13
Applicant: 哈尔滨工业大学
Abstract: 一种多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。本发明的目的是为了降低移动设备的反应时延和能耗。所述多用户场景是多个移动设备和MEC服务器相连，每个移动设备可选择该移动设备和MEC服务器之间的多条信道中的一个进行通信，MEC服务器通过主干网与中心云服务器相连；具体过程为：多用户场景任务卸载模型构建；基于博弈论的两阶段任务卸载策略：第一段阶卸载策略是：决定卸载是在移动设备上还是在MEC服务器上执行，第二段阶卸载策略是：当MEC服务器资源不足时进行决定是在MEC服务器上等待还是在中心云服务器上执行。本发明在保证用户的服务质量以及公平性的前提下，同时兼顾用户的个性化需求。
-
公开(公告)号：CN112104446A
公开(公告)日：2020-12-18
申请号：CN202010918173.7
申请日：2020-09-03
Applicant: 哈尔滨工业大学
Abstract: 一种基于同态加密的多方联合机器学习方法和系统，属于数据安全领域，用以解决现有技术中对于数据隐私保护安全性不高、实用性不强，不能有效保护数据所有者隐私的问题。本发明由多个特征数据持有方执行，多个特征数据持有方中只有一方具有标签，多个特征数据持有方分别利用同态加密数据算法对数据加密；而不具有标签的多方利用多方并行机器学习算法进行模型训练，获得加密的机器学习权重数据；具有标签一方解密获得机器学习权重数据。本发明安全性高，具备实用性，可用于数据隐私保护中。
-
Patent Agency Ranking
公开(公告)号：CN112085086A
公开(公告)日：2020-12-15
申请号：CN202010918169.0
申请日：2020-09-03
Applicant: 哈尔滨工业大学
Abstract: 一种基于图卷积神经网络的多源迁移学习方法，属于人工智能领域，用以解决同构图结构数据中单纯利用节点实体特征而不能对目标域节点进行准确地分类，同时解决异构图结构数据中直接利用目标域少量标签预测的分类不准确问题。技术要点：对于同构数据，利用基于混合分布度量的分布距离衡量方法获得源域与目标域之间的分布距离；通过最小化源域与目标域的平衡条件分布与边缘分布差异，最小化源域类内距离以及最大化源域类间距离进行分布对齐；对于异构数据，训练出多个图卷积神经网络模型，并计算出模型的分类权重，通过加权融合获得分类结果。本发明方法用于完成图结构数据的节点分类任务，能够有效提高目标域节点分类准确率。
-
公开(公告)号：CN112073237A
公开(公告)日：2020-12-11
申请号：CN202010917572.1
申请日：2020-09-03
Applicant: 哈尔滨工业大学
Abstract: 一种云边架构中大规模目标网络构建方法，属于边缘计算领域，用以解决现有的云边平台上的部署服务不能满足不同类型的虚拟网络部署需求的问题，以及现有的虚拟网络节点链路特性仿真算法不能有效减小误差、提升仿真精度的问题。该方法步骤包括，构建云边平台；在云边平台上进行虚拟网络的自动化部署；采用仿真算法对部署的虚拟网络进行节点链路特性仿真。本发明中云边平台上的自动化部署服务支持单一云内部的部署任务下发以及核心云与边缘云之间协同部署，满足不同类型的虚拟网络部署需求，支持大规模虚拟网络部署；仿真算法用以提升部署的虚拟网络的仿真精度。
-
公开(公告)号：CN110880966A
公开(公告)日：2020-03-13
申请号：CN201911162111.1
申请日：2019-11-22
Applicant: 哈尔滨工业大学
Abstract: 一种基于IPFS和Hyperledger Fabric的域名解析系统搭建和域名查询方法，涉及一种域名解析系统搭建和域名查询方法，属于域名解析软件开发领域。本发明为了验证IPFS节点存储的文件的真实性。该方法内容包括：基于IPFS搭建存储域名解析资源记录文件的IPFS集群；基于Hyperledger Fabric搭建存储域名签名五元组的区块链超级账本；使用搭建的IPFS集群和Hyperledger Fabric区块链超级账本进行域名查询。本发明基于IPFS和Hyperledger Fabric解决了存储域名资源记录和数字签名的问题。本发明使用IPFS分布式存储的特性存储域名解析所需的资源记录文件。
-
公开(公告)号：CN110866277A
公开(公告)日：2020-03-06
申请号：CN201911107523.5
申请日：2019-11-13
Applicant: 电子科技大学广东电子信息工程研究院 , 哈尔滨工业大学
Abstract: 本发明公开了一种DaaS应用的数据集成的隐私保护方法，包括如下步骤，步骤一、在满足数据匿名的条件下，通过租户间多轮协作，每轮采用信息增益最大的属性加细数据集；步骤二、设定云服务提供商的信誉等级，并根据信誉等级划分云服务提供商；步骤三、对于低于预设信誉等级的云服务提供商，采用基于分割的隐私保护机制，隐藏数据之间的关联关系，并通过分组均衡化的方式，确保属性的值域均衡分布，防止云服务提供商泄露租户数据隐私；对于高于预设信誉等级的云服务提供商，采用分类索引树数据结构，验证云服务提供商返回数据的正确性及完整性。本发明通过分类索引树数据结构，使云租户有能力验证云服务提供商返回结果集的正确性及完整性。
-
公开(公告)号：CN110866276A
公开(公告)日：2020-03-06
申请号：CN201911107507.6
申请日：2019-11-13
Applicant: 电子科技大学广东电子信息工程研究院 , 哈尔滨工业大学
IPC: G06F21/62
Abstract: 本发明属于数据的隐私保护的技术领域，具体涉及一种混合云环境下数据的隐私保护方法，包括如下步骤，步骤一、将DaaS承载平台作为混合云，根据高维稀疏数据的特征及数据发布模式，分析引入云平台后数据隐私泄露的潜在风险；步骤二、在匿名分割策略的基础上，通过贪心策略，分析数据可用性最大化的约束场景；步骤三、利用交互型差分隐私保护的统计搜索，分析加噪对数据可用性的影响；步骤四、针对并行化匿名分割造成的数据误分割，通过共享聚合簇，减小保留在私有云上的数据量。本发明能够减少信息损失，提高算法的执行效率，从而提高数据的隐私保护的可行性和实用性。
-
-
-
-
-
-
-
-
-
Search Results
181
records
(took 0.048 seconds)
