-
公开(公告)号：CN119743263A
公开(公告)日：2025-04-01
申请号：CN202411718215.7
申请日：2024-11-28
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
Abstract: 本发明公开了一种基于零知识证明的跨链隐私保护方法及装置，所述方法包括中继链代理节点接收来自应用链内部实体的跨链请求，将其打包并发送至中继链；同时，中继链代理节点还负责将中继链的响应或其他链的跨链请求转发给应用链内的相应实体；其中，针对跨链交易请求，所述中继链使用零知识证明来保护跨链交易的隐私；针对跨链数据请求，所述中继链使用零知识证明在不暴露数据请求者的具体身份信息的情况下验证数据请求者的身份合法性。本发明方法可更好的保护跨链互操作的隐私。
-
公开(公告)号：CN119987974A
公开(公告)日：2025-05-13
申请号：CN202510445993.1
申请日：2025-04-10
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
Abstract: 本发明涉及计算机深度学习技术领域，特别涉及一种深度学习任务混合部署方法及系统。其方法包括：S1.用户通过Kubernetes原生接口提交任务；S2.任务调度优化器根据资源需求和服务等级分析任务并分配至合适节点；S3.SLO管理器跟踪系统各项性能指标的实时数据，并将实时数据与预先设定的服务等级目标进行对比；S4.Koordlet组件在目标节点上执行具体的资源分配操作；S5.流量安全监控器对各节点之间的数据流进行实时监测。本发明通过分析深度学习任务资源使用的周期性规律，提出针对不同类型资源的混合部署的策略，实现在线与离线任务的动态资源共享，同时确保系统在高负载条件下仍能稳定高效运行。
-
公开(公告)号：CN118689884A
公开(公告)日：2024-09-24
申请号：CN202410704840.X
申请日：2024-06-03
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
Abstract: 本发明提供了一种使用纠删码的日志复制解耦共识方法及存储介质，该日志复制解耦共识方法包括：第一步骤：客户端将请求发送给集群；第二步骤：集群在收到客户端的请求之后开始处理客户端的请求；第三步骤：集群在完成日志的提交之后，向客户端回复，表示客户端的请求已经完成。本发明的有益效果是：1.本发明的日志复制解耦共识方法能够有效降低领导者节点的负载，解决了由于领导者性能瓶颈所导致的系统性能问题；2.本发明的日志复制解耦共识方法能够处理物联网场景中存在大量的非事务性数据；3.本发明的日志复制解耦共识方法确保了即使在健康节点数量减少的情况下，仍能够有效地减少系统的网络和存储资源消耗。
-
公开(公告)号：CN117714024A
公开(公告)日：2024-03-15
申请号：CN202311495484.7
申请日：2023-11-10
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
Abstract: 本发明提供了一种基于联盟链的物联网动态持续身份认证系统，包括联盟链层、网关层、设备层，联盟链层用于存放静态身份认证阶段身份认证相关的数据和设备间的信任数据，所存放的数据由部署在各个物联网服务节点上的区块链节点共同维护；网关层安装有身份认证模块，网关层用于存放和维护身份认证相关数据，网关层通过智能合约接口读写所述联盟链层的账本数据；设备层用于进行设备间的信任评估，并将得到的信任值传输到所述网关层，负责收集设备间的交互评价结果，并传输到网关层，以及生成身份认证相关的数据信息，参与身份认证。本发明的有益效果是：该物联网动态持续身份认证系统通过维护设备身份的安全性和有效性，进而维护物联网系统的安全性。
-
公开(公告)号：CN117215598A
公开(公告)日：2023-12-12
申请号：CN202311186539.6
申请日：2023-09-14
Applicant: 哈尔滨工业大学
Abstract: 本发明公开了一种基于云边协同的流数据处理系统、方法及应用，涉及边缘计算技术领域。本发明的技术要点包括：首先，通过分割把一个完整的有向无环图分为云端和边缘端两个部分，并利用吞吐量预测算法实现吞吐量最大化；然后，利用深度强化学习算法实现边缘端和云端不同策略的算子部署。本发明在吞吐量预测上可以准确预测在不同元组大小和不同CPU核数下的算子吞吐量；且无论是云端模型还是边缘端模型，相比Flink原生算法吞吐量都有提升；在算子部署上，在不同的任务和带宽下，本发明能够充分利用云边带宽和DAG之间的关系，获得更大的吞吐量和更低的延迟，并且在云边带宽发生变化的情况下动态更改部署方案，取得更优的部署效果。
-
Patent Agency Ranking
公开(公告)号：CN111124666B
公开(公告)日：2023-05-12
申请号：CN201911168370.5
申请日：2019-11-25
Applicant: 哈尔滨工业大学
Abstract: 一种移动物联网中的高效、安全的多用户多任务卸载方法，涉及移动物联网移动边缘计算领域，为了实现在时间的约束下将能耗的加权总和最小化，使任务卸载能耗较低。建立通信模型；资源分配策略，量化本地计算和卸载计算的开销；压缩策略，采用JPEG算法对卸载计算时传输的用户数据进行压缩以减少能源消耗；安全策略；优化策略；构建一个考虑将资源分配、压缩和安全性的集成模型，将该模型表述为整数非线性问题，该问题的目标是在时间约束下使能量的加权总和最小化，获得任务卸载决策和任务压缩决策的最优解。减轻移动物联网的网络资源限制，在计算任务卸载的同时，兼顾考虑资源分配，传输数据压缩和安全性，实现在时间的约束下能耗的加权总和最小化。
-
公开(公告)号：CN114880083A
公开(公告)日：2022-08-09
申请号：CN202210294290.X
申请日：2022-03-24
Applicant: 哈尔滨工业大学(深圳)
Abstract: 本发明涉及数据处理领域，特别涉及一种DAG任务执行逻辑复杂度的优化方法及存储介质。基于DAG任务内拓扑结构的特点对其执行时产生的影响进行深度分析，提出了能够有效降低DAG任务执行逻辑复杂度的无效边删除优化方法。首先提出DAG任务内无效边的概念，即DAG任务中子任务之间多余的执行逻辑约束条件。证明了从DAG任务中删除无效边可以在不影响DAG任务固有的执行逻辑和对DAG任务的最坏情况下响应时间分析的前提下来降低其执行逻辑的复杂度。通过大样本空间的数据的实验结果表明，IED优化方法能够平均减少DAG任务中36.96%的无效边，并且平均减少86.9%的DAG任务WCRT分析时间。
-
公开(公告)号：CN112073237B
公开(公告)日：2022-04-19
申请号：CN202010917572.1
申请日：2020-09-03
Applicant: 哈尔滨工业大学
IPC: H04L41/0803 , H04L41/08 , H04L41/14 , H04L67/10
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：CN110380906A
公开(公告)日：2019-10-25
申请号：CN201910680643.8
申请日：2019-07-25
Applicant: 哈尔滨工业大学
IPC: H04L12/24 , H04L12/713 , H04L12/721 , H04L12/751 , H04L12/803
Abstract: 一种大规模多维融合的虚拟网络映射方法，涉及虚拟网络映射技术领域。本发明为了解决现有的虚拟网络映射方法无法解决多维融合的虚拟网络映射问题以及无法适于万级以上节点数映射的问题。所述方法首先输入虚拟网络和底层物理网络；接着对多维虚拟网络拓扑进行预处理；再对底层物理网络拓扑进行简化操作，分别简化到路由器级别和交换机级别；接着进行K最短路径预算；使用混合遗传算法进行粗略映射；接着使用混合遗传算法进行精确映射，之后再映射到具体的物理主机；接着进行虚拟链路的映射，在映射成功后，输出收益比或负载均衡。提高虚拟网络映射的收益比和成功率。
-
公开(公告)号：CN111124531B
公开(公告)日：2023-07-28
申请号：CN201911168638.5
申请日：2019-11-25
Applicant: 哈尔滨工业大学
IPC: G06F9/445 , G06F9/50 , H04L67/10 , H04L67/1008 , H04L67/1029 , H04L67/1023 , H04L67/12
Abstract: 一种车辆雾计算中基于能耗和延迟权衡的计算任务动态卸载方法，属于雾计算应用技术领域。本发明为了充分利用附近车辆的计算资源，将云节点的任务从云节点下放到车辆节点上，为减轻云节点的过载，减少高峰时段的服务延迟，以及为电池供电的云节点节约电能。定义所述卸载方法对应的VFC环境；针对单个车辆节点的单个任务构建能源消耗成本，能源消耗成本为总能量消耗和总延迟的加权和：针对VFC环境下的所有节点所有任务的能耗和延迟的模型，构建联合目标函数，给出约束条件并定义优化问题；针对步骤三的优化问题求得当联合目标函数达到最小值时，每个任务所应卸载到的车辆节点，进而得到最优的任务卸载方案。本发明降低了能量消耗，降低整体处理延迟。
-
-
-
-
-
-
-
-
-
Search Results
51
records
(took 0.027 seconds)
