公开(公告)号：CN111258730A

公开(公告)日：2020-06-09

申请号：CN202010031828.9

申请日：2020-01-13

Applicant: 哈尔滨工程大学

Inventor： 李思照 ,  韩新宇 ,  孙建国 ,  巩建光 ,  阎梓宁 ,  王文衫

IPC: G06F9/48 ,  G06F9/50

Abstract: 本发明属于任务调度技术领域，具体涉及一种基于竞态条件的任务调度方法。本发明通过不确定矩阵描述时间序列特征以及测量任务执行不确定性，利用最大熵优化发提出的任务调度算法确保任务执行期间发生的竞态条件概率最低。本发明的任务调度优化方法在低功耗系统平台有更高的CPU利用率，吞吐量和更低的计算复杂度和任务执行时间，具有一定的研究和使用价值。

公开(公告)号：CN111291860A

公开(公告)日：2020-06-16

申请号：CN202010031422.0

申请日：2020-01-13

Applicant: 哈尔滨工程大学

Inventor： 李思照 ,  姜宏睿 ,  孙建国 ,  巩建光 ,  阎梓宁 ,  王文衫

IPC: G06N3/04 ,  H04L29/06

Abstract: 本发明属于深度学习入侵检测技术领域，具体涉及一种基于卷积神经网络特征压缩的异常检测方法。本发明采用独热编码以及离差标准化的技术，将数据特征进行预处理，使得深度学习模型可以更有效的识别数据集的特征，从而减少数据的失真率；通过嵌入层将独热编码的稀疏矢量压缩为密集矢量，减少每次模型的训练时间；通过离差标准化来对原始数据进行线性变换，使得数据在变幻之后仍然保持原有的线性关系，这样可以提高模型在入侵检测之中的精度。本发明的入侵检测准确率较高，训练时间短，预测精度高，可以广泛应用于网络入侵检测等方面。