公开(公告)号：CN119668874A

公开(公告)日：2025-03-21

申请号：CN202411789953.0

申请日：2024-12-06

Applicant: 广西壮族自治区信息中心(广西壮族自治区大数据研究院) ,  北京邮电大学

Inventor： 覃冠玉 ,  张晋扬 ,  潘胜利

IPC: G06F9/50 ,  G06F9/48 ,  G06N20/00

Abstract: 本发明公开了基于推测价格机制的云边协同计算隐私增强方法及系统，利用数据合成的隐私保护优势，根据计算资源的实际复杂供需，推测合理的价格收费以替代原始资源调度过程的多维度敏感信息，并辅助边缘服务器做效益最优的资源购买决策；资源的价格推测与购买决策通过一个双端的云边学习模型来实现，该模型基于两种状态‑动作‑奖励的MDP建模，采用基于Q‑Learning的强化学习方法进行训练更新，本发明同时为系统设计了一种基于假设检验的资源漂移检测方法，追溯资源供给的分布变化，以及时重启学习过程，完成策略更新，且本发明的适应与响应性表现优秀。

公开(公告)号：CN119903923A

公开(公告)日：2025-04-29

申请号：CN202411987834.6

申请日：2024-12-31

Applicant: 北京邮电大学

Inventor： 潘胜利 ,  张晋扬 ,  汪成

IPC: G06N5/04 ,  G06N5/043 ,  G06N3/092 ,  G06N3/084

Abstract: 一种基于边缘混合专家大模型的可靠推理调度方法，涉及计算机领域，包括：分布式边缘部署MoE大模型到边缘网络；进行恶意节点行为建模，模拟分布式协作推理，分别生成自编码器输入向量空间集合V与推理任务状态集合S；进行异常节点检测神经网络训练，得到各边缘节点的计算可靠度；进行深度强化学习神经网络训练得到专家选择策略；基于训练的深度强化学习神经网络进行边缘MoE大模型的可靠推理调度。本发明利用分布式边缘部署的服务质量与隐私保护优势，根据大模型门控函数对专家网络的原始路由结果，结合实际动态部署环境下的节点可靠度与实时负载，有效地优化推理过程，从而提高分布式边缘部署下MoE大模型的协作推理效率和可靠性。