-
公开(公告)号：CN117062094A
公开(公告)日：2023-11-14
申请号：CN202311047327.X
申请日：2023-08-18
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学(山东省科学院)
Abstract: 本公开提供了一种雾无线接入网络中边缘缓存主动放置方法及系统，涉及无线通信技术领域，构建F‑RAN无线网络模型，获取F‑RAN无线网络模型的边缘节点以及缓存容量；获取需缓存的用户的请求内容，引入队列理论，设计到达速率的共享队列模型以及三种传输模式，将三种传输模式的到达率问题转换为内容放置时延最小的模型的求解，通过采用贪心算法，使每个缓存节点都缓存尽可能多的流行内容，直至缓存存储容量受限；考虑各个F‑AP节点的局部内容的流行度，使进行缓存时依据请求内容的流行度和请求内容大小进行缓存主动放置；本公开解决了现有边缘缓存方案中延迟控制不准确及流量成本过高的问题。
-
公开(公告)号：CN116994054A
公开(公告)日：2023-11-03
申请号：CN202310986619.3
申请日：2023-08-07
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学(山东省科学院)
IPC: G06V10/764 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/098
Abstract: 本发明公开了面向类别不平衡的联邦学习图像分类方法及系统，多个客户端按照标准的联邦学习方法联合训练一个全局模型；每个客户端将本地训练数据划分为头类和尾类，计算得到尾类所对应的混淆类，基于类激活图对本地训练数据中的尾类和对应的混淆类进行特征提取，得到尾类特有特征和混淆类通用特征；每个客户端将尾类特有特征与对应的混淆类通用特征进行特征融合，得到尾类的增广样本，以增强本地训练数据；每个客户端使用增强的本地训练数据对全局模型进行微调，并将其上传到服务器来进一步更新全局模型。此外，本发明设计了一个新的损失函数TailDistillation Loss，能够减轻全局类不平衡的影响。
-
公开(公告)号：CN116980965A
公开(公告)日：2023-10-31
申请号：CN202310982783.7
申请日：2023-08-04
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学(山东省科学院)
IPC: H04W28/02 , H04W28/06 , H04W28/086 , H04W28/084 , H04W28/08
Abstract: 本发明公开了基于信息中心网络的能效感知边缘缓存方法及系统，其中方法，包括：消费者客户端将兴趣包转发给基站；基站查找是否有数据包与兴趣包名称一致，如果没有，则在待处理兴趣表中新增一个条目；基站判断兴趣包内容是否是流行内容，如果是，则为兴趣包添加POP字段，并将添加字段的兴趣包，通过信息中心网络的路由器节点转发给核心网，核心网再转发给源服务器；源服务器将兴趣包对应的数据包，通过信息中心网络的路由器节点传输给核心网，核心网再传输给基站；基站判断当前返回数据包的名称，与待处理兴趣表中条目是否一致；如果一致，则基站判断当前返回数据包是否有POP字段标识，如果有，则将当前返回数据包转发给消费者客户端。
-
公开(公告)号：CN116436678A
公开(公告)日：2023-07-14
申请号：CN202310436976.2
申请日：2023-04-18
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学(山东省科学院)
IPC: H04L9/40 , G06F18/241 , G06F18/21 , G06N3/0475 , G06N3/045
Abstract: 本发明公开的面向多类不平衡数据特点的加密恶意流量识别方法及系统，对网络恶意流量数据进行预处理，获得恶意流量的特征图像；通过恶意流量的特征图像和训练好的恶意流量样本生成模型，获得恶意流量样本，在恶意流量样本生成模型的生成器和判别器中均加入自注意力模块，自注意力模块以卷积层输出的特征图为输入，获取输入自注意力模块的特征图的注意力图，根据注意力图确定自注意力特征图，将自注意力特征图与输入自注意力模块的特征图加权求和，获得自注意力模块输出的特征图，自注意力模块输出的特征图输入下一个卷积层中；对恶意流量样本进行识别，获得恶意流量识别结果。提高了对恶意流量识别的准确性。
-
公开(公告)号：CN116318928A
公开(公告)日：2023-06-23
申请号：CN202310206294.2
申请日：2023-02-28
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学(山东省科学院)
IPC: H04L9/40 , G06F18/214 , G06F18/2431 , G06F18/25 , G06N3/006 , G06N3/0464 , G06N3/048 , G06N3/084
Abstract: 本发明提出了一种基于数据增强和特征融合的恶意流量识别方法及系统，涉及网络安全领域，对原始流量数据集进行预处理、特征选择和流量平衡，得到数据增强后的训练集；基于多头注意力，构建恶意流量分类模型，用于特征提取和特征融合；通过参数寻优和模型训练，得到最终的恶意流量分类模型；将待识别的流量，输入到恶意流量分类模型中，输出分类结果；本发明设计了一种能够识别网络流量、自动提取特征并解决数据可用性不足问题的恶意流量分类模型，利用特征选择方法准确地过滤掉冗余特征，利用数据增强技术使各类流量数据均衡、去重叠数据，准确地进行神经网络模型参数权重的优化调整，获得更加合理的模型超参数，提高恶意流量识别的准确性和性能。
-
Patent Agency Ranking
公开(公告)号：CN119496738A
公开(公告)日：2025-02-21
申请号：CN202411712714.5
申请日：2024-11-27
Applicant: 齐鲁工业大学(山东省科学院) , 山东省计算中心(国家超级计算济南中心)
Abstract: 本公开提供了基于FPGA的RDMA数据传输优化方法及系统，涉及RDMA通信传输技术领域，包括构建以FPGA为核心的RDMA通信节点网络架构；RDMA通信节点网络初始化，为每一个节点设置一个寄存器表格；目的节点接收RDMA通信节点网络中的数据后，在处理数据的同时，记录当前接收时间节点，根据接收到的RDMA通信节点网络中的发射时间节点与当前的接收时间节点，更新目的节点对应的发射节点寄存器表格；目的节点在向信息发射节点发送反馈信号的同时，同步发射原有的发射时间节点与接收时间节点信息，当信息发射节点接收到数据反馈信号后，同样记录当前的接收时间节点，并根据RDMA传输信息中的发射时间节点和接收时间节点信息更新对应信息发射节点的目的节点寄存器表格。
-
公开(公告)号：CN119420708A
公开(公告)日：2025-02-11
申请号：CN202510020273.0
申请日：2025-01-07
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学(山东省科学院)
Abstract: 本发明涉及数据传输技术领域，本发明公开了一种时间敏感网络跨域流量调度方法、系统、介质及设备，包括：对于当前时间步，在状态下，通过主网络和贪婪策略进行动作选择后，计算动作执行后的奖励和下一时间步状态；将当前时间步的状态、动作、奖励和下一时间步状态作为一个转移，存储到重放记忆，当重放记忆中转移的个数达到阈值，则从重放记忆中采样多个转移；对于采样的每个转移，通过目标网络和Munchausen机制，计算每个分支的时间差目标值；通过主网络，计算每个分支的预测Q值；计算得到均方误差，基于均方误差更新主网络的参数；每间隔若干时间步，将主网络的参数赋值给目标网络。保证了流量调度的实时性和路由选择的可靠性。
-
公开(公告)号：CN119011670A
公开(公告)日：2024-11-22
申请号：CN202411022015.8
申请日：2024-07-29
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学(山东省科学院)
IPC: H04L67/568 , G06F18/25 , G06Q50/00 , G06N3/0442
Abstract: 本发明提出了基于多尺度特征融合的主动边缘缓存方法及系统，涉及主动缓存技术领域。包括将移动边缘计算服务器集成到社交内容中心网络中；获取表征不同内容的历史流行度、用户社交关系和用户移动性的多尺度特征，将多尺度特征进行融合，得到统一的时间序列特征表示；将统一的时间序列特征表示输入至编码器中，提取内容的历史和未来时序特征，并将编码器的中间层输出向量输入至解码器中，基于多头注意力机制得到未来多步的预测流行度值，将多步预测流行度的平均值作为最终预测结果；将最终预测结果排名靠前的内容作为待缓存内容进行提前缓存。本发明提高了缓存命中率且降低系统总体内容访问延迟，提高系统整体缓存效率。
-
公开(公告)号：CN118864921A
公开(公告)日：2024-10-29
申请号：CN202410828723.4
申请日：2024-06-25
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学(山东省科学院)
IPC: G06V10/764 , H04L9/40 , G06V10/82 , G06N3/0464 , G06N3/047
Abstract: 本发明提供了一种加密流量分类方法及系统，包括：将待分类的加密流量原始文件转化为马尔可夫链图像；基于获得的马尔科夫链图像，利用预先训练的流量分类模型，获得流量分类结果，其中，所述流量分类模型中每个残差单元内部的第二个卷积层之后和残差连接之前引入有坐标注意力机制，所述坐标注意力机制执行如下处理过程：对于输入的特征图，沿着图像的两个正交空间方向进行特征聚合，将空间坐标信息整合到注意力图中，获得输入特征图在特定空间方向上的特征依赖关系。
-
公开(公告)号：CN118227333A
公开(公告)日：2024-06-21
申请号：CN202410435319.0
申请日：2024-04-11
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学(山东省科学院)
Abstract: 本发明提出CPU/FPGA协同的网络遥测乱序重排方法及系统，涉及网络遥测技术领域。包括CPU将带内网络遥测报告拆分为待排序包和信息包，构建内存缓冲区和动态指针管理区，将待排序包存储至对应的内存缓冲区中，将信息包存储至动态指针管理区中；CPU将多个待排序包传输至FPGA的片外存储资源DDR中；FPGA调用多个加速排序内核并行进行待排序包的排序；FPGA排序完成后，将排序后的有序包传入DDR；CPU读取有序包，并从动态指针管理区中提取出有序包对应的信息包，进行重组恢复。本发明CPU和FPGA协同合作，提升了处理遥测数据的速度，降低了CPU的占用率和处理延迟。
-
-
-
-
-
-
-
-
-
Search Results
61
records
(took 0.066 seconds)
