-
公开(公告)号:CN117478379A
公开(公告)日:2024-01-30
申请号:CN202311425676.0
申请日:2023-10-30
申请人: 国网电力科学研究院有限公司 , 国网江苏省电力有限公司信息通信分公司
IPC分类号: H04L9/40 , H04L67/10 , G06F21/56 , G06F18/214
摘要: 云边协同攻击识别方法,边缘端基于GNN算法训练攻击识别模型并将自身训练集数据传输给云端;云端基于训练集数据更新自身数据集并利用数据集训练攻击识别模型;云端对攻击识别模型进行筛选,将筛选后的模型分发给边缘端;在整个过程中,边缘端收集恶意攻击流量记录以更新自身训练集。本发明利用GNN和开源数据集训练攻击识别模型,训练分布在具有一定的资源训练能力和信息收集能力的边缘计算端,识别精度高的边缘端将训练集传输到云端以更新云端的训练集,云端将识别精确率高的模型下发给云端,最终通过云边之间的数据和模型传输实现云边协同的攻击识别;降低了云端的资源压力,同时增加了云端的安全识别能力以及云端与边缘之间的安全协调性。
-
公开(公告)号:CN118733214A
公开(公告)日:2024-10-01
申请号:CN202410643867.2
申请日:2024-05-23
申请人: 国网江苏省电力有限公司 , 国家电网有限公司 , 国网江苏省电力有限公司信息通信分公司 , 国网电力科学研究院有限公司
IPC分类号: G06F9/48 , G06F9/50 , G06F18/214 , G06F18/21
摘要: 本发明公开了一种基于历史学习的算力网络协同优化任务处理方法及系统,实时判断是否获取新任务,若未获取新任务,则获取长期训练任务的历史数据;对获取的历史数据进行训练,并预测下一时间段的接收任务及对应的任务处理步骤;若获取新任务,并且存在针对该时间段的预测的接收任务,若新任务与预测的接收任务相符,则执行预测的任务处理步骤;若新任务与预测的接收任务不符,则识别新任务,并执行新任务的任务处理步骤。在没有最新数据时,通过历史学习和数据提前处理和训练,有效地利用当前空闲的算力,避免在等待新数据时的资源浪费。通过预测并提前进行处理,让客户端能够在接收到新任务后快速响应,提高了效率和资源利用率。
-
公开(公告)号:CN117724727A
公开(公告)日:2024-03-19
申请号:CN202311469242.0
申请日:2023-11-07
申请人: 国网江苏省电力有限公司信息通信分公司 , 国网电力科学研究院有限公司 , 南京大学
摘要: 本发明公开了一种业务应用部署方法及系统,通过获取上一时隙中针对各边缘计算节点的历史业务应用部署决策;对当前时隙的边缘计算节点进行业务应用的部署;根据当前时隙部署的业务应用的使用成本,以及业务应用完成任务所获得的收益;以最大化各边缘计算节点长期总收益为目标,对各边缘计算节点进行业务应用的选择,得到当前时隙的业务应用部署决策。通过不断地根据每次部署后智能化业务应用完成任务的收益和使用成本,来不断调整更新下一时隙的部署策略。能够在无法得知智能化业务应用具体性能优劣的情况下,对各个边缘节点上对进行任务的智能化业务应用的选择进行周期性的调整,达到最大化整体长期收益的效果。
-
公开(公告)号:CN115599195B
公开(公告)日:2023-05-05
申请号:CN202211601716.8
申请日:2022-12-14
申请人: 国网江苏省电力有限公司信息通信分公司 , 国网电力科学研究院有限公司
IPC分类号: G06F1/3234 , G06F9/50 , G06N3/08 , G06F18/2431
摘要: 本发明公开一种基于CUDA性能计数器的GPU能耗预测方法及系统,方法包括:获取多个基准应用程序对应的特征数据,得到功率模型数据集和时间模型数据集;训练构建的功率网络模型和时间网络模型,获得目标程序的所有CUDA内核,进而获取目标应用程序对应性能计数器和GPU频率组合,将性能计数器和GPU频率组合分别输入到训练后的功率和时间网络模型中,得到内核的功率和执行时间以及能耗。本发明根据不同类型的GPU和CUDA内核计算能力选择全部性能指标,采用GPU频率组合和CUDA性能计数器作为特征表示,并采集CUDA内核功率和执行时间,从而提高预测精度和泛化性。
-
公开(公告)号:CN115599195A
公开(公告)日:2023-01-13
申请号:CN202211601716.8
申请日:2022-12-14
IPC分类号: G06F1/3234 , G06F9/50 , G06N3/08 , G06N20/00
摘要: 本发明公开一种基于CUDA性能计数器的GPU能耗预测方法及系统,方法包括:获取多个基准应用程序对应的特征数据,得到功率模型数据集和时间模型数据集;训练构建的功率网络模型和时间网络模型,获得目标程序的所有CUDA内核,进而获取目标应用程序对应性能计数器和GPU频率组合,将性能计数器和GPU频率组合分别输入到训练后的功率和时间网络模型中,得到内核的功率和执行时间以及能耗。本发明根据不同类型的GPU和CUDA内核计算能力选择全部性能指标,采用GPU频率组合和CUDA性能计数器作为特征表示,并采集CUDA内核功率和执行时间,从而提高预测精度和泛化性。
-
公开(公告)号:CN116775251A
公开(公告)日:2023-09-19
申请号:CN202310794255.9
申请日:2023-06-30
申请人: 国网电力科学研究院有限公司 , 国网江苏省电力有限公司信息通信分公司 , 南京大学
摘要: 本发明公开了一种边缘数据中心高效能任务调度方法、系统和设备,所述方法步骤如下:获取多边缘数据中心场景下数据中心的总体信息;获取某一时刻所需调度的任务信息;根据某一时刻所需调度的任务信息以及多边缘数据中心场景下数据中心的总体信息,构建以最小化多边缘数据中心整体碳排放总量为目标的优化问题并求解,将求解结果作为该时刻任务调度决策;所述系统包括以下模块:系统初始模块、输入获取模块、决策存储模块、调度决策反馈模块、调度决策生成模块。本发明在追求最小化整体碳排放总量的同时,能够保障服务质量,并且兼顾其他各种约束条件,获得当前时刻的高效能任务调度决策,低碳环保。
-
公开(公告)号:CN118364868A
公开(公告)日:2024-07-19
申请号:CN202410265749.2
申请日:2024-03-08
申请人: 国网电力科学研究院有限公司 , 国家电网有限公司 , 国家电网有限公司信息通信分公司 , 国网江苏省电力有限公司 , 国网江苏省电力有限公司信息通信分公司
IPC分类号: G06N3/0455 , G06N3/084 , G06Q50/06 , G06F17/16 , G06F18/10
摘要: 本发明公开了一种基于深度矩阵分解技术的电网性能预测方法及系统包括,通过获取采集智能电网传感器中的数据并进行归一化,将归一化的数据组成原始数据矩阵并生成所述原始数据矩阵对应的指示矩阵;将若干个全连接神经网络堆叠为深度神经网络模型,并将正则化后的变量作为潜在变量输入至深度神经网络模型,同时把原始数据矩阵作为去噪自编码器的输入与输出,得到智能电网数据矩阵;基于反向传播优化算法,求出智能电网数据矩阵最佳的权重矩阵以及偏置系数,以获得对应的重建数据矩阵;本发明考虑测量数据中的非线性关系进行归一化,并利用重建数据矩阵以恢复电网丢失的测量数据,有效解决了无法提取测量数据中的非线性特征问题。
-
公开(公告)号:CN118567847A
公开(公告)日:2024-08-30
申请号:CN202410690138.2
申请日:2024-05-30
申请人: 国网江苏省电力有限公司信息通信分公司 , 国网江苏省电力有限公司 , 国家电网有限公司
摘要: 本发明公开了算网融合资源调度确定方法、装置、设备、介质及产品。该方法包括:获取初始资源调度策略对应的各性能指标的当前时刻的数值和历史数据;根据各性能指标的当前时刻的数值、历史数据以及权重调整因子确定各性能指标对应的目标权重;根据各性能指标的当前时刻的数值和各性能指标对应的当前时刻的目标权重确定初始资源调度策略对应的目标分数值;若目标分数值处于预设分数阈值范围内,则确定初始资源调度策略为目标资源调度策略。通过本发明的技术方案能够动态调整各性能指标的权重,进而确定初始资源调度策略的目标分数值,根据目标分数值与预设分数阈值范围的比较结果确定目标资源调度策略,增强对资源调度策略评估的时效性和准确性。
-
公开(公告)号:CN113485986B
公开(公告)日:2024-08-02
申请号:CN202110717117.1
申请日:2021-06-25
申请人: 国网江苏省电力有限公司信息通信分公司 , 南京南瑞信息通信科技有限公司
IPC分类号: G06F16/215 , G06N3/0464 , G06N3/08 , G06N3/044
摘要: 本发明公开了一种电力数据修复方法,利用SOM神经网络对历史电力数据集中电力数据进行分类处理;利用Pearson相关系数理论,获得电力数据类型满足关联性阈值的影响因素;将缺失数据的影响因素输入训练好的LSTM神经网络,获得缺失数据的电力数据类型;根据缺失数据的电力数据类型采用不同的方法对数据进行修复。本发明考虑到电力数据的复杂非线性,利用神经网络的学习能力强,能够处理非线性问题的特性,实现电力数据的修复,可有效提升分类效率和准确率。
-
公开(公告)号:CN118337467A
公开(公告)日:2024-07-12
申请号:CN202410510360.X
申请日:2024-04-26
申请人: 国网江苏省电力有限公司信息通信分公司
摘要: 本发明公开了一种基于深度学习的网络入侵检测方法、装置、设备及存储介质,该方法包括:获取入侵数据样本集;其中入侵数据样本集中各入侵数据携带有真实入侵类别特征;基于训练集对深度神经网络分类模型进行训练,获得第一分类模型;基于设定优化算法及入侵数据样本集对深度神经网络分类模型进行训练,获得第二分类模型;基于测试集分别对第一分类模型及第二分类模型进行测试,获得第一测试结果和第二测试结果;基于第一测试结果和第二测试结果从第一分类模型和第二分类模型中确定目标分类模型,以基于目标分类模型进行入侵检测。利用该方法:利用优化算法对神经网络进行优化,提高网络入侵分类结果的准确率,提升电网网络的入侵检测能力。
-
-
-
-
-
-
-
-
-