-
公开(公告)号：CN110825496A
公开(公告)日：2020-02-21
申请号：CN201911107516.5
申请日：2019-11-13
Applicant: 电子科技大学广东电子信息工程研究院 , 哈尔滨工业大学
IPC: G06F9/455
Abstract: 本发明属于计算机的技术领域，具体涉及一种基于VMI的内核数据监控方法，包括如下步骤，步骤S0、从虚拟机外部获取和分配虚拟机内存的指定大小和连续空间；步骤S1、搜索整个所述虚拟机内存空间，获取所有目标内核结构的内存地址；步骤S2、将所有目标内核数据拷贝至分配的内存空间，并完成相应的指针修改和原内核数据结构体的释放；步骤S3、对分配内存区域实施内存页级别的内存监控。本发明能够对内存区域实施内存页级别的监控，保护虚拟机文件系统的安全，还能降低了传统方法中非目标内核数据引起的额外性能开销。
-
公开(公告)号：CN110557288A
公开(公告)日：2019-12-10
申请号：CN201910869018.8
申请日：2019-09-16
Applicant: 鹏城实验室 , 电子科技大学广东电子信息工程研究院
IPC: H04L12/24
Abstract: 本发明属于计算机技术领域，具体涉及一种基于OpenStack的网络可视化编辑与自动化部署系统，包括前端和后端，所述前端用于为用户提供一个界面以实现对网络拓扑图的快速创建；所述后端用于将所述网络拓扑图解析出的信息导入，在OpenStack云平台上创建与所述网络拓扑图对应的虚拟网络层和模拟网络层，以及将物理网络层和所述模拟网络层分别与所述虚拟网络层进行互联，与现有技术相比，本发明通过“物理-虚拟-模拟”三层网络的虚实互联，使网络拓扑图搭建出的网络环境更逼真，更接近实际网络的效果，有效提高了仿真的性能。
-
公开(公告)号：CN110557288B
公开(公告)日：2022-04-22
申请号：CN201910869018.8
申请日：2019-09-16
Applicant: 鹏城实验室 , 电子科技大学广东电子信息工程研究院
Abstract: 本发明属于计算机技术领域，具体涉及一种基于OpenStack的网络可视化编辑与自动化部署系统，包括前端和后端，所述前端用于为用户提供一个界面以实现对网络拓扑图的快速创建；所述后端用于将所述网络拓扑图解析出的信息导入，在OpenStack云平台上创建与所述网络拓扑图对应的虚拟网络层和模拟网络层，以及将物理网络层和所述模拟网络层分别与所述虚拟网络层进行互联，与现有技术相比，本发明通过“物理‑虚拟‑模拟”三层网络的虚实互联，使网络拓扑图搭建出的网络环境更逼真，更接近实际网络的效果，有效提高了仿真的性能。
-
公开(公告)号：CN110597636A
公开(公告)日：2019-12-20
申请号：CN201910870371.8
申请日：2019-09-16
Applicant: 电子科技大学广东电子信息工程研究院 , 鹏城实验室
Abstract: 本发明属于虚拟机的技术领域，具体涉及一种迁移算法性能的评估方法，包括，设置服务器资源阈值的上下限；设置开销目标函数中通信优化量和迁移开销的权重值；对网络总开销、迁移次数和执行时间进行比较和分析。本发明能够评估迁移算法的性能，提高系统资源的利用率，从而提高服务器服务质量。
-
公开(公告)号：CN111027695B
公开(公告)日：2023-11-24
申请号：CN201911235589.2
申请日：2019-12-05
Applicant: 电子科技大学广东电子信息工程研究院
IPC: G06N3/082 , G06N3/0464 , G06N3/0442
Abstract: 本发明属于计算机技术领域，具体涉及基于物理距离和语义距离的双向LSTM模型的构建方法，包括以下步骤：a、进行数据预处理；b、对LSTM模型中的单词进行向量化处理并对其物理特征和语义特征进行设置；c、构建双向LSTM模型。与现有技术相比，本发明可以有效地在LSTM网络的输入上增加物理特征和语义特征，在特征选择上，不仅仅使用词向量作为特征，更实将位置特征添加进来，将模型的训练集从句子级别细化到了实体对级别；模型构建上，也考虑到了语义上的句法以来，既充分考虑到了两个实体之间的最直接语义特征，降低上下文长度，又考虑到了非最短路径上的词语对分类结果的影响，有效提高了准确率。
-
公开(公告)号：CN111027695A
公开(公告)日：2020-04-17
申请号：CN201911235589.2
申请日：2019-12-05
Applicant: 电子科技大学广东电子信息工程研究院
Abstract: 本发明属于计算机技术领域，具体涉及基于物理距离和语义距离的双向LSTM模型的构建方法，包括以下步骤：a、进行数据预处理；b、对LSTM模型中的单词进行向量化处理并对其物理特征和语义特征进行设置；c、构建双向LSTM模型。与现有技术相比，本发明可以有效地在LSTM网络的输入上增加物理特征和语义特征，在特征选择上，不仅仅使用词向量作为特征，更实将位置特征添加进来，将模型的训练集从句子级别细化到了实体对级别；模型构建上，也考虑到了语义上的句法以来，既充分考虑到了两个实体之间的最直接语义特征，降低上下文长度，又考虑到了非最短路径上的词语对分类结果的影响，有效提高了准确率。
