-
公开(公告)号：CN115277419A
公开(公告)日：2022-11-01
申请号：CN202210947340.X
申请日：2022-08-09
Applicant: 湖南大学
IPC: H04L41/0823 , H04L67/141 , H04L12/46
Abstract: 一种无服务计算中加速网络启动方法及系统，包括以下步骤：1）整合网络命名空间，针对一组容器创建一个PartFast网络命名空间；2）VTEP网络命名空间中创建一对VETH设备，其中一个VETH设备放入PartFast网路命名空间、另一个本地的VETH设备和VTEP的VXLAN以及网桥接口拴住，然后启动本地VETH和客户VETH接口；3）针对PartFast网络命名空间，设置IP和MAC；4）在本地VETH和客户VETH接口之间建立一个连接；本发明通过在VTEP netns中创建一对VETH设备，减少了一次虚拟网卡移动次数。此外，本发明引入了提前创建网络以及暂停容器池的管理，减少了容器重复创建的开销。
-
公开(公告)号：CN110276802B
公开(公告)日：2021-08-17
申请号：CN201910560411.9
申请日：2019-06-26
Applicant: 湖南大学
Abstract: 本申请涉及一种医学图像中病症组织定位方法、装置、设备、计算机设备和存储介质，整个方案对获取的医学图像数据进行增强均衡处理，增强处理后的医学图像数据中小类医学图像数据与大类医学图像数据均衡，避免医学图像定位中存在正负数据严重偏斜问题，基于增强均衡处理得到的数据集以及已训练的基于病症组织索引网络模型，得到医学图像中不同组织的分类结果，再根据该分类结果准确定位出医学图像中病症组织。
-
公开(公告)号：CN110333987B
公开(公告)日：2020-06-02
申请号：CN201910597798.5
申请日：2019-07-04
Applicant: 湖南大学
Abstract: 本申请提供了一种设备体检报告生成方法、装置、计算机设备和存储介质，首先，采用分布式训练模式对LSTM神经网络进行训练，减少了网络链路中构建有LSTM神经网络的节点的数据处理量，提高数据的处理速度，基于网络流量调度方法对分布式训练模式进行优化，减少各节点的通信时间，然后，使用关联分析算法，提取出关键的设备的故障特征，基于这些故障特征，使用基于网络流量调度方法优化后的分布式训练模式进行训练得到的LSTM神经网络进行故障诊断，能够实现对设备故障的准确诊断与预测，最后，使用注意力机制将诊断预测的结果高效生成文本形式的体检报告。
-
公开(公告)号：CN110245151A
公开(公告)日：2019-09-17
申请号：CN201910460558.0
申请日：2019-05-30
Applicant: 湖南大学
IPC: G06F16/2453
Abstract: 本申请涉及一种数据点组查询方法、装置、计算机设备和存储介质。所述方法包括：从待查询数据集中确定分层最小支配图点，分层最小支配图点被少于预设的数据点组大小的数据点所支配；当数据点组大小不大于分层最小支配图点中天际线点的数量时，获取数量不超过数据点组大小的天际线点，生成天际线点候选组；当天际线点候选组的大小小于数据点组大小时，根据天际线点候选组中候选组点的直接子集，对天际线点候选组进行扩充，得到扩充候选组；其中，直接子集包括天际线点候选组中的候选组点的直接支配点；当扩充候选组的大小等于数据点组大小时，根据扩充候选组得到点组查询结果。采用本方法能够提高数据点组的查询效率。
-
公开(公告)号：CN105760220A
公开(公告)日：2016-07-13
申请号：CN201610066773.9
申请日：2016-01-29
Applicant: 湖南大学
IPC: G06F9/48
CPC classification number: Y02D10/24 , G06F9/4893 , G06F9/485
Abstract: 本发明涉及数据处理领域，提供一种基于混合内存的任务与数据调度方法和装置，所述方法包括：步骤1，根据任务与数据的DAG图，获得任务的输入数据与输出数据；步骤2，对所述输入数据与输出数据进行数据分类，得到共享数据源与独立数据源；步骤3，根据任务对处理器和内存的访问时间，获得执行任务最快的处理器，将任务分配到该处理器上，完成初始化调度；步骤4，根据数据分类和初始化调度，对输入数据进行调度；步骤5，根据处理器处理任务和内存访问数据的能耗，对任务所在的处理器和数据所在的内存进行位置调整。本发明充分考虑了数据对任务调度的影响，提高了数据识别的能力，降低了能耗。
-
Patent Agency Ranking
公开(公告)号：CN113055374B
公开(公告)日：2022-07-08
申请号：CN202110258404.0
申请日：2021-03-10
Applicant: 湖南大学 , 湖南匡安网络技术有限公司
Abstract: 本发明公开了一种用于IEC104电力协议安全性测试的检测方法，其首先获取待检测设备的IP地址，通过基于Peach平台设计的检测程序与待检测设备进行报文交互，并且根据待检测设备回复的信息内容，结合预先定义的规则有针对性地构造异常数据报文并将其向待检测设备发送，在检测系统与待检测设备的通信过程中，监测程序也会同步地监测待检测设备的状态变化，如果检测程序或监测程序发现待检测设备出现异常情况，检测程序就会停止构造异常数据报文，转而核实该异常，若核实无误，则作为待检测设备存在的一个安全隐患进行记录。本发明提供的IEC104电力协议安全性测试方法以使用IEC104电力协议进行数据传输的站端设备为检测对象，能够有效地发现站端设备存在的安全隐患。
-
公开(公告)号：CN111479237B
公开(公告)日：2021-09-03
申请号：CN202010262063.X
申请日：2020-04-06
Applicant: 湖南大学
IPC: H04W4/40 , H04W4/44 , H04W4/46 , H04W4/06 , H04W12/03 , H04W12/02 , H04W12/122 , H04W84/18 , H04L9/00 , H04L9/06 , G08G1/017 , G08G1/065 , G08G1/01 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于区块链和深度学习的去中心化分布式VANET系统，包括多个车载单元OBU、多个通讯基站BS、以及多个边缘计算EC节点，车载单元和通讯基站之间通过无线通讯的方式通信，通讯基站与EC节点之间通过无线通讯或有线通讯的方式通信，EC节点之间是通过区块链网络彼此通信，车载单元用于与其附近的其他车辆的车载单元通过安全通信的方式共享车辆安全消息VSM，车载单元还用于与其对应的BS之间通过安全通信的方式共享VSM消息。本发明能够解决现有集中式VANET系统由于黑客可以执行各种网络攻击导致系统安全性差的技术问题，以及应用数据挖掘、机器学习和深度学习算法的VANET系统中存在的系统安全性差、对中央服务器过度依赖的技术问题。
-
公开(公告)号：CN113055374A
公开(公告)日：2021-06-29
申请号：CN202110258404.0
申请日：2021-03-10
Applicant: 湖南大学 , 湖南匡安网络技术有限公司
Abstract: 本发明公开了一种用于IEC104电力协议安全性测试的检测方法，其首先获取待检测设备的IP地址，通过基于Peach平台设计的检测程序与待检测设备进行报文交互，并且根据待检测设备回复的信息内容，结合预先定义的规则有针对性地构造异常数据报文并将其向待检测设备发送，在检测系统与待检测设备的通信过程中，监测程序也会同步地监测待检测设备的状态变化，如果检测程序或监测程序发现待检测设备出现异常情况，检测程序就会停止构造异常数据报文，转而核实该异常，若核实无误，则作为待检测设备存在的一个安全隐患进行记录。本发明提供的IEC104电力协议安全性测试方法以使用IEC104电力协议进行数据传输的站端设备为检测对象，能够有效地发现站端设备存在的安全隐患。
-
公开(公告)号：CN110175158B
公开(公告)日：2020-11-10
申请号：CN201910431788.4
申请日：2019-05-23
Applicant: 湖南大学
IPC: G06F16/18 , G06F16/2458 , G06F40/194 , G06F40/186
Abstract: 本发明公开了一种基于向量化的日志模板提取方法，其结合了离线日志模板提取和在线日志模板提取两个过程，离线日志模板提取先将所有的日志记录向量化后映射到一个高维向量空间，然后对所有向量进行聚类以实现对日志记录的分类，最后从每个类中提取出其中所有日志记录的最长公共单词子序列并用通配符替代不同的部分以作为该类的模板，在线日志模板提取基于离线提取的结果，对随着时间推移新产生的日志记录逐条进行处理，计算其向量化后的结果与已知各模板向量化后的结果的距离。本发明能够解决现有日志模板提取方法存在的不适合处理大量日志、普适性差、复杂性比较高的技术问题。
-
公开(公告)号：CN110377353A
公开(公告)日：2019-10-25
申请号：CN201910427002.1
申请日：2019-05-21
Applicant: 湖南大学
Abstract: 本发明提供一种计算任务卸载系统包括移动边缘计算服务器、用户终端及通信网络，所述移动边缘计算服务器承接所述用户终端卸载的计算任务，所述用户终端通过计算任务卸载方法实现把所述计算任务经通信网络卸载至所述边缘计算服务器上运行。所述计算任务卸载方法提供计算任务卸载模型，基于所述计算任务卸载模型制定计算任务卸载决策非合作博弈模型，通过所述非合作博弈模型制定基于博弈论原理的计算任务卸载博弈方法进而得到所述计算任务卸载方法。所述系统和方法联合优化每个用户终端计算任务卸载的能量消耗和时间延迟，找到实现每个用户终端计算任务卸载的能量消耗和时间延迟最小化的纳什均衡解。
-
-
-
-
-
-
-
-
-
Search Results
43
records
(took 0.021 seconds)
