一种程序代码在图像中隐藏、解析的方法及系统

    公开(公告)号:CN112017099B

    公开(公告)日:2023-12-15

    申请号:CN202010915593.X

    申请日:2020-09-03

    Abstract: 本发明公开了一种程序代码在图像中隐藏、解析的方法及系统,所述隐藏方法包括以下步骤:获取包含待隐藏程序的字符串;将所述待隐藏字符串转换为二进制串并进行置反,得到新的二进制串;将新的二进制串转化为二值图像;将二值图像嵌入到宿主图像中。本发明通过置反对隐藏信息进行加密,通过二值图像嵌入宿主图像的方式实现信息隐藏,隐藏效果好,不易破解。(56)对比文件付磊.二值图像信息隐藏算法的设计与评估《.中国优秀硕士论文全文数据库》.2012,全文.Gyan Singh Yadav.A Fast and EfficientData Hiding Scheme in Binary Images《.2012Eighth International Conference onIntelligent Information Hiding andMultimedia Signal Processing》.2012,全文.周清雷;黄明磊.JPEG图像的信息隐藏方法.计算机工程与设计.2010,(第19期),全文.孙敏;苏显渝.基于RGB图像传输的双随机相位加密隐藏技术.光子学报.2008,(第02期),全文.

    一种在超算互联网中超算中心数据备份的方法及装置

    公开(公告)号:CN115242806B

    公开(公告)日:2023-09-29

    申请号:CN202210669160.X

    申请日:2022-06-14

    Abstract: 本发明提供一种在超算互联网中超算中心数据备份的方法及装置,方法包括:将多个超算中心部署在不同的区域,各个超算中心通过超算互联网相互连通,处于受灾区域的超算中心为受灾超算中心,接收受灾超算中心发送的备份数据的超算中心为备份超算中心;设置最小化数据备份时间机制;当灾难警报触发时,受灾超算中心根据启动的最小化数据备份时间机制选择备份超算中心和相应的备份路径将数据进行备份。本发明将各个超算中心部署在不同的区域,在灾难将要发生时,受灾的超算中心将数据快速备份到其他的超算中心,并设置最小化数据备份时间机制,以实现分布式超算互联网中所有的超算中心的灾难数据备份和最小化数据备份时间,提高数据安全性。

    用于大规模稀疏方程组求解的并行超节点排序方法及系统

    公开(公告)号:CN115952385B

    公开(公告)日:2023-05-05

    申请号:CN202310224172.6

    申请日:2023-03-10

    Abstract: 本发明公开了一种用于大规模稀疏方程组求解的并行超节点排序方法及系统,涉及高性能计算技术领域,针对在稀疏矩阵LU分解过程中生成的超级节点块状矩阵,基于二维进程网格,按照块状矩阵的行和列循环映射矩阵数据,将该块状矩阵的上三角部分数据通过转置映射到处理下三角部分数据的进程中,同时采用动态分配资源的策略,根据实际映射到进程的行矩阵块的数量,为每个进程网格中的进程分配内存,以此节省大量的内存空间,提高内存扩展性,并提高稀疏矩阵求解的规模扩展性,解决现有排序方法无法适用于求解大规模稀疏线性方程组的问题。

    基于并行随机迭代求解线性方程组的断层成像方法及系统

    公开(公告)号:CN115619890A

    公开(公告)日:2023-01-17

    申请号:CN202211545390.1

    申请日:2022-12-05

    Abstract: 本发明提出了基于并行随机迭代求解线性方程组的断层成像方法及系统,涉及计算机断层成像技术领域,建立以像素点吸收系数为未知数的线性方程组;将线性方程组的求解任务按行划分到各处理器上;迭代并行计算各处理器对当前近似解的最优投影和新的近似解,直到新的近似解满足设置的求解精度要求,新的近似解为线性方程组的最终解,即为断层每个像素点的吸收系数;将吸收系数的大小作为灰度图像的像素点亮度大小,绘制断层图像;本发明使用多个处理器并行计算,有效地解决现有方法存储和计算的瓶颈,高效求解计算机断层成像中高精度扫描所产生的高维方程组,减少求解所消耗的内存空间和求解时间,使得计算机断层成像可以产生更高精度的图像。

    一种性能感知的大规模微服务智能多资源协同调度方法及系统

    公开(公告)号:CN115037749A

    公开(公告)日:2022-09-09

    申请号:CN202210644605.9

    申请日:2022-06-08

    Abstract: 本发明涉及一种性能感知的大规模微服务智能多资源协同调度方法及系统,包括:采集微服务资源使用信息与微服务运行时信息并进行数据预处理;对资源协同调度进行决策的性能感知的多层联动;对微服务进行资源调度的资源分配。通过自动的信息采集可以实时地感知微服务的资源使用和延迟性能等情况;在此基础上,利用多智能体深度强化学习方法可以捕获各个微服务之间的依赖关系,并根据工作负载的动态变化协同地对每个微服务所使用的多种资源进行弹性细粒度的调整。本发明可以在尽可能保障大规模微服务应用的尾延迟SLO的同时,降低微服务每个资源维度的资源冗余,进而提高整体资源利用率。

Patent Agency Ranking