-
公开(公告)号：CN101808084B
公开(公告)日：2012-09-26
申请号：CN201010109449.3
申请日：2010-02-12
Applicant: 哈尔滨工业大学
IPC: H04L29/06
Abstract: 一种大规模网络安全事件模拟与仿真方法及其控制方法，涉及网络安全事件仿真领域。解决了现有的网络安全模拟系统存在无法进行全面的安全事件模拟的问题。具体步骤如下：A、根据拓扑数据进行链路带宽和延迟的估算，获得路由节点的连接关系文件，将安全事件文件的格式转换；B、根据拓扑和并行模拟的粒度，对路由节点的连接关系文件进行划分，使其能够部署在多机并行的环境下进行并行模拟，并根据划分结果更新相应的拓扑数据文件；C、按照相应的规则生成并行模拟可用的模拟脚本，不同模拟节点上的模拟脚本相同，每个节点读取与自己有关的部分脚本，共同完成模拟任务。本发明适用于大规模的网络安全事件模拟。
-
公开(公告)号：CN101783752B
公开(公告)日：2012-04-18
申请号：CN201010108420.3
申请日：2010-02-10
Applicant: 哈尔滨工业大学
Abstract: 一种基于网络拓扑特征的网络安全量化评估方法，它涉及网络安全技术领域，它解决了现有的网络安全量化评估过程中忽略网络拓扑特征的问题。本发明的过程为：步骤一：选取用于评估网络安全事件损害程度的网络性能指标；步骤二：定义网络熵值Hi＝-log2Vi；步骤三：计算每一个网络性能指标的指标权重；步骤四：利用格兰姆-施密特正交化方法去除多个网络性能指标间的相关性，获得多个去相关网络性能指标；步骤五：获得安全事件损害程度ΔH和安全事件损害等级；步骤六：利用析因设计方法并结合安全事件损害程度ΔH，实现量化网络拓扑特征进行评估网络安全事件对网络性能的影响程度。本发明为指导网络安全宏观预警与响应提供了参考信息。
-
公开(公告)号：CN101741611B
公开(公告)日：2012-04-18
申请号：CN200910073338.9
申请日：2009-12-03
Applicant: 哈尔滨工业大学
IPC: H04L12/24
Abstract: 基于MLkP/CR算法的无向图分割方法，涉及到网络拓扑图的可视化技术领域。它解决了现有无向图分割方法中存在的不能够保证图形的自连通性的问题。所述方法分为三个阶段：规约阶段：对待分割的无向图G0(V0，E0)进行规约降低拓扑图的规模，获得无向图Gn(Vn，En)；初始化分阶段：对无向图Gn(Vn，En)进行k划分获得k个子图，每个子图都是自连通的；优化求精阶段：分别对k个子图进行优化求精，并还原成原图G0(V0，E0)，获得划分后的无向图G0(V0，E0)。本发明的方法能够保证每一个子图内部是连通的、并且子图间联系较少，使得图形中各个部分相对独立。本发明可应用于拓扑图形分割所应用在各个领域，包括并行计算、VISL设计、任务规划和地理信息系统GIS等领域。
-
公开(公告)号：CN101488872B
公开(公告)日：2011-02-09
申请号：CN200910071229.3
申请日：2009-01-09
Applicant: 哈尔滨工业大学
Abstract: 生物信息计算网格系统，本发明涉及生物信息计算领域。它解决了单个计算机难以完成大规模的生物信息计算的问题。它包括生物信息计算门户网站服务器、多个生物信息计算服务的发布者终端和多个服务的使用者终端；生物信息计算服务的发布者终端向生物信息计算门户网站服务器提供服务的源代码或可执行程序；服务的使用者终端从生物信息计算门户网站服务器寻找自己需要的服务，并通过生物信息计算门户网站服务器运行生物信息计算服务的发布者终端上的可执行程序以获得结果，或者服务的使用者终端根据提供的源代码自行编写程序在生物信息计算服务的发布者终端上运行；生物信息计算服务的发布者终端所提供的源代码或可执行程序以XML文件形式发布。
-
公开(公告)号：CN101741611A
公开(公告)日：2010-06-16
申请号：CN200910073338.9
申请日：2009-12-03
Applicant: 哈尔滨工业大学
IPC: H04L12/24
Abstract: 基于MLkP/CR算法的无向图分割方法，涉及到网络拓扑图的可视化技术领域。它解决了现有无向图分割方法中存在的不能够保证图形的自连通性的问题。所述方法分为三个阶段：规约阶段：对待分割的无向图G0(V0，E0)进行规约降低拓扑图的规模，获得无向图Gn(Vn，En)；初始化分阶段：对无向图Gn(Vn，En)进行k划分获得k个子图，每个子图都是自连通的；优化求精阶段：分别对k个子图进行优化求精，并还原成原图G0(V0，E0)，获得划分后的无向图G0(V0，E0)。本发明的方法能够保证每一个子图内部是连通的、并且子图间联系较少，使得图形中各个部分相对独立。本发明可应用于拓扑图形分割所应用在各个领域，包括并行计算、VISL设计、任务规划和地理信息系统GIS等领域。
-
Patent Agency Ranking
公开(公告)号：CN101488872A
公开(公告)日：2009-07-22
申请号：CN200910071229.3
申请日：2009-01-09
Applicant: 哈尔滨工业大学
Abstract: 生物信息计算网格系统，本发明涉及生物信息计算领域。它解决了单个计算机难以完成大规模的生物信息计算的问题。它包括生物信息计算门户网站服务器、多个生物信息计算服务的发布者终端和多个服务的使用者终端；生物信息计算服务的发布者终端向生物信息计算门户网站服务器提供服务的源代码或可执行程序；服务的使用者终端从生物信息计算门户网站服务器寻找自己需要的服务，并通过生物信息计算门户网站服务器运行生物信息计算服务的发布者终端上的可执行程序以获得结果，或者服务的使用者终端根据提供的源代码自行编写程序在生物信息计算服务的发布者终端上运行；生物信息计算服务的发布者终端所提供的源代码或可执行程序以XML文件形式发布。
-
公开(公告)号：CN118916786A
公开(公告)日：2024-11-08
申请号：CN202411043427.X
申请日：2024-07-31
Applicant: 哈尔滨工业大学
IPC: G06F18/2415 , G06F18/213 , G06N3/042 , G06N3/0455 , G06N3/047 , G06N3/084 , G06F123/02
Abstract: 本发明公开了一种基于时序异构图注意力网络的动态链路预测方法及系统，涉及网络链路预测技术领域。本发明的技术要点包括：获取时序异构网络的时序异构图；将时序异构图按照时间顺序划分为训练集和测试集，获取预测时间；基于训练集和测试集训练获得链路预测模型；将待预测时序异构网络数据输入训练好的链路预测模型中进行链路预测；其中，对于异构性，使用异构邻居随机游走来捕获异构信息；对于时序信息，使用时间编码器对时间信息进行编码；对于新节点，使用归纳图表示学习方法，聚合节点邻域的结构特征，从而快速生成新子图中的节点嵌入。本发明在时序异构网络链路预测任务上具有显著优势。
-
公开(公告)号：CN117130748B
公开(公告)日：2024-10-22
申请号：CN202311097095.9
申请日：2023-08-29
Applicant: 哈尔滨工业大学
Abstract: 一种基于异构多核平台上类型化DAG任务的分析及调度方法，涉及DAG任务调度技术领域。本发明的目的是为了实现在异构多核平台上基于划分调度的类型化DAG任务的分析和处理器资源分配，提高核心的资源利用率。本发明研究基于异构多核平台上采用划分调度的类型化DAG任务的最坏情况响应时间和分配策略。本发明通过深入分析类型化DAG任务的拓扑结构的特点提出了一种全新的WCRT上界，并给出一种基于迭代方法的分析算法，该算法能够在多项式时间内计算出本发明提出的最新WCRT上界。本发明还提出了一种启发式的分配策略，该策略将DAG任务中的子任务分配到不同的核心上从而提升系统处理器资源的利用率。实验结果表明，本发明提出的WCRT分析方法和分配策略在可调度性测试方面相较于最新的方法分别提高了34.9％和26.4％。
-
公开(公告)号：CN118734212A
公开(公告)日：2024-10-01
申请号：CN202410729183.4
申请日：2024-06-06
Applicant: 上海浦东发展银行股份有限公司 , 哈尔滨工业大学
IPC: G06F18/2433 , G06F18/213 , G06N3/042 , G06N3/0895
Abstract: 本发明提出一种基于多视图对比学习的半监督图异常检测方法，属于图节点异常检测技术领域。包括：S1.基于节点特征和属性图的边进行采样，生成图节点属性与网络结构的增强图；S2.将图节点属性和网络结构编码为节点嵌入表示；S3.基于节点嵌入表示构建多视图图对比模块，挖掘异常信息；S4.构建图节点异常检测模型，利用图异常训练数据集训练图节点异常检测模型。解决缺少使用极少标签获得较高的检测结果的问题，本发明结合多视角对比，即样本‑样本、样本‑实例和正常‑异常对比，以捕获属性图区分正常节点和异常节点的信息，实现利用少量标记数据来增强大量未标记数据嵌入表示，提高正常节点和异常节点的区分度，提升图异常检测性能。
-
公开(公告)号：CN117667336A
公开(公告)日：2024-03-08
申请号：CN202311276347.4
申请日：2023-09-30
Applicant: 哈尔滨工业大学
Abstract: 一种面向GPU系统深度学习推理的能效感知自适应调度方法及系统，涉及GPU系统深度学习技术领域。本发明的目的是为了提高GPU推理过程中的能耗效率，根据GPU当前环境，自适应地选择当前最合适的批处理大小和GPU频率大小来降低GPU推理的能耗，最终做到能效的最大化。能效自适应调度器根据波动的工作负载自适应地协调批处理大小和GPU核心频率大小，并使用强化学习算法训练模型以在满足延迟SLO的同时降低延迟和深度学习推理服务的能耗：智能体在每一时刻，根据环境的状态，依据一定的策略选择一个动作，然后环境依据一定的状态转移概率转移到下一个状态，与此同时根据此时状态的好坏反馈给智能体一个奖励；智能体根据环境的反馈调整其策略，然后继续在环境中探索，最终学习到一个能够获得最多奖励的最优策略，最终实现能效感知自适应调度。
-
-
-
-
-
-
-
-
-
Search Results
186
records
(took 0.038 seconds)
