-
公开(公告)号：CN110572828A
公开(公告)日：2019-12-13
申请号：CN201911018609.0
申请日：2019-10-24
Applicant: 山东省计算中心(国家超级计算济南中心)
Abstract: 本公开公开了基于国密算法的物联网安全认证方法、系统及终端，采集物联网终端的基本信息；将采集的物联网终端的基本信息进行加密处理，得到终端标识信息；将终端标识信息和会话密钥请求，发送给服务器；终端标识信息用于服务器对物联网终端进行有效性验证；超时判断步骤：判断是否超过设定时间段，如果超过，则返回终端标识信息制备步骤；如果未超时，则继续判断是否接收到服务器反馈的会话密钥应答消息；如果接收到服务器反馈的会话密钥应答消息，则对会话密钥应答消息进行解密并恢复出会话密钥；进入下一步；如果未接收到，则返回超时判断步骤；采用会话密钥对物联网终端的待传输的数据进行加密处理，将加密处理后的数据传输给服务器。
-
公开(公告)号：CN107122629B
公开(公告)日：2017-12-26
申请号：CN201710255286.1
申请日：2017-04-19
Applicant: 山东省计算中心(国家超级计算济南中心)
Abstract: 一种基于随机混淆的Android软件协同加固方法，包括如下步骤：a)解压获得classes.dex文件和bin文件；b)对classes.dex文件头header进行随机混淆；c)对源文件中的bin文件进行重命名；d)计算混淆后的classes.dex文件的hash值hash_dex；e)计算加载器loder的hash值hash_loder；f)对重命名后的bin文件进行加密并生成密文ciphertext；g）重新签名，打包生成加固后的APK。通过对dex头文件随机混淆加固以及对bin文件的安全动态加载加固。通过随机混淆的协同加固方法对Android软件进行保护，增强了代码的安全性。有效防止Android软件被恶意篡改或盗版的现象发生。
-
公开(公告)号：CN107368587A
公开(公告)日：2017-11-21
申请号：CN201710606624.1
申请日：2017-07-24
Applicant: 山东省计算中心(国家超级计算济南中心)
Abstract: 本发明公开一种基于扩展熵的无监督特征的选择方法及系统，所述选择方法包括根据原始备选特征集中的任意备选特征变量与剩余备选特征变量之间的相关度选择第一个特征变量添加到已选特征集中，从原始备选特征集中剔除第一个特征变量；根据当前备选特征集中的任意备选特征变量与剩余备选特征变量之间的相关度，与已选特征集之间的冗余信息程度，确定当前特征变量以及相关度变化参数；将当前备选特征变量添加到已选特征集中；判断相关度变化参数是否小于设定阈值，如果是则选择结束；否则，将从当前备选特征集中剔除当前特征变量，继续选择下一个特征变量。本发明可处理连续的特征变量，以提高选择的特征变量组合的信息量。
-
公开(公告)号：CN119474622B
公开(公告)日：2025-03-14
申请号：CN202510059378.7
申请日：2025-01-15
Applicant: 山东省计算中心(国家超级计算济南中心)
Abstract: 本公开提供了一种面向电磁有限元方程组的并行迭代求解方法及系统，涉及电磁有限元技术领域，包括：构建待求解的电磁有限元方程组#imgabs0#；将电磁有限元方程组划分为多个计算子任务，将子任务的子矩阵块#imgabs1#和子右端项向量#imgabs2#分配给超级计算机中的各进程；利用初始化后的Householder‑GMRES算法，各进程并行进行子任务的计算，得到各进程的局部最优解#imgabs3#；对各进程的局部最优解#imgabs4#进行汇总，得到电磁有限元方程组的最优解#imgabs5#；本发明将电磁有限元、Householder‑GMRES算法、并行计算三者结合起来，利用并行优化技术提高电磁有限元线性方程组求解效率。
-
公开(公告)号：CN119597458A
公开(公告)日：2025-03-11
申请号：CN202411623640.8
申请日：2024-11-14
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学(山东省科学院)
IPC: G06F9/50 , G06F16/242 , G06F16/27 , G06F16/28
Abstract: 本发明涉及一种基于查询成本预测的资源组管理方法与系统，包括：数据采集与预处理；查询成本预测：输入XGBoost‑TF‑IDF算法，训练查询成本预测模型，再输入训练好的查询成本预测模型，预测用户提交的查询任务需要消耗的集群资源；集群配置：优化内存池的分配方式，再配置集群资源组为即时任务资源组和批处理任务资源组，分别优化即时任务资源组和批处理任务资源组的资源配置；资源组分类优化：根据查询任务的预测成本，将查询任务标记为即时任务或批处理任务并分发到相应资源组，并利用查询任务的预测成本对资源组进行动态的资源扩容和限制。通过本发明，合理分配集群的内存资源，提高查询集群的查询效率和稳定性。
-
Patent Agency Ranking
公开(公告)号：CN119520228A
公开(公告)日：2025-02-25
申请号：CN202411644819.1
申请日：2024-11-18
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学(山东省科学院)
IPC: H04L41/0631 , H04L41/0677 , H04L41/0823 , H04L41/0897 , H04L41/149 , H04L41/16 , H04L47/80 , H04L47/83
Abstract: 本发明涉及云边环境中LLM增强的智能化微服务迁移方法及系统，包括：基于LLM和LSTM的待迁移微服务定位方法，根据需要迁移的历史异常事件，分析判断当前异常是否需要进行微服务迁移，如果需要迁移，则准确定位导致异常的待迁移微服务；采用基于动态GCN和BO的多目标微服务迁移决策方法，根据微服务的长期性能和运行成本，智能地为每个待迁移的微服务选择合适的节点进行迁移。本发明显著提高了判断当前异常是否需要进行迁移的准确性，并能够精准定位导致异常的待迁移微服务。有效避免了频繁迁移可能导致的网络拥堵、服务中断、性能下降以及资源利用不平衡等问题，从而实现了微服务迁移后系统性能的长期稳定性，并显著降低了运行成本。
-
公开(公告)号：CN119149240A
公开(公告)日：2024-12-17
申请号：CN202411594962.4
申请日：2024-11-11
Applicant: 齐鲁工业大学(山东省科学院) , 山东省计算中心(国家超级计算济南中心)
IPC: G06F9/50
Abstract: 本发明提出面向深度学习的细粒度、干扰感知的GPU调度方法及系统，涉及GPU资源调度技术领域。包括在离线阶段收集工作负载的资源需求信息；生成每个应用程序对应的在GPU上执行的CUDA内核任务；拦截每个应用程序CUDA内核任务的启动请求，并将启动请求对应的CUDA内核任务缓存在每个应用程序对应的任务队列中；对于高优先级应用程序，直接将对应任务队列中的CUDA内核任务提交给GPU调度；对于低优先级应用程序，根据干扰评分以及资源需求判断是否提交CUDA内核任务至GPU进行调度。本发明能够减少任务之间的资源冲突和干扰，实现GPU资源共享，提高GPU资源利用率。
-
公开(公告)号：CN119128794A
公开(公告)日：2024-12-13
申请号：CN202411152070.9
申请日：2024-08-21
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学(山东省科学院)
IPC: G06F18/25 , G06F18/214 , G06N3/0442
Abstract: 本发明提出一种基于记忆重放变分自动编码器的IoT数据在线预测系统，系统包括：预测模块，用于将待预测IoT数据输入至训练好的记忆重放VAE，得到预测结果；训练模块，用于训练记忆重放VAE，记忆重放VAE包括编码器和生成器；记忆重放VAE的训练过程为：将第一样本数据输入编码器，得到第一样本潜在因素和第一样本预测结果；生成器基于第一样本潜在因素得到第一样本重放数据；将第二样本数据和第一样本重放数据输入编码器，得到融合样本潜在因素，以及相应预测结果；基于标签和得到的预测结果，计算损失函数，当损失最小时，训练完成。本发明基于OLVAE结合注意力机制和脑重放机制，缓解编码器对旧知识的遗忘，实现IoT数据的高效预测。
-
公开(公告)号：CN118211268A
公开(公告)日：2024-06-18
申请号：CN202410428512.1
申请日：2024-04-10
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学(山东省科学院)
IPC: G06F21/62 , G06V10/30 , G06V10/774 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/098
Abstract: 本公开提供了基于扩散模型的异构联邦学习隐私保护方法及系统，涉及联邦学习隐私保护技术领域，包括建立服务器端与客户端的通信通道；获取客户端类别分布不均匀的数据上传至服务端，将所述类别分布不均匀的数据作为去噪扩散模型的输入，在服务器端生成符合数据分布的图像；利用生成的图像数据进行异构联邦学习的训练，服务器端初始化全局模型参数，并分发给随机选择的客户端，利用知识蒸馏方法，将全局模型看作教师网络，把上一轮的本地模型看作学生网络，进行本地模型的训练和参数上传，服务端利用各个客户端的上传的本地模型参数进行全局模型聚合，完成知识迁移。
-
公开(公告)号：CN117496434A
公开(公告)日：2024-02-02
申请号：CN202311478776.X
申请日：2023-11-08
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学(山东省科学院)
IPC: G06V20/52 , G06V40/20 , G06V10/44 , G06V10/25 , G06V10/80 , G06V10/26 , G06N3/045 , G06N3/0464 , G06N3/048 , G06N3/082
Abstract: 本发明涉及一种基于改进YOLOv5算法的学生行为检测方法及系统，包括：获取待检测的教室的图片并进行预处理；将预处理后的图片输入训练好的改进的YOLOv5网络模型中进行学生行为检测，得到学生行为检测结果；改进的YOLOv5包括骨干网络bockbone、neck层和Head层，骨干网络bockbone包括Conv模块、C3模块、SACA模块以及BasciRFB模块。本发明将SPP模块替换为BasicRFB模块，同时搭建SACA模块，先经过SACA模块获取通道相关性权重特征以及空间信息权重特征，可以更好的获取有效特征信息，再经过BasicRFB模块进行特征提取，可以对目标模型特征达到更好的识别效果。
-
-
-
-
-
-
-
-
-
Search Results
162
records
(took 0.048 seconds)
