-
公开(公告)号：CN102684808A
公开(公告)日：2012-09-19
申请号：CN201210183623.8
申请日：2012-06-06
Applicant: 哈尔滨工业大学
IPC: H04J3/06
Abstract: 本发明公开了一种自适应时钟同步系统，包括：主服务层，包括一台或多台主时间服务器，其中，主时间服务器外接原子钟；二级服务层，包括多台二级时间服务器，一部分二级时间服务器与主时间服务器进行时间同步，另一部分二级时间服务器相互之间进行时间同步；客户层，包括若干终端，终端向二级时间服务器发出时间同步请求，进行时间同步。本发明能够在基准时间源发生故障时，自动寻找合适的时间源，使系统自动完成同步网的配置，使得时间同步网拥有足够的稳定性和健壮性，自适应能力强；同时，具有较好的安全性。本发明使用了分层级的体系结构，层次分明，布局清晰，具有较强的可扩展性，适应业务的增长。
-
公开(公告)号：CN101729297B
公开(公告)日：2011-12-07
申请号：CN200910310286.2
申请日：2009-11-24
Applicant: 哈尔滨工业大学
IPC: H04L12/24
Abstract: 基于矢量图和位图的大规模网络拓扑平面可视化方法，涉及到网络拓扑平面的可视化技术。它解决了现有采用矢量图显示大规模网络拓扑图存在的算法复杂、刷新速度慢的问题。本发明采用三个图层的位图来显示网络拓扑图，第一图层是采用空白位图表示的图形区域；在图形区域上的第二图层是带有坐标的位图区域；在位图区域上的第三图层是客户区域；采用矢量图形文件保存的节点的位置和曲线、颜色；并将矢量图映射到位图区域上；在图形移动的过程，采用位图移动方法移动客户区域，在图形的缩放过程中，首先对矢量图进行缩放，然后将缩放后的矢量图再映射到位图上。本发明具有放缩无失真、显示速度快优点，尤其适用于大规模无向图的可视化技术中。
-
公开(公告)号：CN119892387A
公开(公告)日：2025-04-25
申请号：CN202411422530.5
申请日：2024-10-12
Applicant: 哈尔滨工业大学
Abstract: 一种基于反检测蜜罐的物联网僵尸网络生命周期检测方法及系统，涉及网络安全检测及防御技术领域。本发明的目的是为了实现准确识别反检测蜜罐捕获的物联网僵尸网络流量所处的生命周期，避开攻击者的虚拟检测技术实现对物联网僵尸网络流量更高的欺骗性。首先基于生成对抗网络设计具备反检测功能的蜜罐，经过训练后根据不同的请求数据生成逼真的响应数据，从而提升它的欺骗能力。基于融合长短期记忆网络设计物联网僵尸网络生命周期检测方法。经过对Fusion‑LSTM训练后，可以准确识别反检测蜜罐捕获的物联网僵尸网络流量所处的生命周期。该方法可以避开攻击者的虚拟检测技术实现对物联网僵尸网络流量更高的欺骗性，同时可以准确的识别流量所处的生命周期，从而尽早作出防护应对。
-
公开(公告)号：CN118797155B
公开(公告)日：2025-04-22
申请号：CN202410789176.3
申请日：2024-06-19
Applicant: 哈尔滨工业大学
IPC: G06F16/9535 , G06F40/30 , G06V30/41 , G06V30/40 , G06V30/148 , G06V30/19 , G06V10/82 , G06N3/042 , G06N3/08
Abstract: 本发明公开了一种基于多视角跨模态语义对齐的多模态推荐方法及系统，涉及多模态推荐技术领域。本发明的技术要点包括：提取训练数据的用户信息、物品信息、用户‑物品交互信息和多模态辅助信息，所述多模态辅助信息包括文本模态和视觉模态；对多模态辅助信息进行处理，获取包含多模态嵌入文本表示和视觉表示的语义信息；将用户信息、物品信息、用户‑物品交互信息和语义信息输入多模态神经网络模型中进行训练；利用训练好的多模态神经网络模型进行多模态推荐。本发明解决了模态间语义鸿沟问题，通过多视角语义建模进行细粒度模态语义对齐，实验结果证明了本发明的优越性和有效性。
-
公开(公告)号：CN119782622A
公开(公告)日：2025-04-08
申请号：CN202411977708.2
申请日：2024-12-31
Applicant: 哈尔滨工业大学
IPC: G06F16/9535 , G06F16/9538 , G06F18/25 , G06F40/30 , G06N3/042 , G06N3/0499 , G06N3/045
Abstract: 本发明一种基于大模型与图神经网络相结合的用户行为序列推荐方法、系统及存储介质，涉及行为序列推荐技术领域，为解决现有的方法难以将大语言模型的文本特征提取能力与序列推荐的动态建模能力进行深度融合，难以实现准确、全面的推荐的问题。本发明的LLM‑SR模型的基于大模型的物品文本表示学习模块通过大语言模型提取物品文本的高质量语义嵌入，结合线性层映射和多层感知机生成适配推荐任务的物品表示；通过基于图神经网络的序列表示学习模块利用会话图和全局图捕捉物品的局部顺序关系和跨会话共现关系，生成用户行为序列的综合表示；通过预测评分计算模块将用户序列表示与候选物品嵌入的点积计算物品评分并排序，生成最终的推荐结果。
-
Patent Agency Ranking
公开(公告)号：CN119740252A
公开(公告)日：2025-04-01
申请号：CN202411940742.2
申请日：2024-12-26
Applicant: 哈尔滨工业大学
IPC: G06F21/60 , G06F9/48 , G06F9/54 , G06N3/0464 , G06N3/063
Abstract: 一种针对同态加密技术的GPU加速方法及系统，涉及同态加密和GPU加速技术，为了解决实现同态加密需进行复杂的系数位数较长的多项式计算而GPU缺乏处理这种这类数据的能力的问题而提出的，本发明的技术要点包括：采用一种基于线程束洗牌的优化技术，以消除同步开销；利用内核融合，以解决内存访问和计算之间的不平衡问题；对于神经网络推理应用，针对不同场景设计了不同的编码方法：对于小批量数据，采用一种基于大步小步算法的全连接层计算方法，减少了数据传输所需的旋转密钥数量。对于大批量数据，引入了一种基于流的计算方法来提高GPU利用率。本发明通过线程束洗牌、内核融合和神经网络推理优化，相比同态加密开源库SEAL实现了256倍的加速，分别在卷积神经网络上为小批量和大批量数据提供了毫秒和亚毫秒的推理速度。
-
公开(公告)号：CN111966397B
公开(公告)日：2025-01-07
申请号：CN202010710022.2
申请日：2020-07-22
Applicant: 哈尔滨工业大学
Abstract: 一种异构并行程序自动移植和优化方法，属于异构并行程序开发技术。本发明是为了实现CPU并行程序自动移植、在减轻开发人员工作负担的同时提高程序性能，从而解决并行指令转换、数据传输管理及优化问题。技术要点：构建异构并行程序自动移植系统的框架，异构并行程序自动移植系统用于将OpenMP CPU并行程序自动翻译为OpenMP Offloading异构并行程序；一致性状态转换形式化，保证数据一致性的前提下，优化传输操作，减少冗余数据传输；运行时库设计，运行时库用于提供自动数据传输管理和优化功能，维护每个变量内存区域一致性状态；源到源翻译器设计，翻译器用于自动转换并行指令及自动插入运行时API。该方法可以自动识别CPU并行指令并转换为加速器并行指令，提高程序性能。
-
公开(公告)号：CN115660147B
公开(公告)日：2024-10-15
申请号：CN202211171903.7
申请日：2022-09-26
Applicant: 哈尔滨工业大学
IPC: G06Q10/04 , G06Q50/00 , G06N3/045 , G06N3/042 , G06N3/0464 , G06N3/0442 , G06N3/048 , G06N3/08
Abstract: 一种基于传播路径间与传播路径内影响力建模的信息传播预测方法及系统，涉及信息传播预测技术领域，用以解决在一段时间之后信息在社交网络中流行度增长量的预测问题。本发明的技术要点包括：使用图神经网络对级联图进行建模，得到聚合邻居节点状态与特征的节点表示；通过深度游走算法对整体级联网络图进行采样，获得级联图的序列集合，将图形神经网络嵌入表示与Deepwalk嵌入表示进行拼接来更新序列中各个节点的信息；将附有邻居信息的节点表示序列输入双向LSTM中，同时将时序信息经过注意力机制引导对序列进行整合，增强了级联预测模型的理解能力与预测能力。本发明兼顾级联传播路径间与传播路径内影响力传递性，以及纳入时序与结构因素互补性的有效性。
-
公开(公告)号：CN118734213A
公开(公告)日：2024-10-01
申请号：CN202410729185.3
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 , G06N3/084 , G06N3/098
Abstract: 本发明提出一种隐私保护的图联邦节点异常检测方法，属于联邦学习技术领域。包括：S1.构建图节点异常检测模型，通过最小化损失函数得到客户端本地模型参数和累积梯度信息；S2.模型输出各节点的异常分数，客户端对模型使用分层相关性传播算法，得到各神经元的相关性权重，获得隐私保护梯度信息，将信息发送到云服务器；S3.云服务器聚合运算，使用聚合后信息对全局模型更新；将全局模型参数广播下发至客户端；S4.迭代执行S1至S3直到达到预设的模型聚合次数后停止执行，完成隐私保护的图联邦节点异常模型的训练。解决图联邦节点异常检测方法不能有效且严格地保护参与方的图数据隐私性和参数噪音加强所带来的精度损失的问题。
-
公开(公告)号：CN117171448B
公开(公告)日：2024-05-28
申请号：CN202311015948.X
申请日：2023-08-11
Applicant: 哈尔滨工业大学
IPC: G06F16/9536 , G06F16/9535 , G06N3/09 , G06N3/04 , G06N3/045
Abstract: 一种基于图神经网络的多行为社会化推荐方法及系统，涉及推荐技术领域，为了解决现在的推荐方法没有区分与交互行为相关联的信任传播过程。本发明提出一个多行为社会化推荐框架MB‑Soc模型，该模型将细粒度的多行为信息集成到社交推荐架构中，MB‑Soc架构由四个主要部分组成：嵌入层、传播层、多行为集成层和预测层。本发明提出了一种全新的多行为社会化推荐框架MB‑Soc来探索社交推荐中的细粒度信任传播过程，对实体的多种类行为在社交网络中的传播进行区分，并完成在社会化推荐场景下的差分化传播。本发明完成了在真实数据集上的可扩展实验，大量实验证明了本发明所提出的MB‑Soc模型的优越性和有效性。
-
-
-
-
-
-
-
-
-
Search Results
186
records
(took 0.038 seconds)
