面向深度学习的大规模负载混部调度方法、装置及介质

    公开(公告)号:CN116089021A

    公开(公告)日:2023-05-09

    申请号:CN202310369688.X

    申请日:2023-04-10

    Applicant: 北京大学

    Abstract: 本申请提供一种面向深度学习的大规模负载混部调度方法、装置及介质,涉及集群调度技术领域,包括:获取任务队列;获取第一特征、第二特征,并基于所述第一特征获取共享配置;将所述第一特征、所述第二特征以及所述共享配置输入速度预测模型,获取共享吞吐量数据;基于所述共享吞吐量数据以及所述任务队列,获取调度二部图;基于所述调度二部图的最大权值,确定所述第一时间节点的最优调度方案。本申请通过引入在线负载对应的第一特征获取共享配置,保证了生成的第一时间节点下的最优调度方案可以不影响在线负载的延迟限制;同时生成的调度二部图中将最大权值的调度方案作为最优调度方案,保证了离线负载的执行效率。

    一种泛在环境下的数字对象访问事务存证方法和装置

    公开(公告)号:CN115481446A

    公开(公告)日:2022-12-16

    申请号:CN202211059908.0

    申请日:2022-08-31

    Applicant: 北京大学

    Abstract: 本申请提供了一种泛在环境下的数字对象访问事务存证方法和装置,属于数字对象架构技术领域,本申请实施例通过多个数字对象的位置信息,将多个数字对象划分为不同共识组,每个共识组维护一条由若干个事务区块组成的区块链,在任一事务区块生成第一新增事务区块的情况下,在当前共识组完成对第一新增事务区块的共识后,通过邻接区块哈希指针集,将第一新增事务区块的块头分别广播至所有邻接共识组内进行存储,使得当任何一个事务区块内容被篡改,除了导致共识组内的哈希指针验证失败,还会导致邻接共识组中的邻接区块哈希指针的验证失败,极大地增加事务记录的篡改难度,提高泛在环境下数字对象访问事务的可信存证需求。

    基于远程证明的接口型数字对象真实性验证方法及装置

    公开(公告)号:CN115051810A

    公开(公告)日:2022-09-13

    申请号:CN202210696527.7

    申请日:2022-06-20

    Applicant: 北京大学

    Abstract: 本发明实施例提供了一种基于远程证明的接口型数字对象真实性验证方法及装置,包括:数据供给端接收数据使用端发送的数据获取请求;响应于数据获取请求,执行数据获取请求所指示的目标数据API,并利用可信测量引擎对目标数据API的可执行文件、执行过程以及执行结果进行测量,得到测量结果;基于测量结果以及可信测量引擎的数据签名,生成数据来源真实性证明报告;向数据使用端返回执行结果和数据来源真实性证明报告。数据使用端接收数据供给端返回的执行结果和证明报告;基于预先计算获取的合法测量结果对证明报告中的相关内容进行验证,以确保数据API的可执行文件、执行过程以及执行结果的完整性,从而保障所获得的共享数据本身的正确性和真实性。

    一种面向泛在资源的拉模式可信预言机的软件定义方法

    公开(公告)号:CN113935058B

    公开(公告)日:2022-02-18

    申请号:CN202111529265.7

    申请日:2021-12-15

    Applicant: 北京大学

    Abstract: 本申请实施例提供一种面向泛在资源的拉模式可信预言机的软件定义方法,涉及区块链技术领域,所述方法包括:执行环境、审计机制分别计算主密钥的前半部分、后半部分;审计机制将后半部分的一部份发送给执行环境,使执行环境生成部分的TLS Key,执行环境依据部分TLS Key接收合约节点发送的资源,将接收数据的信息摘要发送至审计机制;审计机制收到信息摘要后使执行环境拥有完整的TLS Key来解密资源,以进行部署生成执行进程;审计机制重新接收资源以进行审计,审计完成后,执行环境返回执行进程的调用ID和审计结果。本申请的方法主动将资源发送到预言机中生成调用接口,一次调用就能实现链下资源的软件定义化,还能为执行提供真实性证明。

    一种基于运行时模型实现对终端应用控制的方法

    公开(公告)号:CN110362363B

    公开(公告)日:2021-03-12

    申请号:CN201910498732.0

    申请日:2019-06-10

    Applicant: 北京大学

    Abstract: 本发明公开了一种基于运行时模型实现对终端应用控制的方法,通过定义运行时模型上的操作以及模型片段在堆、栈区域影响的等价性,实现了复杂的应用行为模型的分解,可操作的模型片段,并基于分解的模型片段,建立行为模型与应用状态和应用代码的因果关联,实现了在终端应用运行时对其应用行为的指令级别的控制。

    一种面向数据交易的可信处理方法与系统

    公开(公告)号:CN110971663A

    公开(公告)日:2020-04-07

    申请号:CN201911032663.0

    申请日:2019-10-28

    Applicant: 北京大学

    Abstract: 本发明提供了一种面向数据交易的可信处理方法与系统,应用于P2P网络系统中,所述P2P网络系统包括多个节点;可信处理方法包括存入方法和查询方法,首先在存入的过程中采用有向无环图帐本结构配合nRW共识机制,解决了大规模共享交换过程中的监管问题;其次,在查询的过程中,通过维护一棵高容错和负载均衡的树形结构,采用了跳数优化的方法对P2P网络系统进行优化,构造具有较为平衡网络的P2P网络系统,可在保证负载均衡的前提下,不对查询的延迟产生较大影响,保证了系统的可扩展性;以及采用了延迟优化和邻居节点管理协议的方法,可保证节点在上层节点宕机的情况下,保证查询消息被下层节点接收,可动态地将离开网络的节点替换为新的在线节点。

    针对可穿戴设备深度学习应用模型分载系统及方法

    公开(公告)号:CN108363478B

    公开(公告)日:2019-07-12

    申请号:CN201810020303.8

    申请日:2018-01-09

    Applicant: 北京大学

    Abstract: 本发明提供一种针对可穿戴设备深度学习应用模型分载系统及方法,包括:预测模型模块,用以预测运行该深度学习应用模型的各层所需的时间与电量作为预测数据;开发者接口模块,用以作为将模型分载算法和数据引入深度学习应用中的接口;状态信息收集模块,用以收集硬件信息以及应用模型运行时状态,作为分载依据;模型分载决策模块,加载模型分载算法和数据,用以获取全部可能的分载情况,然后根据分载依据及预测数据从中搜索最优的分载方式;依据该最优分载方式将深度学习应用模型分载为两个子模型。作为自动化深度学习运行和优化框架,其核心思想是根据当前运行时环境寻找最优的模型分载方式,将一部分子模型的运算卸载到配对的移动手机上。

    一种基于云-端协同的移动浏览器资源加载优化方法

    公开(公告)号:CN105610909B

    公开(公告)日:2019-01-18

    申请号:CN201510964171.0

    申请日:2015-12-21

    Applicant: 北京大学

    Abstract: 本发明公开了一种基于云‑端协同的移动浏览器资源加载优化方法。本方法为:1)在用户的手机端建立一代理服务器,在该用户的个人云上搭建一云服务器;2)手机端代理服务器将接收并解析浏览器的URL请求,如果手机端代理服务器已缓存该URL请求对应的资源,或者通过URL匹配算法计算出存在对应的资源,则直接将该资源返回给浏览器;否则将其发送给云服务器;3)云服务器检查是否已缓存该URL请求对应的资源,如果已缓存则将该资源返回给代理服务器;否则向该URL请求对应的目标网站进行资源请求并将结果返回给手机端代理服务器;4)该手机端代理服务器将收到的返回结果依照HTTP响应的结构发回浏览器。本发明大大提高了加载速度。

    基于用户行为和系统状态预测移动设备电池续航的方法

    公开(公告)号:CN108376028A

    公开(公告)日:2018-08-07

    申请号:CN201810020304.2

    申请日:2018-01-09

    Applicant: 北京大学

    Abstract: 本发明提供一种基于用户行为和系统状态预测移动设备电池续航的方法,包括以下步骤:提取会话,根据需要保留符合条件的会话作为基本单元;从这些会话中随机选取一时间点,作为预测时间点;然后提取从会话开始直至预测时间点范围内的用户使用行为数据及系统状态信息,从中整理、抽取特征信息并将其组成特征向量;构造训练集;选取回归模型,以每个会话的特征向量作为输入,以预测时间点之后的实际续航时间作为输出进行训练;得到训练模型后,将待预测的会话的相应数据同样进行特征提取,以构造的训练集作为输入,得到的输出作为对待预测会话的续航时间的预测。从而准确预测移动设备的电池续航时间。

Patent Agency Ranking