-
公开(公告)号:CN117371032A
公开(公告)日:2024-01-09
申请号:CN202311307746.2
申请日:2023-10-10
Applicant: 吉林大学
Abstract: 本发明公开一种高效的文件访问安全方法、系统、设备及介质,属于文件系统访问控制领域。APP端调用U‑lib进行初始化,U‑lib调用内核驱动程序K‑lib,K‑lib形成令牌token后返回到U‑lib,U‑lib代替APP端保管令牌token,以后每次APP端进程产生文件系统调用时,U‑lib都将token附加到将要发送给设备端的Firm‑RT的请求上,进而Firm‑RT验证调用请求的有效性。本发明只需要在内核和设备之间共享密钥时进行一次通信,在为每个进程初始化令牌时进入内核一次,且K‑lib没有对内核的核心功能进行任何修改,在保证安全的同时,防止了内核与设备共享进程信息时频繁进出内核。
-
公开(公告)号:CN113987806A
公开(公告)日:2022-01-28
申请号:CN202111273554.5
申请日:2021-10-29
Applicant: 吉林大学
Abstract: 本发明适用于代理模型领域,提供了一种基于代理模型的大气模式优化方法,本发明公开了一种基于代理模型的大气模式参数调优方法,设计参数优化领域,包括以下步骤:确定参数范围并进行采样,利用大气模式模拟各个样本的结果,以均方根误差RMSE作为大气模式输出结果的评价标准,通过构建代理模型来拟合样本和模式结果之间的函数关系,利用PSO粒子群算法寻找代理模型的最优值并带入大气模式中进行验证,并不断的迭代更新代理模型,直到满足调优的需求输出最终的参数调优结果。本发明通过将代理模型的思想应用到大气模式的参数调优中,减少资源开销;同时减少了模式调优的时间消耗,提高了大气模式参数调优的效率。
-
公开(公告)号:CN113986496A
公开(公告)日:2022-01-28
申请号:CN202111251850.5
申请日:2021-10-25
Applicant: 吉林大学
Abstract: 本发明适用于并行计算任务处理以及处理器技术领域,提供了一种嵌套式通用计算并行处理架构,包括通用计算任务执行组件,所述通用计算任务执行组件通过嵌套的方式包括多级,每个级别相当于若干通用计算任务执行组件,第i+1级所述通用计算任务执行组件包括:第i级若干子通用任务执行组件PEi、第i级核心数据交换组件Memoryi和第i级控制单元CUi。该发明通过嵌套执行的方式从粗粒度和细粒度两方面对并行计算任务处理效率进行提高,使系统架构资源达到最大利用率和并行度。本发明适用于当前所有形式的大数据并行计算任务处理过程,同时具有灵活的扩展性与可移植性。
-
公开(公告)号:CN106506353A
公开(公告)日:2017-03-15
申请号:CN201610950089.7
申请日:2016-10-27
Applicant: 吉林大学
IPC: H04L12/703 , H04L12/707
Abstract: 本发明涉及一种基于SDN的虚拟网络单链路故障恢复方法及系统,属于网络虚拟化技术领域。该方法包含①在虚拟网络上设置冗余链路;②当链路失效时,首先查看冗余链路的可用性,如可用,使用冗余链路代替失效链路;③如冗余链路不可用,去除失效链路,重新计算路径,使用SDN控制器下发流表改变链路。优点在于:实现了基于SDN的虚拟网络单链路故障恢复,能快速处理占虚拟网络故障中最大部分的单链路故障。
-
公开(公告)号:CN103457772A
公开(公告)日:2013-12-18
申请号:CN201310392238.9
申请日:2013-09-02
Applicant: 吉林大学
IPC: H04L12/24
Abstract: 本发明涉及一种面向应用的物联网网络性能评价方法,该方法克服了物联网的异构性,在应用层对物联网网络性能进行分析评价,有助于网络管理员或者用户及时准确了解网络运行状况,为网络管理人员改善网络性能提供决策依据。与传统的网络性能评价方法相比,本发明将定性和定量的网络性能评价方法结合了起来,提供了对于网络性能感性和理性的认识;本发明首次将网络性能分为四个级别,从好到差,依次为:蓝色级别,黄色级别,橙色级别,红色级别;本发明提出了一个新的网络性能评价指标:累积网络性能评价值。
-
公开(公告)号:CN102629299A
公开(公告)日:2012-08-08
申请号:CN201210067480.4
申请日:2012-03-14
Applicant: 吉林大学
IPC: G06F19/00
Abstract: 本发明公开了一种基于计算智能的时间序列多步预报方法。使用基于全局最值缩放策略和散点向量化策略对时间序列进行预处理;使用基于计算智能的建模策略,建模过程通过样本训练来实现;使用适应度函数作为算法的评价标准;适应度与精度、效率之间存在反比例关系,且支持精度优先与效率优先;提出了预报算法的参数选择策略与样本特征选择策略,将组合选择策略编码为实数与二进制的混合向量,同时进行预报算法的参数选择与样本特征选择。本发明根据时间序列的变化规律寻求未来发展趋势,可广泛应用于科研、工业、农业、商业等各个领域,优点如下:高精度,高效率,支持未来多步预报,方法具有通用性,对数据有自适应性,能够全程自动化实现。
-
-
-
-
-