-
公开(公告)号：CN116755986A
公开(公告)日：2023-09-15
申请号：CN202310661951.2
申请日：2023-06-06
Applicant: 浙江大学
IPC: G06F11/34 , G06N3/0442 , G06N3/042 , G06N3/08
Abstract: 本发明公开了一种基于门控图神经网络的CPU性能指标预测方法，该方法获得多个C语言项目的同一架构的CPU性能瓶颈相关指标的数据，构建数据集；对C语言项目提取C函数并构建抽象语法树；在抽象语法树中融入数据流信息、控制流信息和代码序列信息；得到代码信息图；之后搭建基于门控图神经网络的深度学习模型并训练，最后在与数据集同一架构下预测C函数的CPU性能瓶颈相关指标。实现了一种能够在不实际运行代码的情况下静态评估C函数的CPU性能瓶颈指标的方法，不要求开发人员为代码编写测试、进行编译构建等，避免了传统的动态程序分析方法的时长开销，提高了开发人员对CPU的性能瓶颈定位、对CPU的性能调优的效率。
-
公开(公告)号：CN116566982A
公开(公告)日：2023-08-08
申请号：CN202310358413.6
申请日：2023-04-06
Applicant: 浙江大学
IPC: H04L67/1001 , H04L67/1023
Abstract: 本发明公开了一种面向分布式服务状态冗余处理的负载均衡方法，首先构建一个大小为质数的散列槽，所述散列槽有多个槽位，每个槽位用于存放多个服务节点，所有服务节点均匀地填充到散列槽中至散列槽填满；当请求到达时，对请求的源地址的哈希值取模，将请求定位到槽位；将随机选择槽位中任意一个服务节点处理请求；进行状态冗余，槽位上的所有服务节点都将存储该槽位上对应的所有请求产生的状态集合。本发明着力解决在分布式服务下，传统的负载均衡方法难以在多个服务节点间进行状态冗余，从而当服务节点因为故障无法访问，用户请求转移到其他服务节点进行处理时，原有状态将会丢失的问题。
-
公开(公告)号：CN116303763A
公开(公告)日：2023-06-23
申请号：CN202310060074.3
申请日：2023-01-18
Applicant: 浙江大学
Abstract: 本发明公开了一种基于顶点度的分布式图数据库增量图划分方法及系统。通过追踪图顶点度数的变化，快速对高阶顶点及其连通边进行划分，在为单个OLTP操作提供服务的同时，即时做出每个事务的在线分区决策。随着客户端对图数据库发起请求，本发明根据有关图信息的增加(顶点度的变化)，在多个阶段中递增地调整分区，主要分成三个步骤：哈希划分阶段，顶点重新划分阶段，边重新划分阶段。本发明的方法适用于OLTP负载，对图的局部数据进行持续更新，并响应多个客户端的图查询。并能够通过较小的系统开销，为分布式服务器提供优秀的负载均衡，实现更好的数据本地性；从而增加访问的并行性和图数据库的吞吐量。
-
公开(公告)号：CN116155581A
公开(公告)日：2023-05-23
申请号：CN202310074762.5
申请日：2023-02-07
Applicant: 浙江大学
IPC: H04L9/40
Abstract: 本发明公开了一种基于图神经网络的网络入侵检测方法与装置。本发明通过监听交换机镜像端口，拉取网络流量数据，将网络主机信息、网络流量信息收集起来，利用收集的信息构建主机与流量的特征。随后利用图神经网络，同时聚合边信息和节点信息，学习到流量和节点的模式结构。将定期收集好的数据，输入到训练好的图神经网络模型中，通过衡量待检测流量与正常流量模式之间的偏移，检测出异常流量信息，并将异常流量信息存储并推送给运维人员。本发明还构建了实现该方法的装置，提供了高效的数据收集手段，选出了关键的特征信息，并同时考虑到了节点和边两种维度的特征，可以有效识别出不断变化的异常流量，并及时发出告警。
-
公开(公告)号：CN108021807B
公开(公告)日：2020-04-28
申请号：CN201711483780.X
申请日：2017-12-29
Applicant: 浙江大学
IPC: G06F21/53
Abstract: 本发明提供了一种Linux容器的细粒度沙盒策略执行方法，限制Linux容器的系统调用行为，减少攻击面，实现Linux容器的安全加固。所述方法包括：容器追踪模块通过采用ptrace系统调用接口，追踪目标容器运行，根据沙盒策略定义的规则，对具有字符串类型参数的系统调用访问进行过滤。系统调用拦截模块通过采用seccomp/BPF技术，实时拦截目标容器系统调用访问，根据沙盒策略定义的规则，对系统调用类型及具有非字符串类型参数的系统调用访问进行过滤。
-
Patent Agency Ranking
公开(公告)号：CN108171050A
公开(公告)日：2018-06-15
申请号：CN201711483790.3
申请日：2017-12-29
Applicant: 浙江大学
Abstract: 本发明提供了一种Linux容器的细粒度沙盒策略挖掘方法，自动挖掘生成目标容器定制化的沙盒策略，该策略符合最小特权原则，通过限制目标容器的系统调用类型及参数，减少攻击面。所述方法包括：容器行为监控控制模块启动Linux系统监控工具，实时监控并记录目标容器的系统调用行为；容器自动化测试模块运行目标容器的测试用例，遍历执行目标容器的功能；沙盒策略生成模块从记录的监控数据中，提取目标容器的系统调用行为特征，并转化为沙盒策略。
-
公开(公告)号：CN119201220A
公开(公告)日：2024-12-27
申请号：CN202411370311.7
申请日：2024-09-29
Applicant: 浙江大学
Abstract: 本发明公开一种融合符号表示和图表示的智能合约代码克隆检测方法，属于代码克隆检测技术领域。所述方法包括：将数据集划分为训练数据集与待检测数据集，使用基于符号表示的检测方法计算的相似度对代码文件对进行分组，对每组分别通过最大化F1分数的方式确定最合适的基于图表示的检测方法的阈值，使用此阈值进行后续检测。本发明能够更精准地检测出智能合约代码中的语义克隆问题，弥补了现有技术在识别智能合约代码中的语义克隆准确性不足的缺陷，同时减少不必要的图检测运算，提高整体检测效率。
-
公开(公告)号：CN118194088A
公开(公告)日：2024-06-14
申请号：CN202410297915.7
申请日：2024-03-15
Applicant: 浙江大学
IPC: G06F18/24 , G06F18/213 , G06Q30/018 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明公开了一种融合图扩散卷积与分组聚合特征的欺诈识别方法和装置。该方法包括提取原图结构，对原图进行图结构增强获得两跳图，输入到分类模型，包括对图按照关系类型划分关系子图，对各关系子图做特征分组聚合，对各关系子图分组聚合后的特征做图扩散卷积，再将各关系子图扩散卷积后的特征做关系聚合得到最终特征并通过全连接层输出预测结果。本发明的图扩散卷积除了聚合原图的分组邻域节点特征，还聚合了图结构增强生成的二跳图的分组邻域节点特征，充分利用了图的结构信息，关系信息，分组信息。本发明在欺诈检测领域的应用，能有效提高对欺诈的识别能力，有很大的实用价值。
-
公开(公告)号：CN116205625A
公开(公告)日：2023-06-02
申请号：CN202310111434.8
申请日：2023-02-07
Applicant: 浙江大学
IPC: G06Q10/20 , G06N20/00 , G06F16/2458 , G06F16/22 , G06Q50/06
Abstract: 本发明公开了一种时间序列在线决策模型的数据处理和模型训练的优化方法。本发明通过多源传感器获取蒸汽锅炉的水位、过热蒸汽温度及压力、烟气氧量与炉膛负压等时序数据；数据处理时，首先将各时序数据中浮点类型的精度统一，然后等比例放大为整型数据，根据设定的时间间隔完成多源时序数据的插值和时间序列对齐；汇总后的时序数据使用压缩算法，以时间戳为主键，压缩存储至数据库中；决策时读取数据库中的压缩数据，解压后构建特征向量，输入模型，在线决策模型计算后输出决策信息；运维人员根据模型决策结果及时调整锅炉外部输入设备的参数，以及是否要停机设备保养。本方法简化了决策模型的复杂度，进一步提升了决策效率和存储效率。
-
公开(公告)号：CN113220855B
公开(公告)日：2022-07-22
申请号：CN202110585021.4
申请日：2021-05-27
Applicant: 浙江大学
IPC: G06F16/332 , G06F16/33 , G06F16/338 , G06F16/35
Abstract: 本发明公开了一种基于IT技术问答网站的计算机技术领域发展趋势分析方法，包括：识别技术领域关键字；以关键字为初始输入，识别IT技术问答网站上与该技术领域相关的标签，基于标签提取并过滤该技术领域的相关帖子；按照领域内的不同技术平台划分数据集；从该技术领域的多项代表性技术平台中，提取该技术领域的参考架构；在每一个子数据集上采用LDA主题模型对数据集进行聚类，其中以梯度式搜索方法确定最佳主题数量；将主题与参考架构进行映射，确定主题名称；设置评估指标，分析该技术领域内不同主题、不同层次的知识的发展趋势。本发明以IT技术问答网站中某技术领域知识的帖子为数据集，分析该技术领域知识的发展趋势。
-
-
-
-
-
-
-
-
-
Search Results
21
records
(took 0.02 seconds)
