-
公开(公告)号:CN118093210B
公开(公告)日:2024-06-28
申请号:CN202410527700.X
申请日:2024-04-29
Applicant: 浙江鹏信信息科技股份有限公司
Abstract: 本发明涉及基于模型蒸馏的异构算力调度方法、系统及可读存储介质,其调度方法包括以下步骤:S1、采集算力资源请求;其中,算力资源请求的信息包括预训练模型及其计算框架、选择镜像、申请加速器类型、使用用途及目标资源池;S2、基于目标资源池的算力大小,判断算力资源请求所需的算力大小是否满足目标要求;若否,则转至步骤S3;若是,则转至步骤S4;S3、基于知识蒸馏对预训练模型进行模型压缩,基于压缩后的模型分配对应的算力资源;S4、调度分配对应的算力资源并进行安全校验,安全校验通过后进行下发。本发明通过模型能力迁移的方式,选择轻量级模型以达到模型压缩的目的,以聚合社会多方算力、满足算力消费方多样化业务需求。
-
公开(公告)号:CN118093210A
公开(公告)日:2024-05-28
申请号:CN202410527700.X
申请日:2024-04-29
Applicant: 浙江鹏信信息科技股份有限公司
Abstract: 本发明涉及基于模型蒸馏的异构算力调度方法、系统及可读存储介质,其调度方法包括以下步骤:S1、采集算力资源请求;其中,算力资源请求的信息包括预训练模型及其计算框架、选择镜像、申请加速器类型、使用用途及目标资源池;S2、基于目标资源池的算力大小,判断算力资源请求所需的算力大小是否满足目标要求;若否,则转至步骤S3;若是,则转至步骤S4;S3、基于知识蒸馏对预训练模型进行模型压缩,基于压缩后的模型分配对应的算力资源;S4、调度分配对应的算力资源并进行安全校验,安全校验通过后进行下发。本发明通过模型能力迁移的方式,选择轻量级模型以达到模型压缩的目的,以聚合社会多方算力、满足算力消费方多样化业务需求。
-
公开(公告)号:CN117807603B
公开(公告)日:2024-04-30
申请号:CN202410227591.X
申请日:2024-02-29
Applicant: 浙江鹏信信息科技股份有限公司
IPC: G06F21/57 , G06F21/56 , G06F40/289 , G06N3/0455
Abstract: 本发明涉及软件供应链审计方法、系统及计算机可读存储介质,审计方法包括:采集软件供应链审计数据;对采集的软件供应链审计数据进行数据分词,以转换得到Token序列;之后进行Embedding编码,得到待处理数据矩阵;对待处理数据矩阵进行归一化处理,之后进行位置编码,得到位置编码矩阵;将位置编码矩阵输入多头注意力机制网络结构进行计算,其计算结果通过多次Gibbs采样结合自回归的方式逐个生成输出序列中的每个Token,得到Token输出序列;将Token输出序列通过输出层计算,以输出审计结果;其中,输出层包括依次连接的归一化逆转换和前馈神经网络。本发明有效提高网络模型的精确性、灵活性、可解释性。
-
公开(公告)号:CN116204890B
公开(公告)日:2023-07-21
申请号:CN202310473597.0
申请日:2023-04-28
Applicant: 浙江鹏信信息科技股份有限公司
IPC: G06F21/57 , G06F21/55 , G06F21/60 , G06F18/2415 , G06N20/00
Abstract: 本发明属于网络安全及深度学习技术领域,具体涉及一种自适应增强人工智能算法安全的算法组件库,包括:模型库,用于存储算法模型;数据存储调用引擎,用于控制数据的存储和调用;其中,数据的属性包括所属行业、场景和数据类型;训练与部署引擎,用于根据训练防御机制对算法模型进行训练以及根据数据的属性部署相应的目标算法模型;算法安全防御引擎,用于根据数据的属性选择相应的训练防御机制和模拟攻击机制;模型评估与分析引擎,用于根据模拟攻击机制对目标算法模型的性能进行评估。本发明的算法组件库,通过训练防御机制以及模拟攻击机制,实现人工智能算法的安全监测与增强。
-
公开(公告)号:CN116204890A
公开(公告)日:2023-06-02
申请号:CN202310473597.0
申请日:2023-04-28
Applicant: 浙江鹏信信息科技股份有限公司
IPC: G06F21/57 , G06F21/55 , G06F21/60 , G06F18/2415 , G06N20/00
Abstract: 本发明属于网络安全及深度学习技术领域,具体涉及一种自适应增强人工智能算法安全的算法组件库,包括:模型库,用于存储算法模型;数据存储调用引擎,用于控制数据的存储和调用;其中,数据的属性包括所属行业、场景和数据类型;训练与部署引擎,用于根据训练防御机制对算法模型进行训练以及根据数据的属性部署相应的目标算法模型;算法安全防御引擎,用于根据数据的属性选择相应的训练防御机制和模拟攻击机制;模型评估与分析引擎,用于根据模拟攻击机制对目标算法模型的性能进行评估。本发明的算法组件库,通过训练防御机制以及模拟攻击机制,实现人工智能算法的安全监测与增强。
-
-
-
-