-
公开(公告)号:CN119200811A
公开(公告)日:2024-12-27
申请号:CN202411732111.1
申请日:2024-11-29
Applicant: 浪潮电子信息产业股份有限公司
IPC: G06F1/329 , G06F1/3234 , G06N3/04
Abstract: 本发明公开了一种基于能耗的异构计算系统任务处理方法、系统以及产品,涉及计算机技术领域。依据当前训练任务的任务需求参数确定预选异构算力设备,保证当前的训练任务在执行过程中能够顺利完成的前提下确定的预选异构算力设备的数量。选取与预选异构算力设备的数量相同预选存储设备,保证预选异构算力设备与预选存储设备呈现匹配一一对应的关系。基于各预选异构算力设备与各预先存储设备之间的各个组合关系和能耗确定最终能耗,利用能耗优化处理的能耗特征,对各预选异构算力设备与各预选存储设备下的不同组合关系确定的优化处理方式,提高各预选异构算力设备与各预选存储设备的匹配度,降低各预选异构算力设备与各预选存储设备之间的能耗。
-
公开(公告)号:CN117834297B
公开(公告)日:2024-05-28
申请号:CN202410230015.0
申请日:2024-02-29
Applicant: 浪潮电子信息产业股份有限公司
Abstract: 本发明公开了一种攻击检测方法、装置、系统、电子设备及可读存储介质,应用于数据安全技术领域。其中,方法应用于边缘计算设备的联邦学习过程中,边缘云服务器基于各边缘计算设备的初始网络模型对目标数据集的推理结果生成有权无向图,基于该有权无向图将边缘计算设备划分为多个数据同性簇,并为之选择簇头。簇头获取属于同一个簇内的边缘计算设备的本地模型参数,基于待检测攻击的攻击特点确定具有攻击特征的边缘计算设备的模型参数更新特征,根据同一簇内各边缘计算设备的本地模型参数确定是否存在攻击设备。本发明可以解决相关技术中无法精准检测攻击导致用户数据无法得到保护的问题,能够有效检测恶意攻击设备,提升用户数据的安全性。
-
公开(公告)号:CN117808128B
公开(公告)日:2024-05-28
申请号:CN202410230128.0
申请日:2024-02-29
Applicant: 浪潮电子信息产业股份有限公司
Abstract: 本发明公开了一种数据异构条件下的图像处理方法、联邦学习方法及装置,涉及图像处理技术领域,边缘云服务器根据数据分布相似性对边缘计算设备分簇,簇内边缘计算设备具有相似的数据分布,可以让模型更好的捕捉到数据的特征。边缘计算设备采用残差分级训练的方式进行模型训练,实现细粒度模型训练,缓解数据分布差异大的问题。边缘计算设备与边缘云服务器在联邦学习过程中进行三层模型参数聚合,得到准确可靠的图像处理模型,最终边缘计算设备使用该准确可靠的图像处理模型进行图像处理,可以提升图像处理的准确性与可靠性。
-
公开(公告)号:CN117827619B
公开(公告)日:2024-05-24
申请号:CN202410230017.X
申请日:2024-02-29
Applicant: 浪潮电子信息产业股份有限公司
Abstract: 本发明公开了计算机技术领域内的一种异构算力的耗时预测仿真方法、装置、设备、介质及系统。本发明能够构建包括通信图节点和计算图节点的有向图,从而根据多个异构算力设备的网络拓扑信息仿真得到的仿真网络预测多个通信图节点的通信耗时,根据有向图预测多个计算图节点的计算耗时,累计通信耗时和计算耗时得到模型训练任务的训练耗时。由于无需部署实际的算力设备,因此没有部署难度,实现成本低,可根据预测的训练耗时优化算力设备的部署策略,预测准确度更高,适用于多元异构计算系统。
-
公开(公告)号:CN117811845B
公开(公告)日:2024-05-24
申请号:CN202410230012.7
申请日:2024-02-29
Applicant: 浪潮电子信息产业股份有限公司
IPC: H04L9/40 , H04L67/10 , H04L41/142 , G06F18/23 , G06F18/213 , G06F18/22 , G06F21/62
Abstract: 本发明公开了一种威胁检测及模型训练方法、装置、系统、电子设备、介质,应用于数据安全技术领域。其中,方法包括边缘云服务器基于各边缘计算设备的推理结果生成的有权无向图进行数据同性簇划分,同时选择簇头。边缘计算设备基于分簇信息将本地模型参数发送至相应簇头,簇头根据其簇内设备的模型参数和网络攻击特点确定攻击设备,并将去除攻击设备后的其余本地模型参数的簇内聚合结果发送至边缘云服务器进行全局聚合;根据全局模型聚合参数不断更新本地模型参数直至全局型收敛,得到执行威胁检测任务的威胁检测模型。本发明可以解决相关技术中无法精准检测攻击导致用户数据无法得到保护的问题,能够有效提高威胁检测精度。
-
公开(公告)号:CN117834297A
公开(公告)日:2024-04-05
申请号:CN202410230015.0
申请日:2024-02-29
Applicant: 浪潮电子信息产业股份有限公司
Abstract: 本发明公开了一种攻击检测方法、装置、系统、电子设备及可读存储介质,应用于数据安全技术领域。其中,方法应用于边缘计算设备的联邦学习过程中,边缘云服务器基于各边缘计算设备的初始网络模型对目标数据集的推理结果生成有权无向图,基于该有权无向图将边缘计算设备划分为多个数据同性簇,并为之选择簇头。簇头获取属于同一个簇内的边缘计算设备的本地模型参数,基于待检测攻击的攻击特点确定具有攻击特征的边缘计算设备的模型参数更新特征,根据同一簇内各边缘计算设备的本地模型参数确定是否存在攻击设备。本发明可以解决相关技术中无法精准检测攻击导致用户数据无法得到保护的问题,能够有效检测恶意攻击设备,提升用户数据的安全性。
-
公开(公告)号:CN117827619A
公开(公告)日:2024-04-05
申请号:CN202410230017.X
申请日:2024-02-29
Applicant: 浪潮电子信息产业股份有限公司
Abstract: 本发明公开了计算机技术领域内的一种异构算力的耗时预测仿真方法、装置、设备、介质及系统。本发明能够构建包括通信图节点和计算图节点的有向图,从而根据多个异构算力设备的网络拓扑信息仿真得到的仿真网络预测多个通信图节点的通信耗时,根据有向图预测多个计算图节点的计算耗时,累计通信耗时和计算耗时得到模型训练任务的训练耗时。由于无需部署实际的算力设备,因此没有部署难度,实现成本低,可根据预测的训练耗时优化算力设备的部署策略,预测准确度更高,适用于多元异构计算系统。
-
公开(公告)号:CN117811845A
公开(公告)日:2024-04-02
申请号:CN202410230012.7
申请日:2024-02-29
Applicant: 浪潮电子信息产业股份有限公司
IPC: H04L9/40 , H04L67/10 , H04L41/142 , G06F18/23 , G06F18/213 , G06F18/22 , G06F21/62
Abstract: 本发明公开了一种威胁检测及模型训练方法、装置、系统、电子设备、介质,应用于数据安全技术领域。其中,方法包括边缘云服务器基于各边缘计算设备的推理结果生成的有权无向图进行数据同性簇划分,同时选择簇头。边缘计算设备基于分簇信息将本地模型参数发送至相应簇头,簇头根据其簇内设备的模型参数和网络攻击特点确定攻击设备,并将去除攻击设备后的其余本地模型参数的簇内聚合结果发送至边缘云服务器进行全局聚合;根据全局模型聚合参数不断更新本地模型参数直至全局型收敛,得到执行威胁检测任务的威胁检测模型。本发明可以解决相关技术中无法精准检测攻击导致用户数据无法得到保护的问题,能够有效提高威胁检测精度。
-
公开(公告)号:CN117808125A
公开(公告)日:2024-04-02
申请号:CN202410230004.2
申请日:2024-02-29
Applicant: 浪潮电子信息产业股份有限公司
Abstract: 本发明公开了一种模型聚合方法、装置、设备、联邦学习系统及存储介质,属于边缘计算领域,用于对边缘计算设备中待聚合的模型参数进行筛选,解决了不重要的模型参数传输影响模型训练效率以及模型精度的问题。分别确定本地网络模型的各个模型参数对于本地网络模型性能的第一影响程度以及各个骨干网络层对于本地网络模型性能的第二影响程度,结合第一、第二影响程度对模型参数进行筛选,可剔除对本地网络模型性能影响较小的模型参数,不但降低了数据传输成本,提升了数据传输效率,而且避免了重要程度较低的模型参数对模型精度的影响,使中心服务器在工业设备故障预测、网络安全问题识别与图片分类时发挥最优的效果。
-
公开(公告)号:CN117155929B
公开(公告)日:2024-02-09
申请号:CN202311423771.7
申请日:2023-10-31
Applicant: 浪潮电子信息产业股份有限公司
IPC: H04L67/10 , H04L47/6275
Abstract: 本发明公开了一种分布式集群的通信方法、系统、电子设备及可读存储介质,涉及分布式集群领域,为解决受网络带宽限制使得集群间通信效率低的问题,该通信方法包括:确定分布式集群中的参数更新节点以及多个子集群;针对每一子集群,获取子集群对预设模型的多个阶段依次进行计算得到的多个梯度数据;确定获取到的各个阶段的梯度数据的发送次序;按发送次序从先到后的顺序将梯度数据发送至参数更新节点,以便通过参数更新节点基于梯度数据执行参数更新操作。本发明能够实现对集群间的网络带宽的充分利用,从而提高通信效率。
-
-
-
-
-
-
-
-
-