-
公开(公告)号：CN111273865A
公开(公告)日：2020-06-12
申请号：CN202010058016.3
申请日：2020-01-16
Applicant: 重庆邮电大学
Abstract: 本发明属于计算机存储技术领域，具体涉及一种基于可变便笺式存储器的任务分配及调度方法，该分配方法包括使SPM动态可变；按照任务分配至DRAM、SLC和MLC中产生的不同能耗，构建出任务在不同存储介质中的能耗模型和时延模型；基于能耗模型采用动态规划算法，计算出在不同配置下的能耗最低的任务分配方案，并将每种配置下能耗最低的任务分配方案存放在第一数组中；基于时延模型计算当前任务分配方案中任务的执行时间，建立并遍历第二数组；找到满足实时性要求且能耗最低的任务分配方案，将任务分配至对应存储介质中。本发明采用动态规划算法结合实时性约束，在满足任务实时性要求下使得能耗最低；优化离线任务分配以及实时任务调度。
-
公开(公告)号：CN107038071B
公开(公告)日：2020-06-09
申请号：CN201710385355.0
申请日：2017-05-26
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种基于数据流预测的Storm任务伸缩调度算法，属于数据交换网络领域。通过监控模块获得用户提交的Topology任务的实时运行数据，求解在满足组件负载的情况下Topology中相连组件的并行度，然后迭代求出Topology中所有组件的并行度。利用时间序列模型来预测Topology要处理的数据量，并求得在该情况下Topology中开始组件spout的较优并行度，获得预测情况下的Topology中各组件的较优并行度，并进行调度。在调度中使用线上调度算法，最大限度减少结点间的网络通信并保证集群的负载均衡。本发明克服了现有对Topology中各组件间的关联性考虑的不足，弥补了不能快速高效地求解到用户提交Topology中各组件的较优并行度的不足，具有提前预测变化、提高吞吐量、降低处理时延的优点。
-
公开(公告)号：CN109582119A
公开(公告)日：2019-04-05
申请号：CN201811430691.3
申请日：2018-11-28
Applicant: 重庆邮电大学
IPC: G06F1/324
Abstract: 本发明涉及大数据处理领域和能效领域，特别涉及一种基于动态电压频率调整的双层Spark节能调度方法，包括针对不同应用程序对CPU以及I/O需求的不同，通过观察不同应用的资源使用特性，可以对应用类别数预先进行大致的判断，对应用程序进行一个整体的降频处理；考虑Spark固有特性，在应用程序运行过程中同一个阶段不同任务的完成时间不同，对具体节点进行降频处理，减少节点空运行时间，保证各个Task的完成时间均衡；本发明保证Spark运行过程中任务完成时间均衡，减少了节点CPU空运转时间，有效的降低了应用程序在Spark运行过程中所产生的能耗。
-
公开(公告)号：CN109167835A
公开(公告)日：2019-01-08
申请号：CN201811069608.4
申请日：2018-09-13
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种基于kubernetes的物理资源调度方法及系统，属于云计算领域。该方法包括：S1：当识别到承载业务的云服务Pod的资源请求时，分析确定业务类型和优先级；S2：收集各节点的中央处理器资源、内存资源、网络资源和磁盘资源信息及使用情况；S3：计算所有节点的资源评分；S4：对节点的资源评分进行排序；S5：将m个Pod调度到从N个待选节点中优选的m个节点上。该系统包括业务分析模块、资源信息采集模块、参数配置模块、评分模块和调度模块。本发明考虑了各类业务对节点CPU、内存、网卡带宽、磁盘容量等资源的不同需求，建立新的节点评分机制，引入了一致性参数，保证同一业务中各Pod的一致性需求。
-
公开(公告)号：CN107666516A
公开(公告)日：2018-02-06
申请号：CN201710855173.5
申请日：2017-09-20
Applicant: 重庆邮电大学
CPC classification number: H04L67/1095 , G06F9/546 , G06F21/64 , G06F2209/548 , H04L67/28
Abstract: 本发明涉及一种基于消息热度保证kafka集群数据一致性的方法，属于数据存储与消息中间件领域。该方法包括以下步骤：S1：建立计算机编程函数partition热度模型；S2：建立热度预估模型；S3：计算副本partition的更新频率；S4：建立副本自适应一致性策略。本发明结合了kafka消息队列可靠性和云存储系统中的自适应同步策略的各自优点，提出基于集群消息访问热度的kafka集群副本数据同步的自适应算法，并且在预测文件热度时结合了LRU算法和LFU算法，兼顾了访问时间和访问频率，使得预测结果更加符合实际值；保证了数据的可靠性，同时降低了集群内网络开销与内存、CPU等额外源开销，有效地平衡了系统的可用性和性能。
-
Patent Agency Ranking
公开(公告)号：CN107612914A
公开(公告)日：2018-01-19
申请号：CN201710854912.9
申请日：2017-09-20
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种基于参考节点策略的Ad Hoc网络安全信任方法，属于网络安全领域。该方法具体为：通过信任模型计算各个节点的信任值，并将信任值发给信任值统计节点，信任值统计节点统计各节点的加权信任值并更新参考节点、信任值统计节点，最后由参考节点发起参考节点策略。本发明的优点为：可以迅速地的发现Ad Hoc网络中的黑洞攻击节点，同时针对数据报文攻击混合黑洞攻击的方式有很好的防御效果；具有很强的可扩展性和适应性。
-
公开(公告)号：CN107172095A
公开(公告)日：2017-09-15
申请号：CN201710543130.3
申请日：2017-07-05
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种基于经纬网格的路网环境下用户位置隐私保护方法，属于用户隐私安全领域。该方法采用中心服务器架构，通过经纬网格方法让移动终端对真实位置做网格处理以及对提及到的兴趣点做K‑匿名处理，再将初步处理后的请求数据交给匿名服务器，中心服务引入路网信息，采用ARGA算法生成匿名区，采用基于经典SpaceTwist算法形成的多兴趣点增量查询算法向LBS发起请求，获取详细兴趣信息返回给移动终端。本发明结合经纬网格克服了匿名服务器非可信问题，引入路网信息，增强了特殊路网环境下用户隐私安全。
-
公开(公告)号：CN115905005B
公开(公告)日：2025-04-01
申请号：CN202211616794.5
申请日：2022-12-15
Applicant: 重庆邮电大学
IPC: G06F11/3604 , G06N3/0442
Abstract: 本发明属于智能运维领域，具体涉及一种基于拓扑结构动态发现机制的微服务工作流预测方法，包括：通过探针采集节点的时间特征信息，通过旁路代理采集空间特征信息；对微服务节点特征信息进行时间和空间维度上的聚合，将时间维度聚合输入LSTM模型训练其学习参数；根据微服务节点的不对等特征，构建优化的GAT模型，根据空间维度聚合训练模型的学习参数；将输出结果再次输入LSTM模型得到输出序列的隐藏状态，并再次利用LSTM模型预测得到微服务轨迹。本发明能够得到微服务轨迹特征的预测信息，并将微服务请求的实际轨迹的特征序列与预测的特征信息做对比，最终实现故障的快速检测和定位，达到智能运维的效果。
-
公开(公告)号：CN119475433A
公开(公告)日：2025-02-18
申请号：CN202411712426.X
申请日：2024-11-27
Applicant: 重庆邮电大学
IPC: G06F21/62 , G06F40/289 , G06N3/042 , G06N3/045 , G06F16/353
Abstract: 本发明设计一种协同编辑场景下基于用户编辑轨迹的敏感数据预测方法，涉及到数据安全领域，包括获取用户历史文本数据，筛选含敏感数据的目标文本，进行主题划分、分词并提取关键词及其位置信息建立文本编辑轨迹；对文本关键词集合的每个关键词，采用上下文窗口机制选取得到敏感词集合并划分敏感词安全等级；根据关键词编辑线索、主题标签及具有等级划分的敏感词集合，运用图注意力网络构建基于关键词的用户轨迹模型；输入编辑过程文本，识别关键词及标签，结合接收人角色身份等级，输入轨迹图模型得到预测敏感词集合。本发明基于用户编辑轨迹创建模型，可以加快敏感数据的识别效率，降低泄露风险，同时又提高了不同文本主题下敏感词识别准确率。
-
公开(公告)号：CN119474991A
公开(公告)日：2025-02-18
申请号：CN202411712499.9
申请日：2024-11-27
Applicant: 重庆邮电大学
IPC: G06F18/24 , G06N3/0442 , G06N3/042 , G06F18/214 , G06F18/213 , G06N3/08 , G06N3/088
Abstract: 本发明属于微服务环境下的大数据分析处理领域，涉及一种基于门控图神经网络(GGNN)和Deep SVDD融合的微服务调用图异常的假阳性检测方法；该方法包括以下步骤：通过微服务日志的链路数据构成的数据集获取微服务调用图，预处理后得到模型训练数据集；构建基于微服务调用图的异常假阳性检测模型；对模型进行训练，得到门控图神经网络(GGNN)的正常/异常学习参数，分别获取正常/异常Deep SVDD超球体；使用训练后的假阳性检测模型，将待检测的疑似异常的微服务链路数据输入模型，计算微服务调用图的异常度量，以判断当前微服务调用图整体图结构的正常/异常状态。本发明能够解决当前微服务检测算法在实际生产环境中假阳性、误报率大多偏高的问题。
-
-
-
-
-
-
-
-
-
Search Results
118
records
(took 0.023 seconds)
