公开(公告)号：CN103036709A

公开(公告)日：2013-04-10

申请号：CN201210510366.4

申请日：2012-11-29

Applicant: 华南理工大学

Inventor： 齐德昱 ,  杨捷 ,  李金星 ,  林伟伟 ,  李剑

IPC: H04L12/24 ,  H04L29/08 ,  H04L29/06 ,  G06F21/50

Abstract: 本发明公开了一种基于主机监控操作系统的加固方法，包括建立基于树形安全域的主机监控模型；应用语义级审计进行访问控制；通过ROOkit将监控模块注入主机的计算机操作系统内核；采用策略方式对计算机操作系统进行功能控制；所述策略方式采用XML语言定义监控对象、监控内容、监控方式，并写入监控模块；所述监控内容包括审计方式、安全防护、监视。采用基于Rootkit的内核级控制解决控制的安全性、可靠性，采用树形安全域体系解决大型网络机群/网群的管理复杂性，采用分布式策略描述语言解决监控需求及方式方法的灵活、深层表述。

公开(公告)号：CN120010990A

公开(公告)日：2025-05-16

申请号：CN202411875555.0

申请日：2024-12-19

Applicant: 华南理工大学

Inventor： 林伟伟 ,  李志豪 ,  林建鹏

IPC: G06F9/455 ,  G06F9/50

Abstract: 本发明公开了一种基于软硬件联合优化的HPC集群基准能效调优方法，属于集群能效调优领域。该方法分为软件调优和硬件调优两个方面，软件方面，通过参数重要性分析得到基准实机运行下的能效敏感参数后，本发明结合能效预测模型优化参数寻优过程中的采样算法，减少了寻优和模型训练开销并提升了模型收敛速度，实现了离线的低成本参数优化；硬件方面，在集群最佳运行参数的基础上，本发明通过对基准运行期间CPU核心组的利用率进行特征提取，训练得到聚类模型用于识别CPU负载模式，能够以全局视角判断负载的资源需求，从而进行相应的动态调频，提高集群的能效运行表现。

公开(公告)号：CN119420757A

公开(公告)日：2025-02-11

申请号：CN202411491793.1

申请日：2024-10-24

Applicant: 华南理工大学

Inventor： 林伟伟 ,  王新华

IPC: H04L67/1004 ,  H04L67/61 ,  H04L67/62 ,  H04L47/625 ,  H04L47/629

Abstract: 本发明公开了一种支持异构作业规模的GPU共享调度方法及装置，包括：对新提交的作业进行干扰画像分析，得到作业的干扰特征表示并加入到作业队列中；采集集群运行时信息和作业信息；确定作业调度间隔；基于作业运行时信息，更新作业优先级并通过最大共享效率优先方法对作业排序；对作业队列中的作业进行遍历，确定待运行作业和待抢占作业；调用最佳打包策略和作业共置的干扰预测模型确定待运行作业的放置位置；放置作业并更新集群状态；监控新作业提交情况和更新调度间隔，若有新作业提交则跳转到对新提交的作业进行干扰画像分析，否则跳转到确定作业调度间隔的步骤。本发明能够有效减少了作业完成时间和排队时间，显著提升GPU集群的资源调度效率。

公开(公告)号：CN112685162B

公开(公告)日：2025-02-11

申请号：CN202110012674.3

申请日：2021-01-06

Applicant: 华南理工大学

Inventor： 林伟伟 ,  沈王博

IPC: G06F9/48 ,  G06F9/50 ,  G06N3/006

Abstract: 本发明公开了一种边缘服务器异构计算资源的高效能调度方法、系统及介质，方法包括下述步骤：通过先验计算，将计算任务归纳为n种任务类型；对边缘服务器每种服务器的状态进行初始化；在终端与边缘服务器的传输计算任务过程中增加一个缓存区域，对传输给边缘服务器的计算任务进行排队、分析；以当前缓存通道的计算任务W，服务器的当前的运行与存储状态作为输入，构建IPQC问题，然后用粒子群优化方法来求出最优解。本发明实现了边缘服务器的异构计算资源的高效能调度方法，能够利用边缘服务器有限的异构计算资源，大大提高边缘服务器计算资源的利用率，同时加速边缘服务器的处理速度，更加高效地完成从终端传输给边缘服务器的计算任务。

公开(公告)号：CN119294446A

公开(公告)日：2025-01-10

申请号：CN202411347361.3

申请日：2024-09-26

Applicant: 华南理工大学

Inventor： 林伟伟 ,  林升升

IPC: G06N3/049 ,  G06N3/084 ,  G06Q10/04 ,  G06Q10/109

Abstract: 本发明公开了增强时间序列预测的残差周期预测方法、系统、设备及介质，旨在解决长时间序列预测任务中现有技术效率不高和预测精度有限的问题。该方法通过显式建模时间序列数据中的周期模式，并结合预测模型对周期残差进行预测，以提高时序预测模型的预测精度和效率。方法包括：确定数据集的周期长度，生成可学习的循环周期，分离时间序列的周期分量与残差分量，并基于残差进行预测，最后结合残差分量的预测值和对应的周期分量形成最终预测结果。该方法能够有效捕捉时间序列中的内在周期性，降低预测误差，显著提升长时间序列预测的精度，同时保持模型的简单性和高效性，特别适用于电力消耗、交通流量和气象数据等具有明确周期性特征的应用场景。

公开(公告)号：CN118886481A

公开(公告)日：2024-11-01

申请号：CN202410998242.8

申请日：2024-07-24

Applicant: 华南理工大学

Inventor： 林伟伟 ,  曾梓楠

IPC: G06N3/098 ,  G06N3/0464

Abstract: 本发明公开了一种基于硬件感知与多维度异构模型聚合的自适应个性化联邦学习方法及装置，方法包括下述步骤：测算客户端设备的实际延迟数据，构建设备相关度矩阵，选择代理客户端并执行单代理神经网络搜索策略，获取候选个性化模型集合；客户端从候选个性化模型集合中选择最合适的模型作为本地模型，并使用本地数据集进行训练，训练完成后上传本地模型权重；服务器接收本地模型权重，执行多维度异构模型聚合策略，聚合并更新全局模型。本发明的个性化联邦学习方法及系统，能够有效降低获取个性化模型的时耗和能耗，提升整体资源利用率，同时提高模型的性能和适应性。

公开(公告)号：CN118627539A

公开(公告)日：2024-09-10

申请号：CN202410670153.0

申请日：2024-05-28

Applicant: 华南理工大学

Inventor： 林伟伟 ,  莫瑞超

IPC: G06N3/042 ,  G06N3/096

Abstract: 本发明公开了一种知识迁移驱动的数据中心算力能效建模方法及装置，方法包括：获取源算力设备和目标算力设备有标记的能效数据；分别对源算力设备和目标算力设备的能效数据进行预处理，得到各自的关键能效特征空间；基于不平衡最优传输构建跨算力设备的能效模型；对所述能效模型进行训练，实现异构算力设备之间的能效特征空间差异学习；将训练好的的能效模型用于待评估目标算力设备的能效建模，评估能效性能。本发明改善了数据获取受限场景下由于异构算力设备能效特征空间存在领域漂移而导致的算力设备能效数据重用难、建模成本高以及少样本建模精度差的问题。

公开(公告)号：CN112101728B

公开(公告)日：2024-07-26

申请号：CN202010829335.X

申请日：2020-08-18

Applicant: 华南理工大学

Inventor： 林伟伟 ,  许银海 ,  黄天晟

IPC: G06Q10/0631 ,  G06Q50/06

Abstract: 本发明公开了一种移动边缘计算系统能源优化分配方法，方法包括以下步骤：假设到达事件的时间间隔呈指数分布，将MEC系统能源分配问题转化为联系时间的马尔可夫决策模型；所述马尔可夫决策模型包括系统状态s、系统动作a、奖励r(s，a)、策略π、值函数V(s)以及状态转移概率p(s′|s，a)六个要素；获取确切的状态转移概率，采用Model‑Based的方法来求解模型；通过值迭代的方法求解每个状态值函数的精确解，得到能源分配的最优策略。本发明移动边缘计算系统能源分配问题，转化成连续时间的马尔可夫决策模型，并通过值迭代的方法求解每个状态值函数的精确解，从而找到能源分配的最优策略，实现MEC系统的长期可持续计算。

公开(公告)号：CN118260021A

公开(公告)日：2024-06-28

申请号：CN202410240656.4

申请日：2024-03-04

Applicant: 华南理工大学

Inventor： 汤元丰 ,  林伟伟 ,  唐洁

IPC: G06F9/455 ,  G06F9/50 ,  G06N3/0442 ,  G06N3/08

Abstract: 本发明公开了一种基于时间序列预测的容器节能弹性扩缩容方法、系统及介质，方法包括下述步骤：收集集群中各服务器能效信息；获取服务器集群中所部署业务负载历史时序数据，搭建并训练LSTM时间序列预测模型，用于预测未来业务负载数据；使用一种启发式递归计算方法计算得到业务容器副本纵向扩缩容资源请求估计量；基于预测的未来业务负载数据与业务容器副本纵向扩缩容资源请求估计量，使用一种横向扩缩容与纵向扩缩容相结合的方法生成业务容器扩缩容策略；根据各服务器能效信息选择能效最优服务器进行业务容器扩缩容操作。本发明可以提前适应业务容器资源需求变化，有效提升业务的稳定性，同时提升服务器资源利用率、降低系统能耗。

公开(公告)号：CN117938690A

公开(公告)日：2024-04-26

申请号：CN202311844251.3

申请日：2023-12-29

Applicant: 华南理工大学

Inventor： 林伟伟 ,  刘国志

IPC: H04L41/16 ,  H04L41/142 ,  H04L67/10

Abstract: 本发明涉及联邦学习领域，尤其涉及一种动态带宽场景下自适应通信的联邦学习方法及装置。本发明主要包括以下步骤：首先，每个客户端基于SFW训练一个“可调整”的模型，该模型可以调整为任意稀疏度子模型；然后，客户端根据当前可用的上行带宽资源选择最合适的子模型并将其发送给云服务器；再次，云服务器使用“掩码权重聚合策略”聚合客户端所上传的模型参数得到全局模型；最后，云服务器根据当前可用的下行带宽资源从全局模型中选择最合适的子模型发送给客户端，客户端接收到参数后进行模型参数的更新。本发明改善了动态带宽场景下由于网络波动导致现有联邦学习框架通信开销大、学习效率低以及全局模型性能衰减的问题。