-
公开(公告)号:CN108809699B
公开(公告)日:2021-04-09
申请号:CN201810496969.0
申请日:2018-05-22
Applicant: 哈尔滨工业大学
IPC: H04L12/24
Abstract: 一种实现大规模虚拟网络节点重复映射的方法,它属于虚拟网络映射技术领域。本发明解决了传统虚拟网络映射方法存在的只能一对一映射,且映射成功率和收益开销比不高的问题。本发明分别利用资源剩余量评价函数和资源请求量评价函数量化各物理节点的资源剩余量AR和虚拟节点的资源请求量DR,并将最高DR节点映射至最高AR节点,在剩余满足映射条件的虚拟节点中,选择融合连接参数最大的虚拟节点,将其映射至最高AR节点上,同理,直至最高AR节点不能再接受其他虚拟节点;然后利用上述方法,将虚拟节点映射至第二高AR节点,以此类推,直至所有虚拟节点映射完成。本发明保证较高的映射成功率和收益开销比。本发明可以应用于虚拟网络映射技术领域用。
-
公开(公告)号:CN111083201A
公开(公告)日:2020-04-28
申请号:CN201911169997.2
申请日:2019-11-25
Applicant: 哈尔滨工业大学
Abstract: 一种工业物联网中针对数据驱动制造服务的节能资源分配方法,属于工业物联网优化技术。本发明为了实现对分配后的任进行实时监控调整,降低系统资源消耗,确保由云制造服务提供商交付SLA的同时降低主机能耗和冷却成本。检测CPU利用率;确定待迁移出服务,SU-hosts上的所有D2M服务以及从SO-hosts中选择的D2M服务;搜索合适的主机为确定移出的D2M服务分配资源,利用能源和热感知资源分配方案找到适合D2M服务迁移的主机,进行服务迁移以减少能源消耗。本发明考虑了资源分配的节能消耗,并对任务分配后进行实时监控调整,降低了系统资源消耗,确保由云制造服务提供商交付SLA的同时降低主机能耗和冷却成本。
-
公开(公告)号:CN111045785A
公开(公告)日:2020-04-21
申请号:CN201911169998.7
申请日:2019-11-25
Applicant: 哈尔滨工业大学
Abstract: 一种基于二进制引力搜索的节能虚拟机放置方法,属于节能优化的云计算领域。本发明的目的是为了实现在虚拟机放置降低能耗,同时提高云计算性能。技术要点:初始化;随机设置每个智能体的位置,确保位置在搜索空间中即可;在每次迭代中,我们计算初始位置的所有智能体的适应度,如果本轮迭代中的适应度高于上一轮迭代的适应度,则更新;对于每个智能体,都根据新的适应度计算质量,引力常数也会随着迭代次数的增加而更新,即随着时间的变化,重力值也会随之变化;用新质量和重力值计算加速度;在搜索空间中移动智能体的位置。虚拟机放置降低能耗,同时提高云计算性能。
-
公开(公告)号:CN110378148A
公开(公告)日:2019-10-25
申请号:CN201910680596.7
申请日:2019-07-25
Applicant: 哈尔滨工业大学
IPC: G06F21/62
Abstract: 一种面向云平台的多域数据隐私保护方法,涉及多域数据隐私保护技术领域。本发明为了解决现有的多域数据隐私保护方法一般采用静态匿名来发布数据,不够灵活,不能限制数据分析人员获得的数据范围,无法满足使用原始数据的需求的问题。本发明包括数据匿名化处理和原始数据恢复处理;本发明针对数据分析和事务处理场景下的具体需求,来采用相应的隐私保护策略,对不同领域的结构化数据表,通过数据匿名为主体的隐私保护技术,来达到减少云端数据隐私泄露风险的效果,同时满足一定事务处理上的需求。将匿名后数据存储并用于数据分析,降低隐私信息泄露的风险,对数据进行动态的匿名化,限制数据分析人员可以获得的数据范围,同时更好的保护数据隐私。
-
公开(公告)号:CN108809699A
公开(公告)日:2018-11-13
申请号:CN201810496969.0
申请日:2018-05-22
Applicant: 哈尔滨工业大学
IPC: H04L12/24
CPC classification number: H04L41/00
Abstract: 一种实现大规模虚拟网络节点重复映射的方法,它属于虚拟网络映射技术领域。本发明解决了传统虚拟网络映射方法存在的只能一对一映射,且映射成功率和收益开销比不高的问题。本发明分别利用资源剩余量评价函数和资源请求量评价函数量化各物理节点的资源剩余量AR和虚拟节点的资源请求量DR,并将最高DR节点映射至最高AR节点,在剩余满足映射条件的虚拟节点中,选择融合连接参数最大的虚拟节点,将其映射至最高AR节点上,同理,直至最高AR节点不能再接受其他虚拟节点;然后利用上述方法,将虚拟节点映射至第二高AR节点,以此类推,直至所有虚拟节点映射完成。本发明保证较高的映射成功率和收益开销比。本发明可以应用于虚拟网络映射技术领域用。
-
公开(公告)号:CN111176980B
公开(公告)日:2023-04-25
申请号:CN201911262217.9
申请日:2019-12-10
Applicant: 哈尔滨工业大学(深圳)
Abstract: 本发明适用计算机技术领域,提供了调试环境和运行环境分离的数据分析方法、装置及系统,该方法包括:从运行环境的真实数据中抽取部分数据,将部分数据经过脱敏后传送到调试环境中作为样本数据;在调试环境中,连接样本数据和机器学习组件组成机器学习工作流,获取每个机器学习组件设置的组件参数;在调试环境中调试机器学习工作流,调试完成之后,将机器学习工作流迁移到运行环境中运行;导入运行环境的真实数据执行机器学习工作流,得到机器学习模型;将运行环境中训练得到的机器学习模型通过白名单审查之后导入到调试环境中,供用户查看和下载。本发明既能保证数据隐私不被泄露,也能使用真实数据进行数据分析。
-
公开(公告)号:CN115658678A
公开(公告)日:2023-01-31
申请号:CN202211072804.3
申请日:2022-09-02
Applicant: 哈尔滨工业大学(深圳)
Abstract: 本发明公开了一种面向关系型数据库的水印算法,面向关系型数据库的水印算法包括根据所述水印嵌入密钥将所述面向关系型数据库划分为多个组域;依据特征域计算方式确定每一数据行的特征域类型;依据所述控制域参数确定每一组域中的数据行的控制域类型;根据所述原始关系数据集确定被嵌入水印数据集以及嵌入水印数据集;将所述被嵌入水印数据集划分为多个分组;根据所述水印比特信息、确定的每一所述数据行的所述控制域类型以及所述特征域类型确定是否插入数据行以及插入的数据行的特征域类型;将所述嵌入水印数据集符合所述特征域类型的数据行插入当前数据行所在的组域中,以解决现有技术中数据库水印算法鲁棒性较差的技术问题。
-
公开(公告)号:CN109658344B
公开(公告)日:2022-10-25
申请号:CN201811338660.5
申请日:2018-11-12
Applicant: 哈尔滨工业大学(深圳) , 深圳云安宝科技有限公司
Abstract: 本发明公开了一种基于深度学习的图像去噪方法,搭建神经网络图像去噪模型,选取训练集,并设置训练参数;根据神经网络图像去噪模型及其训练参数,以最小平方差函数作为损失函数,应用在模型训练过程,形成深度学习的神经网络图像去噪模型;将待处理的图像输入到所述神经网络图像去噪模型,输出去噪后的无噪声图像,根据噪声的分布程度引入相应的权重到网络模型中,为了防止梯度消失或者梯度爆炸的情况,引入残差学习过程,并采用LN横向规范化形式将经过卷积层得到特征进行归一化来统一数据的分布,使数据保存在相同的范围,并加快网络收敛速度,可广泛适用于高斯噪声、真实图像噪声、超分辨等低水平视觉的图像任务处理过程。
-
公开(公告)号:CN110362411B
公开(公告)日:2022-08-02
申请号:CN201910680641.9
申请日:2019-07-25
Applicant: 哈尔滨工业大学
Abstract: 一种基于Xen系统的CPU资源调度方法,涉及CPU资源调度技术领域。本发明为了解决现有的CPU资源调度的方法无法对具体运行的任务进行区分、无法与实时运行环境进行结合来调整CPU资源等问题。将vcpu队列作为输入数据,对RNN分类模型进行训练;获取Xen系统的全局队列信息credit[]和pri[],再利用训练好的RNN分类模型对Xen系统的全局队列信息credit[]和pri[]进行分类;判断上述数组是否为空,如果是则结束,否则分类结果通过Q‑learning算法来更新q‑table表;利用当前更新后q‑table表进行时间片调整来完成CPU资源的调度。提高资源的有效利用率并降低云数据中心的能源消耗。
-
公开(公告)号:CN108897602B
公开(公告)日:2021-05-25
申请号:CN201810709486.4
申请日:2018-07-02
Applicant: 哈尔滨工业大学
Abstract: 一种基于KVM的虚拟机自省采集系统及采集方法,本发明涉及基于KVM的虚拟机自省采集系统及采集方法。本发明的目的是为了解决现有当外来的网络攻击出现时,进程的死亡或者网络的瘫痪都会导致虚拟机内部采集的失效的问题。一种基于KVM的虚拟机自省采集系统包括配置下发模块、任务调度模块、文件度量模块、语义解析模块、虚拟机连接模块、流处理模块和数据库模块,实现了对虚拟机的多维度信息采集,包括虚拟机内存信息采集和虚拟机文件信息采集,并且支持Windows虚拟机和Linux虚拟机的采集。本发明用于虚拟机自省采集领域。
-
-
-
-
-
-
-
-
-