-
公开(公告)号：CN115051999B
公开(公告)日：2023-01-24
申请号：CN202210964968.0
申请日：2022-08-12
Applicant: 中国电子技术标准化研究院 , 北京工业大学
IPC: H04L67/1023 , H04L45/00 , H04L67/568
Abstract: 本发明提供一种基于云边协同的能耗最优任务卸载方法、装置及系统，涉及通信技术领域，该方法包括：接收当前时隙内目标终端发送的卸载请求，从卸载请求中解析出多个内容请求任务；基于云边协同网络中各节点承载各内容请求任务所需的功率消耗、各物理链路承载各内容请求任务所需的功率消耗，以及各内容请求任务的属性信息、各节点的服务性能和各物理链路的服务性能，构建云边协同网络的能耗优化模型；根据能耗优化模型的求解结果，在云边协同网络中获取各内容请求任务的最优缓存节点、最优处理节点和最优路由决策，以对多个内容请求任务进行卸载。本发明实现在提高云边协同网络的服务性能的同时，确保任务卸载的能耗最优。
-
公开(公告)号：CN114205782B
公开(公告)日：2022-06-07
申请号：CN202210148765.4
申请日：2022-02-18
Applicant: 中国电子技术标准化研究院 , 北京工业大学
Abstract: 本发明提供一种基于云边协同的时延最优缓存和路由方法、装置及系统，该方法包括：接收当前时隙内车联网中各车载终端发送的访问请求，从各访问请求中解析出待访问的目标内容；基于各目标内容在车联网的网络模型中的传输延迟时间和逗留延迟时间，以及各目标内容的属性信息、网络模型中各节点和各物理链路的服务性能，构建车联网的时延优化模型；对时延优化模型进行求解，获取各目标内容在网络模型中的最优缓存节点和最优路由决策；根据最优路由决策，从最优缓存节点中获取各目标内容，并将各目标内容返回至相应的车载终端。本发明实现保证目标内容的传输延迟时间和逗留延迟时间整体最小，提高网络模型的内容传输效率、资源利用率和用户服务质量。
-
公开(公告)号：CN114205782A
公开(公告)日：2022-03-18
申请号：CN202210148765.4
申请日：2022-02-18
Applicant: 中国电子技术标准化研究院 , 北京工业大学
Abstract: 本发明提供一种基于云边协同的时延最优缓存和路由方法、装置及系统，该方法包括：接收当前时隙内车联网中各车载终端发送的访问请求，从各访问请求中解析出待访问的目标内容；基于各目标内容在车联网的网络模型中的传输延迟时间和逗留延迟时间，以及各目标内容的属性信息、网络模型中各节点和各物理链路的服务性能，构建车联网的时延优化模型；对时延优化模型进行求解，获取各目标内容在网络模型中的最优缓存节点和最优路由决策；根据最优路由决策，从最优缓存节点中获取各目标内容，并将各目标内容返回至相应的车载终端。本发明实现保证目标内容的传输延迟时间和逗留延迟时间整体最小，提高网络模型的内容传输效率、资源利用率和用户服务质量。
-
公开(公告)号：CN115051999A
公开(公告)日：2022-09-13
申请号：CN202210964968.0
申请日：2022-08-12
Applicant: 中国电子技术标准化研究院 , 北京工业大学
IPC: H04L67/1023 , H04L45/00 , H04L67/568
Abstract: 本发明提供一种基于云边协同的能耗最优任务卸载方法、装置及系统，涉及通信技术领域，该方法包括：接收当前时隙内目标终端发送的卸载请求，从卸载请求中解析出多个内容请求任务；基于云边协同网络中各节点承载各内容请求任务所需的功率消耗、各物理链路承载各内容请求任务所需的功率消耗，以及各内容请求任务的属性信息、各节点的服务性能和各物理链路的服务性能，构建云边协同网络的能耗优化模型；根据能耗优化模型的求解结果，在云边协同网络中获取各内容请求任务的最优缓存节点、最优处理节点和最优路由决策，以对多个内容请求任务进行卸载。本发明实现在提高云边协同网络的服务性能的同时，确保任务卸载的能耗最优。
-
公开(公告)号：CN117891927A
公开(公告)日：2024-04-16
申请号：CN202410295644.1
申请日：2024-03-15
Applicant: 中国电子技术标准化研究院
IPC: G06F16/332 , G06F40/289 , G06F16/31
Abstract: 本发明提供一种基于大语言模型的问答方法、装置、电子设备及存储介质，属于自然语言处理技术领域，该方法包括：将待答复多模态提问信息中的非文本信息转化为对应的第二文本信息；分别从目标文本库中检索出与待答复多模态提问信息中的第一文本信息相匹配的第一文本结果，以及与第二文本信息相匹配的第二文本结果；目标文本库是基于第一文本信息和第二文本信息构建的；利用预设大语言模型，基于第一文本信息、第一文本结果和第二文本结果，确定待答复多模态提问信息对应的答复信息。本发明可以实现针对多模态提问信息的高效准确回答，不需要额外增加大语言模型的训练成本，有效缓解了大语言模型容易出现的事实性幻觉问题。
-
Patent Agency Ranking
公开(公告)号：CN112738121A
公开(公告)日：2021-04-30
申请号：CN202011644609.4
申请日：2020-12-30
Applicant: 中国电子技术标准化研究院 , 北京中海闻达信息技术有限公司 , 杭州海康威视数字技术股份有限公司
Abstract: 本公开提供一种密码安全态势感知方法、装置、设备和可读存储介质。该方法包括：获取在网络安全系统中包括的多个网络设备之间进行通信的通信数据，通信数据包含：接收设备的信息、发送设备的信息、通信时间和传输数据，对通信数据进行密码安全性检测，得到通信数据对应的安全性检测结果，根据通信数据和通信数据对应的安全性检测结果，生成通信数据对应的密码事件信息，根据预设时间段内的通信数据对应的密码事件信息和每个网络设备的密码运行状态日志，评估预设时间段内的网络安全系统的安全性指标。本公开的方法，实现了对网络安全系统的通信数据的采集、密码安全性检测和安全性评估实现了网络安全系统的密码安全态势感知。
-
公开(公告)号：CN111262702A
公开(公告)日：2020-06-09
申请号：CN202010030854.X
申请日：2020-01-13
Applicant: 中国电子技术标准化研究院 , 北京中海闻达信息技术有限公司
Abstract: 本发明实施例公开了一种基于国密算法和生物特征的双因子认证方法、装置和系统，所述方法包括：采集预设用户的生物特征和口令散列值，对所述预设用户的生物特征进行模糊提取，以得到预设用户的模糊生物特征；将所述预设用户的模糊生物特征与所述预设用户的口令散列值整合，以得到注册数据，将所述注册数据存储于数据库中，以完成用户注册；获取当前用户的生物特征和口令散列值，对当前用户的生物特征进行模糊提取，以得到当前用户的模糊生物特征；将所述当前用户的模糊生物特征与所述当前用户的口令散列值整合，以得到双因子验证数据；根据所述双因子验证数据与所述数据库中的注册数据的比对结果，输出认证结果信息。其具有较高的安全性较差。
-
公开(公告)号：CN107085788A
公开(公告)日：2017-08-22
申请号：CN201710262077.X
申请日：2017-04-20
Applicant: 中国电子技术标准化研究院
CPC classification number: G06Q20/0855 , G06Q20/3821 , G06Q20/4014
Abstract: 本发明公开了一种新型的安全支付方法，方法如下：步骤1)、用户首先在支付终端向支付平台端完成注册，在注册过程中选择支付平台端中的两个选项并牢记于心，确认后可隐藏，将不会再出现，但这两项内容会被储存在支付平台内部，用来核准交易；步骤2)、当用户在网上购物需支付时，通过支付终端向支付平台端发起支付请求，支付平台端鉴别付款方用户的信息，并将交易信息发送给商家用户端进行确认。本发明通过用户注册时选择的数字和运算两项加密内容实现了对用户身份的确认，提高了支付的安全性。
-
公开(公告)号：CN118349715A
公开(公告)日：2024-07-16
申请号：CN202410297809.9
申请日：2024-03-15
Applicant: 中国电子技术标准化研究院
IPC: G06F16/951 , G06F16/953 , G06F40/279 , G06F8/30
Abstract: 本发明提供一种提升大模型代码能力的方法、装置、设备及存储介质，涉及人工智能技术领域，其中方法包括：爬取并清洗代码语料，将清洗后的代码语料和所述清洗后的代码语料对应的文本数据存入搜索引擎检索库；构建用户问题对应的查询语句，通过所述搜索引擎检索库获取所述查询语句的查询结果；基于所述查询语句的查询结果、所述用户问题与人工标注的输出结果，对大模型进行微调。从而微调后的大模型可以输出与用户问题更加相关且准确的代码内容，提升大模型的代码生成能力。
-
公开(公告)号：CN118349643A
公开(公告)日：2024-07-16
申请号：CN202410287402.8
申请日：2024-03-13
Applicant: 中国电子技术标准化研究院
IPC: G06F16/332 , G06N3/0985 , G06N3/045 , G06F16/31 , G06N5/04
Abstract: 本申请提供一种提高模型安全性的方法、装置及存储介质。该提高模型安全性的方法涉及自然语言处理技术领域，包括：构建安全语料库；基于所述安全语料库对预训练大语言模型进行低秩适配器Lora微调训练，得到目标Lora权重；将所述目标Lora权重合并至待处理模型中；所述待处理模型指与所述预训练大语言模型同类型、同规模并且同参数量的待提高安全性的大语言模型。本申请提供的提高模型安全性的方法、装置及存储介质，不需要重复对大模型进行继续预训练和微调，而是直接将低秩适配器的权重合并到待处理模型，实现高效提高模型的安全性。
-
-
-
-
-
-
-
-
-
Search Results
52
records
(took 0.035 seconds)
