公开(公告)号：CN117478379A

公开(公告)日：2024-01-30

申请号：CN202311425676.0

申请日：2023-10-30

Applicant: 国网电力科学研究院有限公司 ,  国网江苏省电力有限公司信息通信分公司

Inventor： 夏飞 ,  汤铭 ,  张立志 ,  张明明 ,  余竞航 ,  牧军 ,  杨华飞 ,  王凌 ,  程昕云 ,  杨文清 ,  蒋承伶 ,  毛林晖 ,  李梦雅 ,  李磊 ,  储奕

IPC: H04L9/40 ,  H04L67/10 ,  G06F21/56 ,  G06F18/214

Abstract: 云边协同攻击识别方法，边缘端基于GNN算法训练攻击识别模型并将自身训练集数据传输给云端；云端基于训练集数据更新自身数据集并利用数据集训练攻击识别模型；云端对攻击识别模型进行筛选，将筛选后的模型分发给边缘端；在整个过程中，边缘端收集恶意攻击流量记录以更新自身训练集。本发明利用GNN和开源数据集训练攻击识别模型，训练分布在具有一定的资源训练能力和信息收集能力的边缘计算端，识别精度高的边缘端将训练集传输到云端以更新云端的训练集，云端将识别精确率高的模型下发给云端，最终通过云边之间的数据和模型传输实现云边协同的攻击识别；降低了云端的资源压力，同时增加了云端的安全识别能力以及云端与边缘之间的安全协调性。

公开(公告)号：CN118520295A

公开(公告)日：2024-08-20

申请号：CN202410670130.X

申请日：2024-05-28

Applicant: 国网电力科学研究院有限公司 ,  国网江苏省电力有限公司 ,  国家电网有限公司 ,  国网江苏省电力有限公司信息通信分公司

Inventor： 何金陵 ,  桂美坤 ,  杜元翰 ,  宋文 ,  王智慷 ,  丰佳 ,  刘喆 ,  曹存洋 ,  樊光明 ,  秦培兆 ,  周晓虎 ,  张立志

IPC: G06F18/214 ,  G06F18/25 ,  G06N3/0464 ,  G06N3/084

Abstract: 本发明公开了一种算网融合分布式训练框架的配置自动优化方法及系统。其中，算网融合分布式训练框架的配置自动优化方法包括：确定分布式训练框架的当前训练任务与历史训练任务；从当前训练任务与历史训练任务中采集得到多组配置，合并为训练样本；基于贝叶斯优化算法将训练样本中的一组配置代入当前训练任务并在分布式训练框架中进行训练，同时建立高斯过程拟合训练结果与配置的关系，确定自适应采集函数从训练样本中选择下一组配置进行训练，迭代更新高斯过程，重复上述训练过程，直至得到最优配置。本发明具有精度高、更为全面、过程简单快速的特点。

公开(公告)号：CN115599195B

公开(公告)日：2023-05-05

申请号：CN202211601716.8

申请日：2022-12-14

Applicant: 国网江苏省电力有限公司信息通信分公司 ,  国网电力科学研究院有限公司

Inventor： 邹昊东 ,  牧军 ,  杨文清 ,  刘辉 ,  张银铁 ,  宋文 ,  张明明 ,  刘梅招 ,  李萌 ,  陈欣 ,  肖茂然 ,  汤铭 ,  丰佳 ,  黄鹏 ,  张立志

IPC: G06F1/3234 ,  G06F9/50 ,  G06N3/08 ,  G06F18/2431

Abstract: 本发明公开一种基于CUDA性能计数器的GPU能耗预测方法及系统，方法包括：获取多个基准应用程序对应的特征数据，得到功率模型数据集和时间模型数据集；训练构建的功率网络模型和时间网络模型，获得目标程序的所有CUDA内核，进而获取目标应用程序对应性能计数器和GPU频率组合，将性能计数器和GPU频率组合分别输入到训练后的功率和时间网络模型中，得到内核的功率和执行时间以及能耗。本发明根据不同类型的GPU和CUDA内核计算能力选择全部性能指标，采用GPU频率组合和CUDA性能计数器作为特征表示，并采集CUDA内核功率和执行时间，从而提高预测精度和泛化性。

公开(公告)号：CN115599195A

公开(公告)日：2023-01-13

申请号：CN202211601716.8

申请日：2022-12-14

Applicant: 国网江苏省电力有限公司信息通信分公司(CN) ,  国网电力科学研究院有限公司(CN)

Inventor： 邹昊东 ,  牧军 ,  杨文清 ,  刘辉 ,  张银铁 ,  宋文 ,  张明明 ,  刘梅招 ,  李萌 ,  陈欣 ,  肖茂然 ,  汤铭 ,  丰佳 ,  黄鹏 ,  张立志

IPC: G06F1/3234 ,  G06F9/50 ,  G06N3/08 ,  G06N20/00

Abstract: 本发明公开一种基于CUDA性能计数器的GPU能耗预测方法及系统，方法包括：获取多个基准应用程序对应的特征数据，得到功率模型数据集和时间模型数据集；训练构建的功率网络模型和时间网络模型，获得目标程序的所有CUDA内核，进而获取目标应用程序对应性能计数器和GPU频率组合，将性能计数器和GPU频率组合分别输入到训练后的功率和时间网络模型中，得到内核的功率和执行时间以及能耗。本发明根据不同类型的GPU和CUDA内核计算能力选择全部性能指标，采用GPU频率组合和CUDA性能计数器作为特征表示，并采集CUDA内核功率和执行时间，从而提高预测精度和泛化性。

公开(公告)号：CN116302869A

公开(公告)日：2023-06-23

申请号：CN202211556228.X

申请日：2022-12-06

Applicant: 国电南瑞南京控制系统有限公司 ,  国电南瑞科技股份有限公司 ,  南瑞集团有限公司 ,  国网电力科学研究院有限公司

Inventor： 丰佳 ,  张立志 ,  杨华飞 ,  牧军 ,  杨文清 ,  宋文 ,  秦培兆 ,  李虎 ,  席文超 ,  李强 ,  洪岩 ,  申波 ,  李伟 ,  李磊 ,  毛林晖 ,  吴禹 ,  刘辉 ,  王丽君 ,  张正银

IPC: G06F11/34 ,  G06N3/0442

Abstract: 本发明公开了一种基于非冗余特征选择的数据中心服务器能耗预测方法，包括以下步骤：(1)选择出服务器能耗原始特征集中的强相关特征；(2)利用冗余特征判定算法从强相关特征中挑选出非冗余的特征集合；(3)利用门控循环单元神经网络完成非冗余特征与能耗间关联关系挖掘，并构建服务器能耗的预测分析模型。本发明利用基于深度学习的数据中心能耗管理系统，使数据中心运维人员能够直观准确地掌握影响服务器能耗的关键因子，更好地分析、预测服务器运行时的负载变化和能耗趋势；本发明基于中心服务器资源调度系统，根据服务器能耗变化趋势进行任务分配和资源调度，降低数据中心能耗。