-
公开(公告)号：CN119200811B
公开(公告)日：2025-05-06
申请号：CN202411732111.1
申请日：2024-11-29
Applicant: 浪潮电子信息产业股份有限公司
IPC: G06F1/329 , G06F1/3234 , G06N3/04
Abstract: 本发明公开了一种基于能耗的异构计算系统任务处理方法、系统以及产品，涉及计算机技术领域。依据当前训练任务的任务需求参数确定预选异构算力设备，保证当前的训练任务在执行过程中能够顺利完成的前提下确定的预选异构算力设备的数量。选取与预选异构算力设备的数量相同预选存储设备，保证预选异构算力设备与预选存储设备呈现匹配一一对应的关系。基于各预选异构算力设备与各预先存储设备之间的各个组合关系和能耗确定最终能耗，利用能耗优化处理的能耗特征，对各预选异构算力设备与各预选存储设备下的不同组合关系确定的优化处理方式，提高各预选异构算力设备与各预选存储设备的匹配度，降低各预选异构算力设备与各预选存储设备之间的能耗。
-
公开(公告)号：CN119226092B
公开(公告)日：2025-03-21
申请号：CN202411732114.5
申请日：2024-11-29
Applicant: 浪潮电子信息产业股份有限公司
Abstract: 本发明公开了一种异构计算系统的检查点部署方法、系统、产品以及装置，涉及计算机技术领域。根据各异构算力设备的需求参数计算在每个存储设备上部署检查点时各存储设备对应的故障恢复耗时期望值，以权衡各异构算力设备的各需求参数对应检查点恢复的影响。根据各异构算力设备的需求参数和故障恢复耗时期望值确定初步的第一检查点部署关系，以实现在部署过程中针对于各异构算力设备的特性参数对应部署检查点到各个存储设备的局部最优选择的可预测性。根据初步的第一检查点部署关系，通过各异构算力设备的部署位置进行优化确定第二检查点部署关系，有效跳出局部最优解增加找到全局最优解的可能性，提高训练任务的执行效率。
-
公开(公告)号：CN119200811A
公开(公告)日：2024-12-27
申请号：CN202411732111.1
申请日：2024-11-29
Applicant: 浪潮电子信息产业股份有限公司
IPC: G06F1/329 , G06F1/3234 , G06N3/04
Abstract: 本发明公开了一种基于能耗的异构计算系统任务处理方法、系统以及产品，涉及计算机技术领域。依据当前训练任务的任务需求参数确定预选异构算力设备，保证当前的训练任务在执行过程中能够顺利完成的前提下确定的预选异构算力设备的数量。选取与预选异构算力设备的数量相同预选存储设备，保证预选异构算力设备与预选存储设备呈现匹配一一对应的关系。基于各预选异构算力设备与各预先存储设备之间的各个组合关系和能耗确定最终能耗，利用能耗优化处理的能耗特征，对各预选异构算力设备与各预选存储设备下的不同组合关系确定的优化处理方式，提高各预选异构算力设备与各预选存储设备的匹配度，降低各预选异构算力设备与各预选存储设备之间的能耗。
-
公开(公告)号：CN117834297B
公开(公告)日：2024-05-28
申请号：CN202410230015.0
申请日：2024-02-29
Applicant: 浪潮电子信息产业股份有限公司
Abstract: 本发明公开了一种攻击检测方法、装置、系统、电子设备及可读存储介质，应用于数据安全技术领域。其中，方法应用于边缘计算设备的联邦学习过程中，边缘云服务器基于各边缘计算设备的初始网络模型对目标数据集的推理结果生成有权无向图，基于该有权无向图将边缘计算设备划分为多个数据同性簇，并为之选择簇头。簇头获取属于同一个簇内的边缘计算设备的本地模型参数，基于待检测攻击的攻击特点确定具有攻击特征的边缘计算设备的模型参数更新特征，根据同一簇内各边缘计算设备的本地模型参数确定是否存在攻击设备。本发明可以解决相关技术中无法精准检测攻击导致用户数据无法得到保护的问题，能够有效检测恶意攻击设备，提升用户数据的安全性。
-
公开(公告)号：CN117808128B
公开(公告)日：2024-05-28
申请号：CN202410230128.0
申请日：2024-02-29
Applicant: 浪潮电子信息产业股份有限公司
Abstract: 本发明公开了一种数据异构条件下的图像处理方法、联邦学习方法及装置，涉及图像处理技术领域，边缘云服务器根据数据分布相似性对边缘计算设备分簇，簇内边缘计算设备具有相似的数据分布，可以让模型更好的捕捉到数据的特征。边缘计算设备采用残差分级训练的方式进行模型训练，实现细粒度模型训练，缓解数据分布差异大的问题。边缘计算设备与边缘云服务器在联邦学习过程中进行三层模型参数聚合，得到准确可靠的图像处理模型，最终边缘计算设备使用该准确可靠的图像处理模型进行图像处理，可以提升图像处理的准确性与可靠性。
-
Patent Agency Ranking
公开(公告)号：CN117811845B
公开(公告)日：2024-05-24
申请号：CN202410230012.7
申请日：2024-02-29
Applicant: 浪潮电子信息产业股份有限公司
IPC: H04L9/40 , H04L67/10 , H04L41/142 , G06F18/23 , G06F18/213 , G06F18/22 , G06F21/62
Abstract: 本发明公开了一种威胁检测及模型训练方法、装置、系统、电子设备、介质，应用于数据安全技术领域。其中，方法包括边缘云服务器基于各边缘计算设备的推理结果生成的有权无向图进行数据同性簇划分，同时选择簇头。边缘计算设备基于分簇信息将本地模型参数发送至相应簇头，簇头根据其簇内设备的模型参数和网络攻击特点确定攻击设备，并将去除攻击设备后的其余本地模型参数的簇内聚合结果发送至边缘云服务器进行全局聚合；根据全局模型聚合参数不断更新本地模型参数直至全局型收敛，得到执行威胁检测任务的威胁检测模型。本发明可以解决相关技术中无法精准检测攻击导致用户数据无法得到保护的问题，能够有效提高威胁检测精度。
-
公开(公告)号：CN117834297A
公开(公告)日：2024-04-05
申请号：CN202410230015.0
申请日：2024-02-29
Applicant: 浪潮电子信息产业股份有限公司
Abstract: 本发明公开了一种攻击检测方法、装置、系统、电子设备及可读存储介质，应用于数据安全技术领域。其中，方法应用于边缘计算设备的联邦学习过程中，边缘云服务器基于各边缘计算设备的初始网络模型对目标数据集的推理结果生成有权无向图，基于该有权无向图将边缘计算设备划分为多个数据同性簇，并为之选择簇头。簇头获取属于同一个簇内的边缘计算设备的本地模型参数，基于待检测攻击的攻击特点确定具有攻击特征的边缘计算设备的模型参数更新特征，根据同一簇内各边缘计算设备的本地模型参数确定是否存在攻击设备。本发明可以解决相关技术中无法精准检测攻击导致用户数据无法得到保护的问题，能够有效检测恶意攻击设备，提升用户数据的安全性。
-
公开(公告)号：CN117811845A
公开(公告)日：2024-04-02
申请号：CN202410230012.7
申请日：2024-02-29
Applicant: 浪潮电子信息产业股份有限公司
IPC: H04L9/40 , H04L67/10 , H04L41/142 , G06F18/23 , G06F18/213 , G06F18/22 , G06F21/62
Abstract: 本发明公开了一种威胁检测及模型训练方法、装置、系统、电子设备、介质，应用于数据安全技术领域。其中，方法包括边缘云服务器基于各边缘计算设备的推理结果生成的有权无向图进行数据同性簇划分，同时选择簇头。边缘计算设备基于分簇信息将本地模型参数发送至相应簇头，簇头根据其簇内设备的模型参数和网络攻击特点确定攻击设备，并将去除攻击设备后的其余本地模型参数的簇内聚合结果发送至边缘云服务器进行全局聚合；根据全局模型聚合参数不断更新本地模型参数直至全局型收敛，得到执行威胁检测任务的威胁检测模型。本发明可以解决相关技术中无法精准检测攻击导致用户数据无法得到保护的问题，能够有效提高威胁检测精度。
-
公开(公告)号：CN117808125A
公开(公告)日：2024-04-02
申请号：CN202410230004.2
申请日：2024-02-29
Applicant: 浪潮电子信息产业股份有限公司
Abstract: 本发明公开了一种模型聚合方法、装置、设备、联邦学习系统及存储介质，属于边缘计算领域，用于对边缘计算设备中待聚合的模型参数进行筛选，解决了不重要的模型参数传输影响模型训练效率以及模型精度的问题。分别确定本地网络模型的各个模型参数对于本地网络模型性能的第一影响程度以及各个骨干网络层对于本地网络模型性能的第二影响程度，结合第一、第二影响程度对模型参数进行筛选，可剔除对本地网络模型性能影响较小的模型参数，不但降低了数据传输成本，提升了数据传输效率，而且避免了重要程度较低的模型参数对模型精度的影响，使中心服务器在工业设备故障预测、网络安全问题识别与图片分类时发挥最优的效果。
-
公开(公告)号：CN117097797B
公开(公告)日：2024-02-09
申请号：CN202311353873.6
申请日：2023-10-19
Applicant: 浪潮电子信息产业股份有限公司
IPC: H04L67/565 , H04L67/566 , H04L67/1004 , H04L67/1001 , G06N3/044 , G06N3/08
Abstract: 问题，能够实现云边端环境下的数据协同共享。本发明公开了一种云边端协同方法、装置、系统、电子设备及可读存储介质，应用于云技术领域。其中，方法包括云中心服务器预先部署通用知识模型；通用知识模型包括数据接口网络、特征提取网络和任务接口网络；云中心服务器检测到符合云边交互条件，将通用知识模型下发至各边缘服务器，各边缘服务器通过双向蒸馏方式对其本地模型和通用知识模型进行训练。其中，数据接口网络对不同模态的输入数据进行处理，以满足特征提取网络的输入数据的格式要求；任
-
-
-
-
-
-
-
-
-
Search Results
64
records
(took 0.084 seconds)
