检索结果-内蒙古大学图书馆

计算机研究与发展 2023年第9期60卷 1960-1972页

作者：段卓辉刘海坤赵金玮刘一航廖小飞金海大数据技术与系统国家地方联合工程研究中心(华中科技大学) 武汉430074 服务计算技术与系统教育部重点实验室(华中科技大学) 武汉430074 集群与网格计算湖北省重点实验室(华中科技大学) 武汉430074 华中科技大学计算机科学与技术学院武汉430074

在分布式内存系统中,缓存是减少远端内存访问开销的一种有效手段.然而,单一的缓存一致性保证机制往往不能高效适配不同类型负载的访存特性.为此,面向分布式异构内存池系统,设计了基于目录和基于广播相结合的混合缓存一致性保证机制.利... 详细信息

在分布式内存系统中,缓存是减少远端内存访问开销的一种有效手段.然而,单一的缓存一致性保证机制往往不能高效适配不同类型负载的访存特性.为此,面向分布式异构内存池系统,设计了基于目录和基于广播相结合的混合缓存一致性保证机制.利用四象限矩阵分析方法,对每个数据对象进行访存模式的判定分析,并为其配置最高效的缓存一致性保证策略,并且可以根据对象访存特征的变化在2种策略之间动态切换.实验结果表明,相比使用单一的缓存一致性保证机制,采用可动态配置的混合缓存一致性保证机制可提升分布式异构内存池系统的读和写,性能平均达32.31%和31.20%.此外,混合的缓存一致性保证机制在客户端数量不断增加时仍然表现出良好的可扩展性.

关键词：分布式异构内存池分布式缓存机制分布式一致性协议基于目录的缓存一致性基于广播的缓存一致性

来源：评论

学校读者我要写书评

暂无评论

络加速系统面向CPU-GPU异构环境下的高性能超图神经网

引用

中国科学:信息科学 2025年

作者：余辉张宇李鑫滔陈子康赵英淇赵进齐豪廖小飞金海华中科技大学大数据技术与系统国家地方联合工程研究中心华中科技大学服务计算技术与系统教育部重点实验室华中科技大学集群与网格计算湖北省重点实验室华中科技大学计算机科学与技术学院

图神经网络因其在处理非欧几里得空间数据方面的卓越学习和推理能力而备受关注.然而,现实世界中的图结构通常包含顶点之间复杂的高阶关联关系,这类图通常被定义为超图.为了在超图上有效捕获这些高阶复杂特征和潜在语义信息,众多超图神... 详细信息

图神经网络因其在处理非欧几里得空间数据方面的卓越学习和推理能力而备受关注.然而,现实世界中的图结构通常包含顶点之间复杂的高阶关联关系,这类图通常被定义为超图.为了在超图上有效捕获这些高阶复杂特征和潜在语义信息,众多超图神经网络模型被相继提出.尽管目前已有多个利用GPU加速器的高并行计算能力来加速超图神经网络训练的系统软件,但在加速模型训练过程中,这些系统仍面临大量冗余计算和频繁的数据通信问题,导致GPU利用率较低.此外,这些系统仅支持图规模较小的超图神经网络模型训练.针对上述问题,本文发现超图神经网络训练过程中,由于超图中多条超边之间存在较强的拓扑重叠特性,因此这些超边的计算会重复获取和计算相同图顶点的特征向量.基于这一观察,本文提出了一个面向CPU-GPU异构环境的高性能超图神经网络系统(redundancy-elimination hypergraph neural network, RHGNN).该系统充分利用超边间的重叠特性指导超边和顶点特征计算与更新,有效减少CPU-GPU数据通信量.具体而言, RHGNN提出了一种新颖的以超边为中心的冗余消除执行方法,使系统以最优方式完成顶点特征向量的通信加载,实现一次加载服务多次超边和顶点特征计算.同时, RHGNN通过高效的超度感知层次数据缓存机制,在GPU端优先缓存频繁访问的顶点和超边特征向量以及超边中共享顶点的中间结果值,进一步减少数据通信开销.为验证RHGNN的有效性,本文将其与当前最先进的超图神经网络软件系统DGL, PyG以及HyperGef进行了性能对比.实验结果表明,在支持超图神经网络模型训练方面, RHGNN相较于PyG,DGL和HyperGef的性能分别提升了2.5～3.4倍, 2.1～3.1倍和1.4～2.3倍.

关键词：超图神经网络训练加速 CPU-GPU异构冗余消除拓扑相似性

来源：评论

学校读者我要写书评

暂无评论

面向忆阻器存内计算架构的高能效编解码机制

引用

中国科学：信息科学 2024年第8期54卷 1827-1842页

作者：黄禹郑龙刘海峰邱启航辛杰廖小飞金海华中科技大学大数据技术与系统国家地方联合工程研究中心武汉430074 华中科技大学服务计算技术与系统教育部重点实验室武汉430074 华中科技大学集群与网格计算湖北省重点实验室武汉430074 华中科技大学计算机科学与技术学院武汉430074 之江实验室杭州311121

近年来,以忆阻器为代表的存内计算架构被广泛研究,用于加速各种应用,并有望突破冯·诺伊曼(von Neumann)架构面临的内存墙瓶颈.本文观察到忆阻器计算操作的能源消耗存在不对称性,即在低电阻状态下对忆阻器单元的操作能耗可能比在高... 详细信息

近年来,以忆阻器为代表的存内计算架构被广泛研究,用于加速各种应用,并有望突破冯·诺伊曼(von Neumann)架构面临的内存墙瓶颈.本文观察到忆阻器计算操作的能源消耗存在不对称性,即在低电阻状态下对忆阻器单元的操作能耗可能比在高电阻状态下高出数个数量级.这为通过减少低电阻状态单元的数量来节省计算能源提供了机会.为此,本文提出了一套通用且高效的忆阻器编解码机制,可以无缝集成到现有加速器中,并且不会影响其计算结果.在编码部分,设计了一个基于减法的编码器,实现了低电阻状态到高电阻状态的编码转换,并将编码问题表述为图遍历问题以实现最优的编码结果在解码部分,配备了一个轻量级的硬件解码器,用于还原编码的计算结果,并且避免引入额外的计算时间开销。实验结果显示,本方案在机器学习和图计算等多个领域取得不俗效果,分别实现了高达31.3%和56.0%的能源节约.

关键词：存内计算忆阻器加速器高能效机器学习图计算

来源：评论

学校读者我要写书评

暂无评论

一种冗余感知的高能效图计算加速器

引用

中国科学：信息科学 2024年第6期54卷 1369-1385页

作者：姚鹏程廖小飞金海周宇航徐鹏张伟曾圳潘晨高朱冰华中科技大学大数据技术与系统国家地方联合工程研究中心武汉430074 华中科技大学服务计算技术与系统教育部重点实验室武汉430074 华中科技大学集群与网格计算湖北省重点实验室武汉430074 华中科技大学计算机科学与技术学院武汉430074 之江实验室杭州311121

图作为一种灵活表达对象之间关系的数据结构,广泛地应用于各类重要的现实场景.近年来,随着性能提升速度放缓,通用处理器逐渐无法满足图计算应用的需求,并成为限制图计算发展的主要瓶颈.因此,面向图计算的领域专用加速器成为近年来的研... 详细信息

图作为一种灵活表达对象之间关系的数据结构,广泛地应用于各类重要的现实场景.近年来,随着性能提升速度放缓,通用处理器逐渐无法满足图计算应用的需求,并成为限制图计算发展的主要瓶颈.因此,面向图计算的领域专用加速器成为近年来的研究热点.通过定制化的硬件设计,图计算加速器可以在图计算应用中取得通用处理器数十倍的性能.然而,现有的图计算加速器在运行宽度优先算法时会频繁地重复访问幂律顶点的相关数据,进而导致了严重的冗余访存问题.在特定场景下,现有的图计算加速器的性能甚至低于通用CPU.为了解决该问题,本文提出一种冗余感知的高能效图计算加速器JiFeng.当幂律顶点完成迭代计算时,JiFeng通过跳过剩余的相邻边大幅减少其被重复访问的次数.JiFeng实现了一系列软硬件协同设计,在保证负载均衡的同时提升硬件的执行效率.为了验证JiFeng的有效性,本文采用FPGA原型系统对相关设计进行性能评估.JiFeng在典型的生成图和现实图上实现最高每秒遍历4612亿条边的性能和每秒每瓦特遍历125亿条边的能效比,并在2023年11月的图计算超算排行榜GreenGraph500的小数据集榜单上取得第2名的成绩.

关键词：图计算加速器宽度优先搜索冗余访存 FPGA

来源：评论

学校读者我要写书评

暂无评论

基于迭代协作学习框架的信誉医学参与方选择

引用

计算机研究与发展 2024年第9期61卷 2347-2363页

作者：陆枫李炜顾琳刘帅王润衡任宇飞戴小海廖小飞金海大数据技术与系统国家地方联合工程研究中心(华中科技大学) 武汉430074 服务计算技术与系统教育部重点实验室(华中科技大学) 武汉430074 集群与网格计算湖北省重点实验室(华中科技大学) 武汉430074 华中科技大学计算机科学与技术学院武汉430074 中澳能源信息学和需求响应技术联合研究中心(悉尼大学) 悉尼2006 分布式与高性能计算中心(悉尼大学) 悉尼2006 悉尼大学计算机学院悉尼2006 华中科技大学同济医学院附属同济医院计算机中心武汉430030

联邦学习和群智学习等协作学习技术,能够在保护数据隐私的条件下充分利用分布在各地的分布式数据深度挖掘数据中所蕴含的知识,拥有非常广阔的应用前景,尤其是在强调隐私惯例和道德约束的医疗健康领域.任何协作工作都需要选择可靠的参与... 详细信息

联邦学习和群智学习等协作学习技术,能够在保护数据隐私的条件下充分利用分布在各地的分布式数据深度挖掘数据中所蕴含的知识,拥有非常广阔的应用前景,尤其是在强调隐私惯例和道德约束的医疗健康领域.任何协作工作都需要选择可靠的参与方,协作学习中全局模型的性能在很大程度上取决于参与方的选择.然而,现有研究在选择参与方时都没有对不同机构医疗数据中存在的异质性加以直接关注.导致包含稳定性在内的全局模型的性能难以得到保障.提出了从信誉的角度尝试探索求解该问题.以迭代协作学习的方式尽可能挑选出具有良好信誉的参与方进行协作学习,以获得稳定可靠的高性能全局模型.首先,提出了一个描述医疗机构数据质量的AI信誉值指标AMP(AI medical promise),以帮助其在医疗领域中形成良好的AI生态.其次,建立了一个基于后向选择的迭代协作学习(colback-learning)框架.在单次协作学习任务中,利用后向选择方法以多项式时间复杂度迭代计算出性能良好且稳定的全局模型,完成AMP计算和积累.在AMP信誉值计算中,制定了一个综合考虑全局性能指标的评分函数,以针对医疗领域更有效地指导全局模型的训练.最后,使用真实医疗数据模拟多样化的协作学习场景.实验表明,colback-learning能够选择可靠参与方训练得到性能良好的全局模型,模型的性能稳定性比现有最好的参与方选择方法提高了1.3~6倍.全局模型的可解释性与集中式学习保持了较高的一致性.

关键词：协作学习联邦学习参与方选择数据贡献区块链神经网络

来源：评论

学校读者我要写书评

暂无评论

ErlangShen:基于流水线低访问开销的图式区块链高效事务执行机制

引用

电子与信息学报 2024年第5期46卷 2111-2121页

作者：肖江吴恩平张世桀伏子豪金海大数据技术与系统国家地方联合工程研究中心武汉430074 服务计算技术与系统教育部重点实验室武汉430074 集群与网格计算湖北省重点实验室武汉430074 华中科技大学计算机科学与技术学院武汉430074

基于有向无环图(DAG)的图式区块链能够显著提升系统性能,已成为近年来业界的研究热点。相较于传统串行化的链式区块链,图式区块链可在单位时间内并发处理大量事务从而提升吞吐量。随着事务量的激增,图式区块链面临事务执行效率低的瓶颈... 详细信息

基于有向无环图(DAG)的图式区块链能够显著提升系统性能,已成为近年来业界的研究热点。相较于传统串行化的链式区块链,图式区块链可在单位时间内并发处理大量事务从而提升吞吐量。随着事务量的激增,图式区块链面临事务执行效率低的瓶颈问题,即海量事务执行对状态数据访问的需求大幅增加,导致高昂的输入/输出(I/O)开销。实现低I/O访问主要包括两方面的全新挑战:一方面,图式区块链若直接采用传统的事务预取机制,将因执行逻辑不一致引入大量的陈旧读;另一方面,针对不同账户的状态访问会在默克尔树的高层节点中造成重复的I/O开销。为此,本文设计基于流水线的图式区块链高效事务执行机制—ErlangShen,包括Epoch粒度的状态预取机制和默克尔高层路径缓存机制来分别减少陈旧读的数量和重复的I/O开销。具体而言,ErlangShen充分分析并利用了事务访问频次的冷热特征,将访问热事务的逻辑执行与冷事务的状态预取并行化,以避免状态预取对事务执行的影响。此外,为了进一步提升事务执行的吞吐量,根据访问冷热状态事务的特性设计了定制化的并发控制方法。实验结果表明,ErlangShen机制能够减少约90%的陈旧读数量,与最新图式区块链事务处理机制Nezha相比,可将性能提升3~4倍。

关键词：区块链图式区块链 I/O优化并发控制状态树

来源：评论

学校读者我要写书评

暂无评论

区块链网络综述

引用

软件学报 2024年第2期35卷 773-799页

作者：司冰茹肖江刘存扬戴小海金海大数据技术与系统国家地方联合工程研究中心湖北武汉430074 服务计算技术与系统教育部重点实验室湖北武汉430074 集群与网格计算湖北省重点实验室湖北武汉430074 华中科技大学计算机学院湖北武汉430074

区块链是典型的分布式系统,底层网络的性能和安全性至关重要.区块链网络的本质是P2P网络,然而在安全模型、传输协议和性能指标等方面与传统P2P网络存在明显差异.首先,针对区块链网络的传输流程进行全面、深入地分析,阐明区块链网络所面... 详细信息

区块链是典型的分布式系统,底层网络的性能和安全性至关重要.区块链网络的本质是P2P网络,然而在安全模型、传输协议和性能指标等方面与传统P2P网络存在明显差异.首先,针对区块链网络的传输流程进行全面、深入地分析,阐明区块链网络所面临的瓶颈挑战.其次,针对区块链网络拓扑结构和传输协议的最新研究工作,从节点异构性、编码方案、广播算法和中继网络等方面系统性地分类梳理,并归纳总结跨链网络实现和网络仿真工具.最后,探讨区块链网络的未来研究趋势.

关键词：区块链拓扑结构传输协议跨链网络仿真工具

来源：评论

学校读者我要写书评

暂无评论

算网融合下的多层次计算资源系统

引用

计算机研究与发展 2025年

作者：徐家豪余辰李健金海大数据技术与系统国家地方联合工程研究中心(华中科技大学) 服务计算技术与系统教育部重点实验室(华中科技大学) 集群与网格计算湖北省重点实验室(华中科技大学) 华中科技大学计算机科学与技术学院上海市可扩展计算与系统实验室(上海交通大学) 上海交通大学软件学院

算力网络旨在将泛在算力与网络进行深度融合，以期通过网络将计算、存储等多维基础资源在云、边、端之间进行有效调配，让用户可以像使用水电资源一样透明的使用算力资源，按需索取，随取随用.然而对于云边端异构的计算资源、动态的网... 详细信息

算力网络旨在将泛在算力与网络进行深度融合，以期通过网络将计算、存储等多维基础资源在云、边、端之间进行有效调配，让用户可以像使用水电资源一样透明的使用算力资源，按需索取，随取随用.然而对于云边端异构的计算资源、动态的网络负载和多样化的用户需求，如何有效的进行资源的调度和路由成为了算力网络面临的核心挑战之一.为解决上述挑战，设计了一套多层次的计算资源系统（computing resource system，CRS）.不同于现有的资源调配，CRS是一套建立在应用层之上并且兼顾考虑算网感知和算力路由的完整的算力网络技术方案.计算资源系统由算网资源感知策略和算力资源路由协议组成.算网资源感知策略定义了辖区系统内部的域内感知规则和不同辖区之间的域间感知规则，并基于此提出了一种基于贪心的资源路由算法（greedy-based resource routing algorithm，GBRA），为每个任务动态生成感知搜索树.算力资源路由协议通过CRS请求报文、授权通告报文、通告确认报文和CRS响应报文来完成资源的申请与调配工作.通过大量的数据仿真实验证明，与其他算法相比，CRS可以在任务容忍的最大响应时延内，完成对更多任务的资源分配工作.此外，对于辖区系统内部计算节点之间可以实现较优的负载均衡.

关键词：算力网络计算资源系统算网资源感知策略算力资源路由协议辖区系统

来源：评论

学校读者我要写书评

暂无评论

图卷积网络的抗混淆安卓恶意软件检测

引用

软件学报 2023年第6期34卷 2526-2542页

作者：吴月明齐蒙邹德清金海大数据技术与系统国家地方联合工程研究中心(服务计算技术与系统教育部重点实验室华中科技大学) 湖北武汉430074 分布式系统安全湖北省重点实验室湖北武汉430074 华中科技大学网络空间安全学院湖北武汉430074 华中科技大学计算机科学与技术学院湖北武汉430074

自安卓系统发布以来,由于其开源、硬件丰富和应用市场多样等优势,该系统已成为全球使用最广泛的手机操作系统.同时,安卓设备和安卓应用的爆炸式增长也使其成为96%移动恶意软件的攻击目标.在现有的安卓恶意软件检测方法中,忽视程序语义... 详细信息

自安卓系统发布以来,由于其开源、硬件丰富和应用市场多样等优势,该系统已成为全球使用最广泛的手机操作系统.同时,安卓设备和安卓应用的爆炸式增长也使其成为96%移动恶意软件的攻击目标.在现有的安卓恶意软件检测方法中,忽视程序语义而直接提取简单程序特征的方法,其检测速度快但精确度不够理想,将程序语义转换为图模型并采用图分析的方法,其精确度虽高但开销大且扩展性低.为了解决上述挑战,将应用的程序语义提取为函数调用图,在保留语义信息的同时,采用抽象API技术将调用图转换为抽象图,以减少运行开销并增强鲁棒性.基于得到的抽象图,以TripletLoss损失训练构建基于图卷积网络的抗混淆安卓恶意软件分类器SriDroid.对20246个安卓应用进行实验分析后发现:SriDroid可以达到99.17%的恶意软件检测精确度,并具有良好的鲁棒性.

关键词：安卓恶意软件抗混淆函数调用图抽象API 图卷积网络

来源：评论

学校读者我要写书评

暂无评论

基于图神经网络的切片级漏洞检测及解释方法

引用

软件学报 2023年第6期34卷 2543-2561页

作者：胡雨涛王溯远吴月明邹德清李文科金海大数据技术与系统国家地方联合工程研究中心(服务计算技术与系统教育部重点实验室华中科技大学) 湖北武汉430074 分布式系统安全湖北省重点实验室湖北武汉430074 华中科技大学网络空间安全学院湖北武汉430074 华中科技大学计算机科学与技术学院湖北武汉430074

随着软件的复杂程度越来越高,对漏洞检测的研究需求也日益增大.软件漏洞的迅速发现和修补,可以将漏洞带来的损失降到最低.基于深度学习的漏洞检测方法作为目前新兴的检测手段,可以从漏洞代码中自动学习其隐含的漏洞模式,节省了大量人力... 详细信息

随着软件的复杂程度越来越高,对漏洞检测的研究需求也日益增大.软件漏洞的迅速发现和修补,可以将漏洞带来的损失降到最低.基于深度学习的漏洞检测方法作为目前新兴的检测手段,可以从漏洞代码中自动学习其隐含的漏洞模式,节省了大量人力投入.但基于深度学习的漏洞检测方法尚未完善,其中,函数级别的检测方法存在检测粒度较粗且检测准确率较低的问题,切片级别的检测方法虽然能够有效减少样本噪声,但仍存在以下两方面的问题:一方面,现有方法大多采用人工漏洞数据集进行实验,因此其在真实环境中的漏洞检测能力仍然存疑;另一方面,相关工作仅致力于检测出切片样本是否存在漏洞,而缺乏对检测结果可解释性的考虑.针对上述问题,提出基于图神经网络的切片级漏洞检测及解释方法.该方法首先对C/C++源代码进行规范化并提取切片,以减少样本冗余信息干扰;之后,采用图神经网络模型进行切片嵌入得到其向量表征,以保留源代码的结构信息和漏洞特征;然后,将切片的向量表征输入漏洞检测模型进行训练和预测;最后,将训练完成的漏洞检测模型和待解释的漏洞切片输入漏洞解释器,得到具体的漏洞代码行.实验结果显示:在漏洞检测方面,该方法对于真实漏洞数据的检测F1分数达到75.1%,相较于对比方法提升了41.2%-110.4%;在漏洞解释方面,该方法在限定前10%的关键节点时,准确率可达73.6%,相较于两种对比解释器分别提升了8.9%和24.9%,且时间开销分别缩短了42.5%和15.4%.最后,该方法正确检测并解释了4个开源软件中59个真实漏洞,证明了其在现实世界漏洞发掘方面的实用性.

关键词：漏洞检测深度学习图神经网络人工智能可解释性

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：