检索结果-内蒙古大学图书馆

计算机学报 2022年第7期45卷 1446-1461页

作者：祝贺华强胜金海廖小飞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

在过去十数年,来自网络与社交网络的图信息量在急剧增长,这种本质上动态变化的图对存储、分析与处理的实时性需求越来越高.新兴的非易失性内存(Non-Volatile Memory,NVM)技术具有高密度、高可扩展性和接近零待机功耗的优点,同时由于字... 详细信息

在过去十数年,来自网络与社交网络的图信息量在急剧增长,这种本质上动态变化的图对存储、分析与处理的实时性需求越来越高.新兴的非易失性内存(Non-Volatile Memory,NVM)技术具有高密度、高可扩展性和接近零待机功耗的优点,同时由于字节寻址等特性被认为是替代DRAM的潜在候选者,它们可以满足动态图信息快速增长的存储与处理要求.然而,由于NVM的硬件限制和数据一致性要求,传统动态图数据结构在NVM环境下效率低下.为了解决NVM环境下动态图数据结构存在的读写不对称和耐久性低等问题,本文设计与实现了层级合并排序数组(Level Merge Sorted Array,LMSA),它是一种支持在对数时间内同时完成读与写操作的动态图数据结构,它使用层级数组存储动态图中边信息来提升查询速度与减少因动态图数据结构性质维护而产生的写次数.为了低开销地保证数据一致性,LMSA利用无日志记录一致性方案进行插入、删除和更新等操作.在配置了英特尔傲腾持久内存DCPMM(Intel Optane DC Persistent Memory Module)机器上的实验结果表明,与最新的动态图数据结构Stinger和GraphTinker相比,LMSA插入操作吞吐量是Stinger的4.3~12.6倍,是GraphTinker的1.4~4.35倍,其删除操作吞吐量是Stinger的5.7~20.1倍,是GraphTinker的1.4~4.58倍.

关键词：动态图非易失性内存数据结构写优化崩溃一致性

来源：评论

学校读者我要写书评

暂无评论

基于簇内乘积量化的最近邻检索方法

引用

计算机学报 2020年第2期43卷 303-314页

作者：刘淑伟陈威赵伟陈进才卢萍华中科技大学武汉光电国家研究中心武汉430074 华中科技大学信息存储系统教育部重点实验室武汉430074 华中科技大学计算机科学与技术学院武汉430074

本文针对大规模高维数据近邻检索中的瓶颈问题,提出基于向量量化的一种检索方法—簇内乘积量化树方法.该方法运用向量量化和乘积量化的多层树状结构高效表征大规模高维数据集,与现有方法相比降低了索引表空桶率;其次提出基于贪心队列的... 详细信息

本文针对大规模高维数据近邻检索中的瓶颈问题,提出基于向量量化的一种检索方法—簇内乘积量化树方法.该方法运用向量量化和乘积量化的多层树状结构高效表征大规模高维数据集,与现有方法相比降低了索引表空桶率;其次提出基于贪心队列的近邻簇筛选方法减小了计算复杂度,加快了近邻检索速度;最后提出面量化方法用于近似计算候选数据集向量与查询向量间的距离,与点量化和线量化方法相比量化误差更小,提高了近邻查询准确率.本文提出的簇内乘积量化树算法在算子Sift和Gist描述的大规模高维数据集上与乘积量化树技术相比,首次召回准确率提高了57.7%,索引表空桶率降低幅度在50%以上,与局部优化乘积量化技术相比,查全率高达97%,而查询时间却仅需原来的1/9.实验结果表明本文提出的基于簇内乘积量化的近邻方法提升了近邻检索性能,为大规模高维数据集近邻检索提供了理论支持.

关键词：向量量化乘积量化最近邻检索面量化索引结构

来源：评论

学校读者我要写书评

暂无评论

基于MapReduce的数据密集型应用性能优化研究

引用

武汉理工大学学报 2010年第20期32卷 36-40,45页

作者：刘超金海蒋文斌李浩华中科技大学计算机科学与技术学院服务计算技术与系统教育部重点实验室&集群与网格计算湖北省重点实验室武汉430074

MapReduce是一种大规模数据处理的分布式编程模型,基于MapReduce实现的数据密集型应用,能够自动完成任务的分发和并行处理。该文验证了该模型的可扩展性,并针对现有部署方法存在的效率问题,提出针对数据密集型应用的资源需求特性,采用... 详细信息

MapReduce是一种大规模数据处理的分布式编程模型,基于MapReduce实现的数据密集型应用,能够自动完成任务的分发和并行处理。该文验证了该模型的可扩展性,并针对现有部署方法存在的效率问题,提出针对数据密集型应用的资源需求特性,采用基于参数优化的方法,以缩短MapReduce任务的执行时间。实验表明,调整参数后的优化方案具有更好的执行效率。

关键词： MapReduce 海量数据处理数据密集型应用性能优化

来源：评论

学校读者我要写书评

暂无评论

基于程序分析的大数据应用内存预估方法

引用

中国科学：信息科学 2020年第8期50卷 1178-1196页

作者：胡振宇石宣化柯志祥金海王斐华中科技大学计算机科学与技术学院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武汉430074

基于内存计算模型的分布式数据处理系统,如Flink和Spark,经常遭受严重的内存压力,尤其在平台内存资源紧张,且被多个用户或组织共享情况下,内存资源竞争进一步加剧.用户应用被分配的内存空间不足,会在运行期间产生严重的垃圾回收(garbage... 详细信息

基于内存计算模型的分布式数据处理系统,如Flink和Spark,经常遭受严重的内存压力,尤其在平台内存资源紧张,且被多个用户或组织共享情况下,内存资源竞争进一步加剧.用户应用被分配的内存空间不足,会在运行期间产生严重的垃圾回收(garbage collect,GC)开销,而分配过量的内存会导致平台资源的浪费.因此平台中如何为用户应用配置合适的内存成为关键问题.通过研究分析发现,平台上的多个应用会多次共同处理某个特定的数据集,且应用对数据的处理逻辑具有相似性,如图计算和机器学习应用;大数据应用框架的算子API和用户自定义方法(UDF)与数据处理逻辑有着密切的关系,继而影响运行时内存的使用.基于该发现,本文提出了一种预估新提交应用的合理内存阈值的方法.该方法利用程序分析与历史应用处理数据特征分析,基于kTree判断与历史应用的数据路径的相似性来预估新应用的合理内存阈值,并在Spark系统上实现该方法.通过一系列实验评估预估的准确性和性能收益,实验结果表明本方法预估大数据应用的结果与真实合理内存阈值的误差比例低至4%,预估过程所产生的开销与应用运行时间相比可以忽略不计,平台上数据处理应用整体执行时间减少至56%.

关键词：内存管理生命周期代码诊断数据处理系统分布式系统

来源：评论

学校读者我要写书评

暂无评论

移动边缘计算中基于位置信息的安全skyline查询处理方法

引用

中国科学：信息科学 2021年第10期51卷 1721-1737页

作者：王缵丁晓锋周潘田有亮金海华中科技大学计算机科学与技术学院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集群与网格计算湖北省重点实验室武汉430074 华中科技大学网络空间安全学院武汉430074 贵州大学计算机科学与技术学院贵阳550025

针对移动边缘计算下查询的效率和安全问题,本文开展了面向位置信息的移动边缘计算安全skyline查询的研究.首先,提出了移动边缘计算场景下的安全skyline查询框架;其次,针对边缘服务器资源受限的特性,设计了新颖且统一的轻量级安全索引结... 详细信息

针对移动边缘计算下查询的效率和安全问题,本文开展了面向位置信息的移动边缘计算安全skyline查询的研究.首先,提出了移动边缘计算场景下的安全skyline查询框架;其次,针对边缘服务器资源受限的特性,设计了新颖且统一的轻量级安全索引结构;然后,考虑云边协同中的隐私问题,提出了基于移动边缘计算的安全skyline查询协议.安全性分析表明该协议在半诚实模型下是安全的.同时,实验评估发现其比现有协议具有更高的查询效率.

关键词：安全skyline查询位置信息移动边缘计算安全索引半诚实模型

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

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

FS-Net:面向时序知识图谱推理的频次统计网络

引用

软件学报 2023年第10期34卷 4518-4532页

作者：刘康正赵峰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科学与技术学院湖北武汉430074

时序知识图谱推理吸引了研究人员的极大关注.现有的时序知识图谱推理技术通过建模历史信息取得了巨大的进步.但是,时变性问题和不可见实体(关系)问题仍然是阻碍时序知识图谱推理模型性能进一步提升的两大挑战;而且由于需要对历史子图序... 详细信息

时序知识图谱推理吸引了研究人员的极大关注.现有的时序知识图谱推理技术通过建模历史信息取得了巨大的进步.但是,时变性问题和不可见实体(关系)问题仍然是阻碍时序知识图谱推理模型性能进一步提升的两大挑战;而且由于需要对历史子图序列的结构信息和时间依赖信息进行建模,传统的基于嵌入的方法往往在训练和预测过程中具有较高的时间消耗,这极大地限制了推理模型在现实场景中的应用.针对以上困境,提出了一个用于时序知识图谱推理的频次统计网络,FS-Net.一方面,FS-Net不断基于最新的短期历史的事实频次统计,动态地为变化的时间戳上的预测生成时变的得分;另一方面,FS-Net基于当前时间戳上的事实频次统计,为预测补充历史不可见实体(关系);特别地,FS-Net不需要进行训练,而且具有极高的时间效率.在两个时序知识图谱基准数据集上的大量实验,表明了FS-Net相较于基准模型的巨大提升.

关键词：时序知识图谱事实频次统计时变性不可见信息

来源：评论

学校读者我要写书评

暂无评论

一种高效的面向动态有向图的增量强连通分量算法

引用

中国科学：信息科学 2019年第8期49卷 988-1004页

作者：廖小飞陈意诚张宇金海刘海坤赵进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

强连通分量(strongly connected component, SCC)算法可以将一个有向图缩略为有向无环图(directed acyclic graph, DAG),广泛应用于可达性查询等有向图分析应用.尽管现有工作已经提出多种面向静态有向图的强连通分量算法,但是它们需要... 详细信息

强连通分量(strongly connected component, SCC)算法可以将一个有向图缩略为有向无环图(directed acyclic graph, DAG),广泛应用于可达性查询等有向图分析应用.尽管现有工作已经提出多种面向静态有向图的强连通分量算法,但是它们需要高额的运行时开销来反复对整个图进行全量计算,以响应现实世界中普遍存在的动态有向图结构的频繁变化.其实,在通常情况下,动态有向图每次改变量极小(少于5%).其允许我们以增量的方式对动态有向图进行强连通分量计算,以缩短响应时间.因此,为解决此问题,本文提出了一种高效的面向动态有向图的增量强连通分量算法Incremental Strongly Connected Components Algorithm,简称Inc-SCC,通过对不必要的计算进行裁剪以减少算法的数据访问量和计算量,并利用SCC的不相交性进行并行处理以提升SCC计算效率.其次,提出了一种启发式优化方法进一步加快算法收敛速度.实验结果显示,本方法可以用于实时响应有向图持续性动态变化,并且当整个有向图的边变化比例为5%时,本方法相对于现有算法的加速比可达2.8到12倍,当整个有向图的边变化比例为0.5%时,本方法相对于现有算法的加速比可达2.9到12倍.

关键词：强连通分量动态有向图增量计算收敛有向无环图

来源：评论

学校读者我要写书评

暂无评论

FJoin:一种基于FPGA的流连接并行加速器

引用

中国科学：信息科学 2022年第2期52卷 314-333页

作者：林力韬陈汉华金海华中科技大学计算机科学与技术学院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集群与网格计算湖北省重点实验室武汉430074

流连接广泛应用于提取多源流数据之间的关键信息,是大数据处理的重要支撑技术.但连接两条大数据流时大规模的连接谓词计算,使其易成为性能瓶颈.为提高处理性能,流连接系统常采用并行和分布式两种方式扩展.然而,采用多核并行的流连接系... 详细信息

流连接广泛应用于提取多源流数据之间的关键信息,是大数据处理的重要支撑技术.但连接两条大数据流时大规模的连接谓词计算,使其易成为性能瓶颈.为提高处理性能,流连接系统常采用并行和分布式两种方式扩展.然而,采用多核并行的流连接系统的扩展性受到CPU核数限制,无法应对大规模数据流.采用分布式扩展的流连接系统由于引入分布式框架运行的开销,导致硬件处理效率严重下降.为实现高效大规模扩展,本文提出一种利用FPGA加速器外设向上扩展的流连接系统FJoin.加速器可进行高并行的流动连接,载入多个流元组后,连接窗口中的数据流经一次即可完成所有连接计算.对于逻辑容易在FPGA实现的连接谓词,通过大量基本连接单元串联构成深度连接流水线,实现大规模并行.通过主机CPU和FPGA设备协同进行连接控制,将连续的流连接计算划分为独立的小批量任务,高效地保证并行化流连接的完整性.在装备FPGA加速卡的平台实现了FJoin,基于大规模真实数据集的测试结果表明,对比部署在40个节点集群上的目前最好的分布式流连接系统,本文提出的流连接加速器FJoin可在单一FPGA加速卡上将连接计算速度提升16倍,达到5倍的系统吞吐,且时延满足实时流处理要求.

关键词：流连接 FPGA 流处理硬件加速并行计算

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：