基于区块链的跨数据中心匿名可监管身份认证方案

随着大数据和云计算技术的发展,金融机构之间跨机构数据共享交互日益增多。由于隐私泄露事件的频繁发生,数据安全保护面临着严峻的挑战,也对跨数据中心的身份认证等数据安全管理技术提出了更高的要求。传统的中心化身份认证方案在安全性和可扩展性方面存在缺陷,难以满足高频跨中心数据共享的应用需求。区块链具有分布式、难以篡改、可追溯、多方共识等优异特性,为跨数据中心身份认证提供了崭新的思路。在实际应用场景中,不仅要对用户的身份隐私进行保护,还需要对用户的匿名身份进行有效的监管。提出了一种基于区块链的匿名可监管的跨数据中心身份认证方案,不改变各数据中心原有架构,以各数据中心的管理节点为中心建立分布式多中心的联盟链;利用区块链技术,保障身份认证过程的透明性和可信性;采用属性签名保护用户身份隐私,并建立身份映射表追踪用户真实身份,实现用户身份隐私保护和监管兼顾的跨数据中心身份认证。安全性分析和仿真实验结果表明,该方案无须用户再次注册,具有不可伪造性和可追踪等特性,能够抵御重放攻击、拒绝服务攻击、篡改攻击、中间人攻击等网络攻击。

算网融合下时间连续的计算任务卸载机制

算力网络通过网络协同云、边、端计算资源,突破单点算力的性能瓶颈,为智能化社会提供了算力支撑.算网融合逐渐成为新型信息通信网络技术发展的趋势.由于计算资源异构、网络负载动态,如何协同云、边、端计算资源,从而降低计算任务时延是算网融合下极具挑战性的问题之一.为简化问题,现有工作往往假设系统时间是离散的,并且只在时隙结束时进行计算卸载决策.但该假设会引入决策等待时间,增加了计算任务的整体时延.针对上述问题,提出一种算网融合下时间连续的计算任务卸载机制,在保证时间轴连续和协同多个边缘节点计算资源的前提下,以服务体验提升率为优化目标,对云、边、端间任务卸载问题进行建模,并设计了一种基于深度强化学习的任务卸载方法,从而更高效地利用算力网络计算资源.通过大量的仿真实验证明,与2种基线算法相比所提算法能够有效降低任务时延,提升服务体验.

基于云计算的职业教育信息化应用研究

基于云计算技术实现职业教育信息化是创新信息化建设的有效途径,本文通过云平台架构的设计提出职业教育信息化建设的一种解决方案。

大规模申威众核环境下二维数据计算的可扩展方法

随着超级计算机及其编程环境的发展,异构系统结构下的多级并行编程将成为趋势,神威·太湖之光国产超级计算机就是其中的一个典型。自2016年神威·太湖之光运行以来,国内外很多学者在其上进行了方法研究和应用验证,为申威环境积累了比较丰富的众核化编程方法及优化方法。但是,将全球系统模式CESM移植到申威众核环境时,对于海洋分量模式POP中的一些二维数据计算,常用的众核优化方法在1024进程规模下运行时具有较好的加速效果,然而在16800大规模进程下运行时众核化会失效,表现为负加速。针对上述问题,文中提出了一种基于从核分区的并行计算方法,一个核组内的64个从核被分成多个互不交叉的从核分区,将可以独立计算的多个代码段计算任务分别分配到不同的从核分区上进行运行,能够有效利用从核的计算能力,还可以实现对多个独立的代码段进行计算时间隐藏。每个从核分区内的从核数量及从核号可以根据拟分配的计算任务情况进行适当选取,使得每个从核都能达到较适宜的数据量和计算量。在采用前述从核分区方法的基础上,结合使用循环合并和函数上提等方法增大程序并行粒度,提高了二维数据计算在大规模进程下的可扩展性,CESM模式高分辨率G算例中POP分量模式在110万核心规模下的模拟速度提高了0.8模式年/天,众核化的加速效果明显。

基于新一代神威超算的计算流体力学Palabos软件的并行优化

Palabos软件是一款基于格子玻尔兹曼算法(Lattice Boltzmann Method, LBM)的计算流体力学软件,因其优异的计算能力被广泛用于多孔介质、自由界面、颗粒运动、血液流动等计算流体力学领域。Palabos软件广泛的用户需求使其迫切需要在神威超算上进行移植优化和并行加速,服务于能源、化工行业。文中在新一代神威超算(SW26010pro)上对Palabos软件进行异构并行设计,针对Palabos的数据结构和模块化编程不利于神威众核编程的问题,通过直接取址,设置字段标记处理多态导致的分支、数据切片处理等优化思路;并结合新一代神威超算的特性,使用共享内存和寄存器通信的优化技术,实现众核加速2~6倍。同时实现Palabos软件在新一代神威超算上的复杂化工过程多尺度计算方向上两相流算法的百万核心规模的并行计算,以6.4万核心的并行计算规模为基准,百万核心的并行效率大于40%。

山东省科技服务业发展评价探析——基于地市统计数据的实证研究

设计基于因子分析的科技服务业评价指标,对山东省17地市的科技服务业发展情况进行了综合评价。探讨科技服务业地区间发展不均衡,同地区经济发展要求不相适应,综合经济绩效不高及发展路径与模式不够清晰等问题。探讨科技服务业发展举措,完善技术市场体系,发展区域化和专业化服务业集群;支持大型科技服务企业一体化发展;发展专业化、产业细分化和具有特色优势的科技服务业;大力引进外部优质资源。

双模冷水机组运行在数据中心中的能耗分析及控制策略

空调系统是数据中心能耗的关键影响因素. 本文结合国家超算济南中心在数据中心建设和运维中的经验,通过对不同冷源方案的能效对比和研究分析,论证了直接式自然制冷模块的双模风冷冷水系统方案的合理性和有效性,并提出了降低水冷空调系统运行能耗的节能管理控制策略,为其它数据中心节能环保、降低运营成本起到重要的示范作用.

基于RSMA的无线光通信中预编码与功率分配研究

【目的】针对无线光通信(OWC)系统中应用速率分拆接入(RSMA)技术的资源分配问题,提出一种基于线性逼近的联合预编码矩阵和速率分配算法,以提高系统的可靠性和性能。【方法】采用变量转换和线性逼近的方法将非凸分阶函数转化为凸函数。通过联合预编码矩阵和速率分配算法,有效地分配系统资源,提高系统性能。为了求解最优解,采用连续迭代算法进行优化。【结果】仿真结果表明,文章所提出的联合优化方案显著降低了系统中断概率,并具有快速的收敛速率。这意味着所提方案能够在基于RSMA的OWC(RSMA⁃OWC)系统中提供更可靠和高效的通信性能。【结论】文章所提方案为OWC系统中的RSMA技术提供了有效的资源分配方法,提高了系统的可靠性和性能。进一步的研究应聚焦于RSMA⁃OWC系统的中断概率问题以及资源分配、预编码设计和应用扩展等方面的挑战。该研究为推动RSMA技术在OWC领域的应用和发展提供了有价值的参考。

基于GHM可视化和深度学习的恶意代码检测与分类

恶意代码的复杂性和变异性在不断增加,致使恶意软件的检测变得越来越具有挑战性.大多数变异或未知的恶意程序是在现有恶意代码的逻辑基础上进行改进或混淆形成的,因此发现恶意代码家族并确定其恶意行为变得越来越重要.提出了一种基于GHM(Gray, HOG,Markov)的新型恶意软件可视化方法进行数据预处理.与传统的可视化方法不同,该方法在可视化过程中通过HOG和马尔科夫提取出更加有效的数据特征,并构建了3通道彩色图像.此外,构建了基于CNN和LSTM的VLMal分类模型,对可视化图像进行恶意软件检测分类.实验结果表明,该方法可以有效地检测和分类恶意代码,具有较好的准确性和稳定性.

基于大数据驱动的山东水利信息高效管理系统建设研究

开展水利大数据分区管理模型应用研究,构建水利大数据分区管理模型,开发水利大数据分区管理系统,实现水利大数据的分区管理与深度挖掘应用。在水利大数据环境下,研究了如何将分散在不同系统、不同部门的水利系统数据进行高效整合,做到数据互联。基于大数据互联及存储平台,对如何进行全员数据统一分析、展示,实现跨业务系统的协同应用,实现水利信息化集成数据与互联网数据的互通与结合,进行了关键技术分析。

算力网络环境下基于区块链的自适应联邦学习

算力网络旨在深度融合算力资源与网络资源,实现对泛在离散部署的海量数据和异构资源的高效利用。为了应对算力网络中复杂的多中心计算协同和数据隐私安全的要求,联邦学习在隐私保护和边缘算力资源利用等方面有着先天的优势。然而,基于算力边缘服务器的高度异构和广泛分布,算力网络环境下的联邦学习仍然存在一定的困难。一方面,算力网络中海量边缘服务器之间存在的数据异质性会引起非独立同分布问题,导致联邦学习中局部模型的更新偏离全局最优值。另一方面,由于不同边缘服务器的数据质量存在差异,生成低质量的局部模型会显著影响训练效果。为了解决上述问题,提出了基于区块链的自适应联邦学习(AWFL-BC,adaptiveweightfederatedlearning-blockchain)方案。通过智能合约计算不同边缘服务器的数据分布距离,生成相似度矩阵指导聚合。同时,设计了一种自适应权重聚合算法,以减轻由数据质量差异引起的模型性能和稳定性下降,从而提升模型的准确率,加速模型收敛。最后,结合区块链技术加强了安全保障机制,可有效防止投毒攻击与推理攻击。在3个公有标准数据集上进行的综合实验表明,与最先进的方法相比,AWFL-BC实现了更高的模型准确率,且模型收敛速度更快。

国产神威环境下Athread代码生成工具的设计与开发

针对国产神威环境下众核代码编写工作量大的问题,设计实现一个可以将核心段的串行代码自动转换为Athread代码的工具。采用Rust语言进行词法和语法分析,面向不同数组维度的Fortran和C语言程序,基于主程序调用master程序再由master程序调用slave程序的三层模板程序架构,集成常用众核优化方法的代码框架。经过实验分析,采用该自动转换工具生成的Athread代码相较于人工编写的OpenACC*加速的程序有更高的加速比,特别是对多个核心段进行众核化加速时的加速比相差15%,验证该转换工具具有很好的实用性。

算力网络场景下的超算互联网建设探索与实践

算力网络是支撑数字经济发展的重要承载平台,某市超算通过超算互联网建设实践探索实现了一体化算力平台,并在算力网络资源纳管和组网架构关键技术方面给出了架构设计思路,结合典型应用场景,部署实施了某省16地(市)超算互联网络,分析了遥感数据产品生产过程中的资源需求特点,并给出了该应用资源支撑流程以及其他典型算力应用场景,同时对算力网络技术演进方向进行了展望。

编译型软PLC的可定制高速脉冲串输出功能设计

针对高速脉冲运动控制的性能精度和软PLC高速脉冲模块的便捷调用等问题,研究并设计一种基于编译型软PLC的高速脉冲输出功能模块,研究内容包括:PTO硬件资源配置设计、PTO人机交互设计、PTO功能转译设计和PTO驱动设计。本设计方法基于语言转换,借用C语言灵活的编程优势,可同时设置几百个不同的目标速度,继而适用于更复杂的曲线运动控制场合。驱动设计中,采用S型曲线算法和时基转换算法,实现脉冲的平滑频率转换和宽范围的频率输出。在SK2109 PLC上进行实验验证,采用示波器和编码器回采共同监测PTO输出端口的脉冲,通过与人机交互中的参数进行对比,实验结果表明,高速脉冲串输出功能模块操作简单便捷,输出平滑精确,能够提供平滑稳定的运动控制。

数据要素市场研究综述:价值、定价与交易

随着算力网络的兴起,以算力为中心的新型基础设施成为推动信息经济发展的关键引擎。数据是数字经济时代重要的生产要素,是构建新发展格局的重要支撑。数据要素市场作为连接数据和算力网络的纽带显得尤为关键,其稳健运行直接关系到算力网络的可持续发展,为信息经济体系提供了关键支撑。因此,以数据产品为起点,介绍了其在数据要素市场中所涉及的流程和这些部分之间的内在联系。之后,深入研究了数据要素市场的3个关键方面的现有工作,即数据价值、数据定价和数据交易。数据价值评估方面,针对数据相对价值评估,介绍了指标体系、指标权重和价值指数等关键环节的相关工作,针对数据资产价值评估,介绍了成本法、收益法、市场法等传统方法和基于机器学习的新兴方法。数据定价模型方面,将现有方法划分为数据集产品定价和数据服务产品定价两大类,总结了7种定价方式,并进一步分析了各个方法的优缺点及适用场景。数据交易系统方面,从系统架构的角度分析了集中式和分布式两种架构在数据交易市场中的应用,之后介绍了场内交易和场外交易两种交易模式的现状及前景。

基于DCT和维纳滤波的图像PRNU匿名算法

随着智能手机和社交媒体的普及,图像隐私引起的公共安全问题受到了广泛关注。犯罪分子可利用图像信息来侵犯他人隐私,从而进行恶意跟踪和诈骗勒索等活动。针对该问题,本研究从抑制图像源相机识别能力的角度提出了一种新的光响应非均匀性(photo response non uniformity,PRNU)匿名算法,以降低图像被恶意使用的风险。算法首先对图像进行分块,并将离散余弦变换(discrete cosine transform,DCT)和维纳滤波相结合,对图像高频分量进行滤波处理。通过实验发现,迭代维纳滤波可以显著提高匿名算法的效率。将算法在MICHE-I数据集和UBIPR虹膜数据集中进行测试,结果表明,算法能够保证图像质量不受显著影响,并且视觉质量因子平均提高3 dB,有效地抑制了图像溯源能力,保留图像生物特征,并达到了较好的匿名效果,保证了大众隐私安全。

基于GPU的LBM迁移模块算法优化

格子玻尔兹曼方法(LBM)是一种基于介观模拟尺度的计算流体力学方法,其在计算时设置大量的离散格点,具有适合并行的特性。图形处理器(GPU)中有大量的算术逻辑单元,适合大规模的并行计算。基于GPU设计LBM的并行算法,能够提高计算效率。但是LBM算法迁移模块中每个格点的计算都需要与其他格点进行通信,存在较强的数据依赖。提出一种基于GPU的LBM迁移模块算法优化策略。首先分析迁移部分的实现逻辑,通过模型降维,将三维模型按照速度分量离散为多个二维模型,降低模型的复杂度;然后分析迁移模块计算前后格点中的数据差异,通过数据定位找到迁移模块的通信规律,并对格点之间的数据交换方式进行分类;最后使用分类的交换方式对离散的二维模型进行区域划分,设计新的数据通信方式,由此消除数据依赖的影响,将迁移模块完全并行化。对并行算法进行测试,结果显示:该算法在1.3×10^(8)规模网格下能达到1.92的加速比,表明算法具有良好的并行效果;同时对比未将迁移模块并行化的算法,所提优化策略能提升算法30%的并行计算效率。

面向复杂场景的大数据应用调度方法研究

针对Kubernetes默认调度方法在调度复杂场景的大数据应用时,没有根据单个大数据服务的特性权衡影响其性能的因素重要性,从而严重影响了复杂大数据应用的运行性能。提出了基于层次结构分析法的大数据服务容器集群调度方法。该方法针对特定大数据服务的实际需求,给出大数据服务的性能影响因素。对大数据服务建立层次结构模型,构建对比矩阵,计算出最底层宿主机相对于最高层目标来说的权重序列。最终将该容器集群调度到权重最高的宿主机上。调度实验中,论文调度方法调度的服务上传数据用时更短、效果稳定性更高,能够有效提高Kubernetes之上大数据服务的处理效率,进而提高复杂大数据应用的性能。

PSOS-YOLOv5s:一种轻量级玉米雄穗快速检测算法

针对玉米雄穗检测中速度较慢的问题,提出一种基于YOLOv5s改进的轻量化快速检测算法——PSOS-YOLOv5s。所提算法在主干网络中采用轻量级PP-LCNet替换CSPDarknet53,采用2种不同的深度可分离卷积与注意力机制的组合来构成基本块,降低模型复杂度并加快检测速度;在预测部分采用SimOTA标签匹配策略替换YOLOv5s中的标签匹配策略,采用中心先验思想获得精准的先验知识,提出动态k策略过滤冗余标签,提高模型对正样本的快速选取能力;在预测部分采用SIOU Loss替换GIOU Loss,引入角度损失因子来降低回归自由度、加快收敛速度、节省训练时间,重新定义惩罚指标,提高检测精度。实验结果表明,在玉米雄穗数据集中,提出的改进算法相比于YOLOv5s,模型参数量降低52.86%,模型的检测精度提升0.6%,模型的检测速度提升65.5%。改进后的算法提升效果明显,可以满足大规模玉米雄穗快速检测的要求。

基于预定义时间收敛的容噪零化神经网络求解时变Sylvester方程

Sylvester方程在数学和控制理论中经常使用,而零化神经网络(ZNN)在求解此类时变方程方面非常有效。对ZNN的收敛性能进行了研究,基于一个预定义时间稳定性定理设计了一个新的激活函数,进而得到了一个用于求解时变Sylvester方程的新的ZNN模型。该模型被称为预定义时间收敛零化神经网络(PTZNN)模型。与之前的ZNN模型相比,所提出的模型提高了收敛速度使其达到了预定义时间收敛并进一步提高了容噪声能力。最后通过仿真模拟验证了该模型在求解时变Sylvester方程方面优于其他已知模型。