期刊文献+
共找到5篇文章
< 1 >
每页显示 20 50 100
基于深度神经网络的数据中心光互连网络资源分配方法 被引量:1
1
作者 吕莹楠 尹奇龙 赵健 《激光杂志》 CAS 北大核心 2024年第2期181-186,共6页
在人工智能环境下为了提高数据中心光互联网络组件和软件的安全性,需要构建优化的资源分配模型,提出基于深度神经网络的数据中心光互连网络资源分配方法。采用用户关联和功率谱分配联合优化方法构建数据中心光互连网络资源调度模型,结... 在人工智能环境下为了提高数据中心光互联网络组件和软件的安全性,需要构建优化的资源分配模型,提出基于深度神经网络的数据中心光互连网络资源分配方法。采用用户关联和功率谱分配联合优化方法构建数据中心光互连网络资源调度模型,结合对网络资源粒度的服务请求QoS资源配置实现对不同种类资源的融合和聚类处理,提取数据中心光互连网络资源的空间、时间、频谱等多维网格抽象模型参数,通过深度神经网络学习方法实现对网络资源分配过程中的多种资源粒度融合和收敛性寻优控制,建立用户之间分配数据中心光互连网络资源的信道模型,通过传输链路均衡配置方案实现对网络资源的优化分配和均衡配置。仿真结果表明,本方法的资源分配传输比特率为18 bit/s,延时较小,资源分配阻塞率低,为0.05%,且资源持有度较高,可始终维持在100%,说明本方法具有对较强的资源均衡配置能力。 展开更多
关键词 人工智能 软件安全 深度神经网络 数据中心光互连网络 资源分配
原文传递
基于CDIO教学模式下的软件工程专业课程设计教学改革
2
作者 吕莹楠 赵龙 +2 位作者 吴玲 张东岳 李娜 《中文科技期刊数据库(全文版)教育科学》 2023年第6期1-4,共4页
目前国内各大高校计算机专业的课程设计基本分为两类,一类是以巩固基础为主的单门课程的课程设计;另一类是为了建立模块化编程思维开展的课程设计。这两种课程设计的目的性比较单一,不具备综合实践性。本文对计算机专业的课程设计提出... 目前国内各大高校计算机专业的课程设计基本分为两类,一类是以巩固基础为主的单门课程的课程设计;另一类是为了建立模块化编程思维开展的课程设计。这两种课程设计的目的性比较单一,不具备综合实践性。本文对计算机专业的课程设计提出了“三个一”原则,即一致性,一遍性,一体性。建立基于CDIO的课程群,将C语言,数据结构,Python等课程进行规划,并将课程设计与毕业设计相结合,提出了新的教学理念,并给出了详细的改革步骤以及相应的考核标准。 展开更多
关键词 课程设计 课程群 CDIO 一体性 应用型人才培养
下载PDF
LoadRunner在基于Struts考试系统的性能测试中的应用
3
作者 赵龙 杨玲 +2 位作者 吕莹楠 修建新 姜拓 《数字技术与应用》 2010年第9期25-26,共2页
以基于Struts框架的在线考试平台的设计为背景,探讨了LoadRunner在该平台性能测试过程中的应用。LoadRunner通过模拟上万用户实施并发负载及实时性能检测的方式来确认和查找,可以对整个考试平台进行测试。
关键词 STRUTS LOADRUNNER 性能测试
下载PDF
一种隐藏访问结构的文件层次属性加密研究 被引量:6
4
作者 沈学利 吕莹楠 《计算机应用研究》 CSCD 北大核心 2019年第1期239-242,共4页
基于文件层次结构的属性加密方案在云存储环境下是高效率、低存储的,但访问结构本身包含敏感信息,存在用户信息泄露、文件易被窃取的风险,针对这一问题提出了一种隐藏访问结构的文件层次属性加密方案。该方案在不影响加/解密效率的前提... 基于文件层次结构的属性加密方案在云存储环境下是高效率、低存储的,但访问结构本身包含敏感信息,存在用户信息泄露、文件易被窃取的风险,针对这一问题提出了一种隐藏访问结构的文件层次属性加密方案。该方案在不影响加/解密效率的前提下提高了加密算法的安全性,并采用双因子身份认证机制实现了更安全高效的访问控制。该研究成果基于判定性双线性Diffie-Hellman假设,在标准模型下被证明是安全的。 展开更多
关键词 云存储 访问结构 文件层次 属性加密 双因子身份验证
下载PDF
小米“手机×AIoT”安全隐私技术 被引量:2
5
作者 崔宝秋 宋文宽 +4 位作者 王宝林 潘双全 张晓芳 赵彤彤 吕莹楠 《武汉大学学报(理学版)》 CAS CSCD 北大核心 2022年第1期1-7,共7页
在万物互联时代,安全和隐私风险逐步扩大,越来越多的人开始担忧产品的安全和隐私问题。小米集团具有手机和物联网等多种业务形态,“手机×AIoT”也已成为小米的核心战略。围绕手机和AIoT(人工智能物联网),小米在信息安全与隐私保护... 在万物互联时代,安全和隐私风险逐步扩大,越来越多的人开始担忧产品的安全和隐私问题。小米集团具有手机和物联网等多种业务形态,“手机×AIoT”也已成为小米的核心战略。围绕手机和AIoT(人工智能物联网),小米在信息安全与隐私保护方面面临着非常大的挑战,也做了大量的工作。本文基于小米的信息安全和隐私保护发展历史,介绍了在手机、IoT以及AI领域的信息安全和隐私保护技术。这些技术包括了小米可信执行环境MiTEE(Mi trusted execution environment)、差分隐私技术、MIUI隐私保护技术、AI算法隐私保护、移动端深度学习框架MACE(mobile AI compute engine)、IoT软件开发平台Xiaomi Vela,以及IoT的其他安全技术能力等。 展开更多
关键词 信息安全 隐私保护 MIUI 差分隐私 MiTEE(Mi trusted execution environment) MACE(mobile AI compute engine) Xiaomi Vela
原文传递
上一页 1 下一页 到第
使用帮助 返回顶部