为满足计算密集型大数据应用的实时处理需求,在Apache Storm基础上,研究开发H-Storm异构计算平台。通过多进程服务特性设计图形处理器(GPU)资源的量化和分布式调用机制,进而提出H-Storm异构集群的任务调度策略,实现GPU性能及负载的任务调度算法与协同计算下自适应的流分发决策机制。实验结果表明,在512×512矩阵乘法用例下,与原生Storm平台相比,H-Storm异构计算平台吞吐量提升54.9倍,响应延时下降77倍。
为降低带宽对移动透明计算系统TCOS性能的影响,提出一种将本地缓存与P2P缓存相结合的缓存协作策略TC-CCS。将本地缓存用于缓存用户常用个人数据,并把P2P缓存分别用于缓存操作系统和应用软件启动数据。针对TCOS系统中数据的访问特点,设计实现TC-replace替换算法,兼顾本地和其他终端的访问情况对缓存进行替换。实验结果表明,TC-CCS策略能加快操作系统和应用软件启动速度,其中系统启动时间缩短了约40%。
在现代数据中心网络中,分散聚合的传输模式容易导致瓶颈链路上的吞吐率崩塌,产生TCP Incast现象。为此,提出一种随机退避的方法,来降低TCP流突发传输的并发程度,通过计算最优的随机退避时间,控制瓶颈链路的瞬时拥塞程度,有效解决TCP Incast问题。从理论上建模分析随机退避时间区间内随机退避各TCP流时的超时概率和吞吐率。实验结果表明,该方法可以有效避免传输超时事件,将TCP流并发度和网络吞吐率分别提升2倍和80倍。
严格的安全证明需要较短的安全参数和较高的运行效率。为此,提出一种基于身份的签名方案IDSSTR,该方案具有可计算Diffie-Hellman问题的安全性规约,在线时自然有效,离线阶段也无需额外的条件,且验证过程也不变。为减小签名消息的总长度,给出具有消息恢复功能的IDSSTR修改版本。分析结果表明,可计算Diffie-Hellman问题的困难性与离散对数问题有着紧密联系,IDSSTR签名方案可为该困难问题提供安全保证。
针对临时性、间歇性与永久性错误的存在,处理器获取并执行一条不正确的指令将导致控制流错误的发生。为此,在研究通过软件签名的控制流检错(CFDSS)算法的基础上,基于表驱动形式,提出一种纯软件签名错误检测算法(EDSS)。构建二维表(CFID),用于存储控制流图的信息,通过比较基本块中的签名和存储在CFID表中的签名检测出非法的指令跳转。对于CFDSS算法不能有效检测的共享分支扇入节点的非法指令跳转错误,可成功检测出这类错误。实验结果表明,EDSS算法的平均错误检测覆盖率比CFDSS算法高出1.3%,对具有共享分支扇入节点的检错能力平均高出约1.9%。
为提高卷积神经网络的分类精度,提出一种结合多个网络的改进Stacking算法。将卷积神经网络作为基分类器对数据进行分类,得到新的样本再经过元分类器分类。为降低元分类器输入数据的维度和多个网络分类结果之间的相关性,采用主成分分析方法对基分类器的输出进行降维。在数据集上进行分类精度对比实验,结果表明,与传统Stacking、基于平均后验概率算法和基于类投票算法相比,该算法在同类型网络和不同类型网络中,分类精度均较高且更具有稳定性。