期刊文献+
共找到7篇文章
< 1 >
每页显示 20 50 100
基于攻击树和模糊层次分析法的服务器固件威胁模型 被引量:2
1
作者 苏振宇 《计算机应用与软件》 北大核心 2021年第6期333-338,共6页
针对服务器固件的脆弱性以及面临的安全威胁,提出一种基于攻击树和模糊层次分析法(Fuzzy Analytic Hierarchy Process,FAHP)的威胁模型。为了最大化消除主观因素的影响,利用FAHP建立模糊一致判断矩阵计算叶节点的安全属性值,得出每条攻... 针对服务器固件的脆弱性以及面临的安全威胁,提出一种基于攻击树和模糊层次分析法(Fuzzy Analytic Hierarchy Process,FAHP)的威胁模型。为了最大化消除主观因素的影响,利用FAHP建立模糊一致判断矩阵计算叶节点的安全属性值,得出每条攻击路径概率。分析FAHP相对于传统层次分析法(AHP)的优点,基于每个叶节点制定威胁消减措施。分析结果表明,该模型能够降低人的主观因素的影响,从而有助于识别服务器固件的安全风险。 展开更多
关键词 固件 威胁模型 攻击树 模糊层次分析法 基板管理控制器
在线阅读 下载PDF
内容分块算法中预期分块长度对重复数据删除率的影响 被引量:7
2
作者 王龙翔 董小社 +3 位作者 张兴军 王寅峰 公维峰 魏晓林 《西安交通大学学报》 EI CAS CSCD 北大核心 2016年第12期73-78,共6页
针对基于内容分块重复数据删除方法缺少能够定量分析预期分块长度与重复数据删除率之间关系的数学模型,导致难以通过调整预期分块长度优化重复数据删除率的问题,提出了一种基于Logistic函数的数学模型。在大量真实数据测观察基础上,提... 针对基于内容分块重复数据删除方法缺少能够定量分析预期分块长度与重复数据删除率之间关系的数学模型,导致难以通过调整预期分块长度优化重复数据删除率的问题,提出了一种基于Logistic函数的数学模型。在大量真实数据测观察基础上,提出了通过Logistic函数描述非重复数据的"S"形变化趋势,解决了该数据难以从理论上推导、建模的问题,证明了基于内容分块过程服从二项分布,并从理论上推导出了元数据大小模型。基于上述两种数据模型,通过数学运算最终推导得到重复数据删除率模型,并利用收集到的3组真实数据集对模型进行了实验验证。实验结果表明:反映数学模型拟合优度的R2值在0.9以上,说明该模型能够准确地反映出预期分块长度与重复数据删除率之间的数学关系。该模型为进一步研究如何通过调整预期分块长度使重复数据删除率最优化提供了理论基础。 展开更多
关键词 基于内容分块 重复数据删除率 Logistic函数
在线阅读 下载PDF
应用动态生成树的GPU显存数据复用优化 被引量:1
3
作者 李亮 王恩东 +3 位作者 朱正东 颜康 张保 董小社 《西安交通大学学报》 EI CAS CSCD 北大核心 2013年第10期44-50,共7页
针对手工优化GPU(Graphic Processing Unit)显存级数据复用过程复杂和编译时优化数据复用开销过大的问题,提出了一种基于动态生成树在运行时进行数据复用的优化方法,可为程序员提供一种透明且高效简单的优化方式.该方法将已经执行的GP... 针对手工优化GPU(Graphic Processing Unit)显存级数据复用过程复杂和编译时优化数据复用开销过大的问题,提出了一种基于动态生成树在运行时进行数据复用的优化方法,可为程序员提供一种透明且高效简单的优化方式.该方法将已经执行的GPU计算任务的数据访问抽象为生成树的叶子节点,利用动态生成树管理GPU数据访问信息,实现了运行时GPU显存级数据的复用优化,并通过运行时对生成树的搜索和维护,动态地发掘和优化GPU显存级数据复用,因此,在编程时不需要进行复杂且困难的数据复用分析,直接调用文中提出的运行时库就能有效减少程序执行过程中CPU内存和GPU显存之间的冗余数据传输次数,从而提升应用的运行性能.实验结果表明,使用文中提出的优化方法可有效消除未进行数据复用优化的CPU-GPU应用程序中的冗余数据传输,最大加速比达原始执行的3~10倍,额外开销不到优化后程序总执行时间的5%. 展开更多
关键词 GPU显存 动态生成树 数据复用 数据传输
在线阅读 下载PDF
使用GPU加速BLAST算法初探 被引量:3
4
作者 万宁 谢海波 +3 位作者 张清 赵开勇 褚晓文 于军 《计算机工程与科学》 CSCD 北大核心 2009年第11期98-101,共4页
应用GPU通用高性能编程技术实现了一种加速BLAST算法的新方法。BLAST是目前最常用的用于生物序列查询比对的算法和软件包,其处理速度受到串行化执行和磁盘I/O等因素的影响。本文通过实验分析了BLAST软件包中的典型程序BLASTN的运行热点... 应用GPU通用高性能编程技术实现了一种加速BLAST算法的新方法。BLAST是目前最常用的用于生物序列查询比对的算法和软件包,其处理速度受到串行化执行和磁盘I/O等因素的影响。本文通过实验分析了BLAST软件包中的典型程序BLASTN的运行热点,并选定关键热点模块,应用CUDA编程技术对其进行并行化改造。对比实验结果表明,对于平均序列长度较大的序列库,应用GPGPU并行化可明显缩短该模块的运行时间,获得超过35倍的加速比。这说明,我们可以利用GPGPU对BLAST进行并行化加速,以满足高性能生物序列查询的需求。 展开更多
关键词 BLAST BLASTN 序列查询比对 GPU GPGPU CUDA 并行计算
在线阅读 下载PDF
基于MIC集群平台的GMRES算法并行加速 被引量:2
5
作者 王明清 李明 +2 位作者 张清 张广勇 吴韶华 《计算机科学》 CSCD 北大核心 2017年第4期197-201,240,共6页
广义极小残量法(GMRES)是最常用的求解非对称大规模稀疏线性方程组的方法之一,其收敛速度快且稳定性良好。Intel Xeon Phi众核协处理器(MIC)具有计算能力强、易编程、易移植等特点。采用MPI+OpenMP+offload混合编程模型将GMRES算法移植... 广义极小残量法(GMRES)是最常用的求解非对称大规模稀疏线性方程组的方法之一,其收敛速度快且稳定性良好。Intel Xeon Phi众核协处理器(MIC)具有计算能力强、易编程、易移植等特点。采用MPI+OpenMP+offload混合编程模型将GMRES算法移植到MIC集群平台上。采用进程间集合通信异步隐藏、数据传输优化、向量化以及线程亲和性优化等多种手段,大幅提升了GMRES算法的求解效率。最后将并行算法应用到"局部径向基函数求解高维偏微分方程"问题的求解中。测试表明,CPU节点集群上开启32个进程,并行效率高达71.74%,4块MIC卡的最高加速性能可达单颗CPU的7倍。 展开更多
关键词 广义极小残量法 MIC MPI 大规模线性方程组
在线阅读 下载PDF
基于GPU平台的联合迭代重构算法加速
6
作者 张广勇 卢晓伟 +3 位作者 沈铂 张凯 储琪 赵开勇 《计算机科学》 CSCD 北大核心 2012年第5期310-312,F0003,共4页
电子断层三维重构技术(Electron Tomography,ET)是在纳米尺度下研究不具有全同性的细胞或大分子三维结构的重要方法。迭代重构法是ET中重构效果最好的方法,但是其性能较差,重构大尺寸图像时需要数天的时间甚至更长,使其应用受到限制。... 电子断层三维重构技术(Electron Tomography,ET)是在纳米尺度下研究不具有全同性的细胞或大分子三维结构的重要方法。迭代重构法是ET中重构效果最好的方法,但是其性能较差,重构大尺寸图像时需要数天的时间甚至更长,使其应用受到限制。迭代重构法中经典的方法是代数重构法(Algebraic Reconstruction Technique,ART)和联合迭代重构法(Simultaneous Iterative Reconstruction Technique,SIRT),SIRT算法总是收敛的并且比ART重构的效果更好。利用CUDA语言设计和实现了基于Tesla C1060GPU平台上的并行SIRT重构算法,并利用存储器合并访问、常量存储器、共享存储器等优化技术对并行算法进行优化,优化后的SIRT并行算法在Tesla C1060GPU平台上的最大加速比是Intel i7 920CPU上的串行算法的47倍,并且重构的质量没有任何下降。 展开更多
关键词 电子断层三维重构 联合迭代重构法 并行计算 GPU CUDA ATOM
在线阅读 下载PDF
基于MIC平台的offload并行方法研究 被引量:5
7
作者 沈铂 张广勇 +2 位作者 吴韶华 卢晓伟 张清 《计算机科学》 CSCD 北大核心 2014年第S1期477-480,共4页
随着并行计算的快速发展,开始出现了专用于并行计算加速的协处理器。通过对新推出的MIC架构协处理器的编程模式研究,描述了MIC平台下的应用模式,研究了不同应用模式各自的特点和适用范围,并深入研究了offload编程模式,提出了基于MIC平台... 随着并行计算的快速发展,开始出现了专用于并行计算加速的协处理器。通过对新推出的MIC架构协处理器的编程模式研究,描述了MIC平台下的应用模式,研究了不同应用模式各自的特点和适用范围,并深入研究了offload编程模式,提出了基于MIC平台offload编程模式的开发策略,为快速、高效地实现MIC并行程序的移植和加速提供了解决思路。 展开更多
关键词 并行计算 MIC offload模式 协处理器
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部