稀疏矩阵向量乘(SpMV)是稀疏线性系统的计算核心和瓶颈,其运算效率会影响迭代求解器的整体性能,其优化研究一直是科学计算和工程应用领域中的研究热点之一。偏微分方程的离散化会产生稀疏对角矩阵,由于其多样的非零元分布,导致没有一种...稀疏矩阵向量乘(SpMV)是稀疏线性系统的计算核心和瓶颈,其运算效率会影响迭代求解器的整体性能,其优化研究一直是科学计算和工程应用领域中的研究热点之一。偏微分方程的离散化会产生稀疏对角矩阵,由于其多样的非零元分布,导致没有一种方法能够在所有矩阵中取得最优时间性能。针对上述问题,提出一种面向图形处理单元(GPU)的稀疏对角矩阵自适应SpMV优化方法AST(Adaptive SpMV Tuning)。该方法通过设计特征空间,构建特征提取器,提取矩阵结构精细特征,通过深入分析特征和SpMV方法的相关性,建立可扩展的候选方法集合,形成特征和最优方法的映射关系,构建性能预测工具,实现矩阵最优方法的高效预测。实验结果表明,AST能够取得85.8%的预测准确率,平均时间性能损失为0.09,相比于DIA(Diagonal)、HDIA(Hacked DIA)、HDC(Hybrid of DIA and Compressed Sparse Row)、DIA-Adaptive和DRM(Divide-Rearrange and Merge),能够获得平均20.19、1.86、3.06、3.72和1.53倍的内核运行时间加速和1.05、1.28、12.45、1.94和0.97倍的浮点运算性能加速。展开更多
针对目前电子式电流互感器谐波计量中谐波成分复杂,使实际测量中受噪声和异常值干扰,导致谐波计量结果准确性下降的问题,通过引入DBSCAN(dens ity-based spatial clustering of applications with noise)聚类,提出一种基于DBSCAN聚类的...针对目前电子式电流互感器谐波计量中谐波成分复杂,使实际测量中受噪声和异常值干扰,导致谐波计量结果准确性下降的问题,通过引入DBSCAN(dens ity-based spatial clustering of applications with noise)聚类,提出一种基于DBSCAN聚类的电子式电流互感器谐波计量算法,以有效识别并排除数据集中的噪声点和异常值,从而提高谐波成分检测的准确性.首先,采集电子式电流互感器电流信号,根据时频能量峰值获取互感器中各电流信号峰值频率;其次,通过DBSCAN聚类算法计算各电流信号峰值频率之间的距离,根据距离确定噪声信号、非谐波信号以及不同类型的谐波信号,排除数据集中的噪声点和异常值;最后,利用最小二乘法对各类谐波信号的幅值和相位进行计量,得到电流互感器谐波计量结果.实验结果表明,当时间为2 s时,谐波相位的实际值为18°,该算法的谐波相位为18°,始终与实际结果一致,对谐波幅值和相位的计量准确性均较高,表明该算法能有效提升谐波计量精度,避免受噪声和异常值干扰.展开更多
伴随RESTful API在现代Web服务中的普及,安全问题日益凸显。而现有的主流API识别与漏洞检测工具依赖API文档或公开路径进行扫描,在识别隐藏API或无文档API时效果有限,在复杂或动态API环境下漏洞误报率高。针对这些挑战,基于上下文协议(M...伴随RESTful API在现代Web服务中的普及,安全问题日益凸显。而现有的主流API识别与漏洞检测工具依赖API文档或公开路径进行扫描,在识别隐藏API或无文档API时效果有限,在复杂或动态API环境下漏洞误报率高。针对这些挑战,基于上下文协议(MCP)无缝通信智能体,提出一种隐藏API发现和漏洞检测的智能体系统A2A(Agent to API vulnerability detection)来实现从API发现到漏洞检测的全流程自动化。A2A通过自适应枚举和HTTP响应分析自动识别潜在的隐藏API端点,并结合服务特定的API指纹库进行隐藏API的确认和发现。A2A在API漏洞检测上则是结合大语言模型(LLM)与检索增强生成(RAG)技术,并通过反馈迭代优化策略,自动生成高质量测试用例以验证漏洞是否存在。实验评估结果表明,A2A的平均API发现率为91.9%,假发现率为7.8%,并成功发现NAUTILUS和RESTler未能检测到的多个隐藏API漏洞。展开更多
文摘稀疏矩阵向量乘(SpMV)是稀疏线性系统的计算核心和瓶颈,其运算效率会影响迭代求解器的整体性能,其优化研究一直是科学计算和工程应用领域中的研究热点之一。偏微分方程的离散化会产生稀疏对角矩阵,由于其多样的非零元分布,导致没有一种方法能够在所有矩阵中取得最优时间性能。针对上述问题,提出一种面向图形处理单元(GPU)的稀疏对角矩阵自适应SpMV优化方法AST(Adaptive SpMV Tuning)。该方法通过设计特征空间,构建特征提取器,提取矩阵结构精细特征,通过深入分析特征和SpMV方法的相关性,建立可扩展的候选方法集合,形成特征和最优方法的映射关系,构建性能预测工具,实现矩阵最优方法的高效预测。实验结果表明,AST能够取得85.8%的预测准确率,平均时间性能损失为0.09,相比于DIA(Diagonal)、HDIA(Hacked DIA)、HDC(Hybrid of DIA and Compressed Sparse Row)、DIA-Adaptive和DRM(Divide-Rearrange and Merge),能够获得平均20.19、1.86、3.06、3.72和1.53倍的内核运行时间加速和1.05、1.28、12.45、1.94和0.97倍的浮点运算性能加速。
文摘针对目前电子式电流互感器谐波计量中谐波成分复杂,使实际测量中受噪声和异常值干扰,导致谐波计量结果准确性下降的问题,通过引入DBSCAN(dens ity-based spatial clustering of applications with noise)聚类,提出一种基于DBSCAN聚类的电子式电流互感器谐波计量算法,以有效识别并排除数据集中的噪声点和异常值,从而提高谐波成分检测的准确性.首先,采集电子式电流互感器电流信号,根据时频能量峰值获取互感器中各电流信号峰值频率;其次,通过DBSCAN聚类算法计算各电流信号峰值频率之间的距离,根据距离确定噪声信号、非谐波信号以及不同类型的谐波信号,排除数据集中的噪声点和异常值;最后,利用最小二乘法对各类谐波信号的幅值和相位进行计量,得到电流互感器谐波计量结果.实验结果表明,当时间为2 s时,谐波相位的实际值为18°,该算法的谐波相位为18°,始终与实际结果一致,对谐波幅值和相位的计量准确性均较高,表明该算法能有效提升谐波计量精度,避免受噪声和异常值干扰.
文摘伴随RESTful API在现代Web服务中的普及,安全问题日益凸显。而现有的主流API识别与漏洞检测工具依赖API文档或公开路径进行扫描,在识别隐藏API或无文档API时效果有限,在复杂或动态API环境下漏洞误报率高。针对这些挑战,基于上下文协议(MCP)无缝通信智能体,提出一种隐藏API发现和漏洞检测的智能体系统A2A(Agent to API vulnerability detection)来实现从API发现到漏洞检测的全流程自动化。A2A通过自适应枚举和HTTP响应分析自动识别潜在的隐藏API端点,并结合服务特定的API指纹库进行隐藏API的确认和发现。A2A在API漏洞检测上则是结合大语言模型(LLM)与检索增强生成(RAG)技术,并通过反馈迭代优化策略,自动生成高质量测试用例以验证漏洞是否存在。实验评估结果表明,A2A的平均API发现率为91.9%,假发现率为7.8%,并成功发现NAUTILUS和RESTler未能检测到的多个隐藏API漏洞。
