针对网络化模拟训练真实感不强,训练效率低等问题,提出了一种Iaa S(Infrastructure as a Service)模式的"云训练"。阐述了"云训练"的体系结构和运行模式,研究了"云训练"的3项核心技术。通过GPU虚拟化技...针对网络化模拟训练真实感不强,训练效率低等问题,提出了一种Iaa S(Infrastructure as a Service)模式的"云训练"。阐述了"云训练"的体系结构和运行模式,研究了"云训练"的3项核心技术。通过GPU虚拟化技术解决云环境中终端用户3D图形图像处理能力弱的问题。根据模拟训练特点,建立用户需求模型,将模糊理论引入资源调度技术中,实现虚拟资源的动态调度;结合检查点回滚、虚拟机备份和虚拟机迁移技术,实现系统高效动态容错,保证了系统的稳定性与可靠性。实验证明,"云训练"系统改善了传统模拟训练系统中资源的按需共享能力,提升了资源利用率,保证了模拟训练效果。展开更多
针对IaaS(Infrastructure as a Service)云平台中用户异常行为的检测问题,提出了一种基于用户行为模型和神经网络相结合的异常检测方法.该方法通过构造一种基于时间、地点和事件的用户行为模型,在此基础上建立用户的正常行为模式,并与...针对IaaS(Infrastructure as a Service)云平台中用户异常行为的检测问题,提出了一种基于用户行为模型和神经网络相结合的异常检测方法.该方法通过构造一种基于时间、地点和事件的用户行为模型,在此基础上建立用户的正常行为模式,并与神经网络算法相结合,将用户当前行为网络输出值与给定阈值进行比较,以此来判断用户的行为是否异常,从而实现用户行为的异常检测.实验结果表明,相比其它类似的用户行为检测方法,该方法能更有效发现用户的异常行为.展开更多
为了解决IaaS(Infrastructure as a Service)云的工作流调度优化问题,提出基于预算约束的工作流调度算法。以最小化工作流调度时长为目标,算法分调度任务选择和虚拟机实例选择两阶段进行。第一阶段将工作流任务依据依赖关系作层次划分,...为了解决IaaS(Infrastructure as a Service)云的工作流调度优化问题,提出基于预算约束的工作流调度算法。以最小化工作流调度时长为目标,算法分调度任务选择和虚拟机实例选择两阶段进行。第一阶段将工作流任务依据依赖关系作层次划分,同层次组成包任务,以Min-Max方法对层次任务估算时间作标准化处理,定义最迟完成时间与最早完成时间差值最大者为调度任务;第二阶段在期望预算下以最早完成时间最小为标准选择资源,实现任务与资源间的映射。利用算例阐述了算法实现过程,并通过仿真实验测试了算法性能。结果证实,改进算法执行效率与调度成功率优于同类算法。展开更多
文摘针对网络化模拟训练真实感不强,训练效率低等问题,提出了一种Iaa S(Infrastructure as a Service)模式的"云训练"。阐述了"云训练"的体系结构和运行模式,研究了"云训练"的3项核心技术。通过GPU虚拟化技术解决云环境中终端用户3D图形图像处理能力弱的问题。根据模拟训练特点,建立用户需求模型,将模糊理论引入资源调度技术中,实现虚拟资源的动态调度;结合检查点回滚、虚拟机备份和虚拟机迁移技术,实现系统高效动态容错,保证了系统的稳定性与可靠性。实验证明,"云训练"系统改善了传统模拟训练系统中资源的按需共享能力,提升了资源利用率,保证了模拟训练效果。
文摘针对IaaS(Infrastructure as a Service)云平台中用户异常行为的检测问题,提出了一种基于用户行为模型和神经网络相结合的异常检测方法.该方法通过构造一种基于时间、地点和事件的用户行为模型,在此基础上建立用户的正常行为模式,并与神经网络算法相结合,将用户当前行为网络输出值与给定阈值进行比较,以此来判断用户的行为是否异常,从而实现用户行为的异常检测.实验结果表明,相比其它类似的用户行为检测方法,该方法能更有效发现用户的异常行为.
文摘为了解决IaaS(Infrastructure as a Service)云的工作流调度优化问题,提出基于预算约束的工作流调度算法。以最小化工作流调度时长为目标,算法分调度任务选择和虚拟机实例选择两阶段进行。第一阶段将工作流任务依据依赖关系作层次划分,同层次组成包任务,以Min-Max方法对层次任务估算时间作标准化处理,定义最迟完成时间与最早完成时间差值最大者为调度任务;第二阶段在期望预算下以最早完成时间最小为标准选择资源,实现任务与资源间的映射。利用算例阐述了算法实现过程,并通过仿真实验测试了算法性能。结果证实,改进算法执行效率与调度成功率优于同类算法。
