【摘 要】
：
随着人工智能技术的发展,当前越来越多的应用试图为移动设备提供智能服务,然而移动设备的便携属性导致其计算资源与电量难以支撑大型深度神经网络（Deep Neural Network,DNN）的运行,当前主流的解决方案是将DNN直接部署在云端服务器,或者将DNN分割成两部分,分别部署在本地移动端和云端进行协同推理,依靠云端服务器充足的计算资源分担本地计算的压力,然而这种方式会将用户的原始数据或未经处理的
论文部分内容阅读
随着人工智能技术的发展,当前越来越多的应用试图为移动设备提供智能服务,然而移动设备的便携属性导致其计算资源与电量难以支撑大型深度神经网络（Deep Neural Network,DNN）的运行,当前主流的解决方案是将DNN直接部署在云端服务器,或者将DNN分割成两部分,分别部署在本地移动端和云端进行协同推理,依靠云端服务器充足的计算资源分担本地计算的压力,然而这种方式会将用户的原始数据或未经处理的中间数据暴露给云端,给用户的隐私安全带来极大的隐患。为了解决资源受限的移动终端无法在合理的延迟与能耗情况下部署运行大型DNN模型实现安全高效的推理问题,提出了边缘计算中DNN协同推理的隐私保护方法,主要特点为:（1）采用非侵入式的隐私保护方案,通过自注意力机制对本地端产生的中间结果动态地注入关于输入特征相关的噪声,并基于互信息的损失函数最大限度地抹除与推理任务无关的信息,实现对用户隐私信息的保护,无需对DNN模型进行更改和重新训练;（2）采用基于面向隐私保护的DNN协同推理自适应分区方法,根据运行环境与用户需求动态地选择最佳分区点,构建低延迟、低能耗、高准确率且具有隐私保护功能的协同推理系统。通过在LeNet、AlexNet、CIFAR-10、VGG-16上测试,与基线方法相比,平均降低了34.08%的总体推理时延,减少了移动端17.96%的能耗,通过隐私保护算法将原始输入和传输到云端之间的实际信息减少了74.29%,同时只牺牲了1.57%的准确率损失。对比实验表明,提出的方法在降低延迟与终端能耗上,性能与当前最好的算法相当,但是在隐私保护效果上提升了1.2～3倍。
其他文献
针对高陡岩质开采创面由于质地不均一、坡度变化较大、稳定性差别较大等造成废弃矿山生态修复效果不理想的问题，以铜陵市义安区桃园硫铁矿废弃矿坑综合治理工程为例，进行了高陡岩质开采创面柔性生态棒生态治理研究。研究结果表明：柔性生态棒修复技术在桃园硫铁矿废弃矿坑综合治理生态修复工程中取得了较好效果，基本消除了视觉污染、减轻了水土流失，并形成了稳定健康的草、灌、乔、藤多层次植物群落，可为类似高陡岩质开采创面较
移动互联网时代,GPS技术的快速发展以及道路网络的日益复杂给导航应用程序带来新的机遇与挑战。目前许多导航应用程序允许以语音作为输入,避免了用户手动输入文字,提高了交通安全性。但是,现有的导航应用程序通常无法理解用户对路径的自然语言描述,仅识别用户以指定模板发出的指令。例如,现有的导航应用程序仅支持用户输入单一的出发地或目的地,不能设置额外的个性化路径搜索要求,无法满足人们日常的出行需求。为扩展现有
近年来,我国出台了多项政策大力推动智能安防产业发展。在智能监控场景下,应用多目标跟踪算法,可以对其中的人物进行实时、准确的跟踪,因而具有很大的研究价值。现有的多目标跟踪算法,存在遮挡情况下容易跟丢目标、跟踪轨迹不连续、跟踪漂移等问题。针对上述问题,提出了相应的解决方法。首先,提出基于注意力的多目标跟踪算法。原有算法重识别（Re-identification,Re ID）分支对目标辨识力强的特征提取
隐蔽通道是用户可以绕过强制访问控制检查进行隐蔽通信的一种机制,标识一个系统中的隐蔽通道是高安全等级系统的开发和测试中必不可少的工作。源码层面使用信息流分析技术搜索隐蔽通道时,现有方法难以确定虚函数调用处的被调用函数。此外,面对大型系统的修改、引用和返回关系表,使用隐蔽流树法搜索隐蔽通道时,会创建大量重复节点致程序占用内存过多而无法给出计算结果。改进现有方法,对提高数据库这样的大型系统的隐蔽通道分析
供水管道是保障日常生产活动正常进行的重要基础设施,在长期使用中受自身寿命或外界破坏性因素的影响会发生破裂造成漏损。及时的泄漏检测对节约水资源、防止二次污染以及可能带来的次生灾害至关重要,目前常用的检测方法通过采集和分析振动信号确定泄漏是否发生。泄漏振动信号十分微弱,采集时受环境噪声影响大,传统的检测方法无法有效地区分环境中存在的非平稳噪声,检测效果不稳定并且依赖检测人员的经验。大量的泄漏检测设备一
纠删码作为一种以条带的形式存储数据的容错技术,广泛应用于当前的大规模存储系统中;相比副本容错技术,纠删码能以更低的存储成本来提供相同容错能力。为了进一步降低存储成本,业界开始研发“大条带纠删码”技术,通过增加条带长度来压缩校验块在每个条带中的比例以节省更多存储空间。然而,现有“直接编码”生成大条带的方式通常因编码速度下降而导致数据生成缓慢。一种可行思路是通过“扩展转换”来生成大条带,即首先将新写数
区块链在金融、能源、医疗、食品等众多关键领域有着极高的应用价值,然而当前区块链的性能严重限制了其在现实场景中的落地。其中最具代表性的以太坊区块链,其区块处理时延严重受限于状态树引入的海量数据库查询。现有的针对性解决方案多会导致显著的负面效应,如内存、网络带宽等硬件成本的急剧上升,因而难以广泛应用。通过深入分析以太坊工作流与负载,观察到状态树单条分支“一热俱热”的访问规律:绝大多数情况下,热点账户及
通信技术与物联网技术的发展导致物联网终端爆发式增长,感知数据和物联网应用呈指数级增长,推动智慧类应用需求高速发展,对计算存储资源提出更高要求。集中式云计算框架受制于网络拓扑、回传带宽和网络延迟等的影响,难以满足智慧应用场景对处理时延和网络开销的需求。边缘计算框架借助靠近物联网终端侧的多接入边缘计算（Multi-access Edge Computing,MEC）设备,卸载全部或部分计算任务,能有效
作为组合优化领域中经典的NP难问题,集合覆盖问题有重要的理论研究意义和工业应用价值。为了求解对时间要求较高的调度问题,如物资运送、机器调度、卫星拍摄,提出了一个带冲突的集合覆盖扩展问题,称为最小最大加权集合覆盖问题（Min Max Weighted Set Covering Problem,MMWSCP）。在该问题中,元素表示需要完成的任务,每个集合具有一个时间段属性,表示该集合中的任务只能在这个
随着大数据时代的到来,当今社会对海量图数据的处理需求日益增加,例如社交网络、电子商务交易等都可以被组织为图数据,而Gremlin作为一种典型的图数据库查询语言,其底层单核处理机的串行执行方式,已无法适应现代大型图数据处理运算的需求,因此多核并行计算已成为提高其查询速度的主要方式。COStream是一种高效的数据流编程模型,采用同步流水线的方法生成可在多核上并行计算的程序进而提高程序执行效率,因此可