“青年科技工作者園地”舉行第159次活動
時間：2024年6月26日(本周三) 上午 9:00-11:00
地點：二樓會議室（東莞同事和同學通過視頻）
ZOOM會議信息：84683621631/240626
報告人：高宇
報告題目：谷歌文件系統(tǒng)GFS和CFS(GFSv2)
報告簡介：Google File System (GFS) 和 Colossus File System (CFS) 是Google為滿足其大規(guī)模數據處理需求而開發(fā)的兩代分布式文件系統(tǒng)。GFS于2003年發(fā)布，設計目標是提供高吞吐量和容錯性，通過將文件切割成固定大小的塊并在多個節(jié)點上進行冗余存儲來實現這一目標。GFS的架構使用Master節(jié)點管理元數據，數據節(jié)點存儲文件塊，確保系統(tǒng)的高可用性。CFS也稱為GFS2，是對GFS的改進版本，旨在解決GFS的性能瓶頸并提高擴展性。CFS優(yōu)化了系統(tǒng)架構，提升了數據存儲效率和可靠性，支持動態(tài)負載均衡，以適應Google不斷增長的計算和存儲需求。CFS在支持現代數據分析和機器學習任務方面表現出色。
報告人：劉珺怡
報告題目：基于Transformer的加密流量異常檢測方法
報告簡介：隨著網絡技術的快速發(fā)展，網絡流量異常檢測已成為網絡安全領域的重要課題。異常檢測的目的在于及時發(fā)現網絡流量中的異常行為，防止?jié)撛诘木W絡威脅。傳統(tǒng)的加密流量檢測方法往往依賴于特定的特征工程和規(guī)則，難以適應加密算法的不斷演變和變化。近年來，深度學習技術為網絡流量異常檢測提供了新的解決方案。Transformer模型能夠自動學習加密流量中的特征表示，無需人工設計特征。同時，利用Transformer的自注意力機制，能夠有效捕捉加密流量中的長距離依賴關系，提高檢測的準確性和效率，具有較高的實用價值和應用前景。但隨著模型規(guī)模的擴展和需要處理的序列不斷變長，Transformer的局限性也逐漸凸顯。一種新的狀態(tài)空間模型Mamba的出現提供了類似于Transformers的高級建模能力，并在長序列建模任務中表現出色。為加密流量異常檢測領域提供了新的思路和方法，有助于提升網絡安全防護能力。
報告人：胡家瑞
報告題目：holotomography軟件及并行編程探索??
報告簡介：全息斷層掃描（Holotomography）是一種結合了全息術和斷層掃描技術的先進成像方法。我們正在開發(fā)一個holotomography軟件，實現基于傳播的X射線成像（PBI）及斷層重建過程。當前市場上的相關軟件多存在計算效率低下及軟件授權限制等問題。為解決這些問題，提出了一種基于C++和CUDA的實現方案，且重點關注全息成像體系中AP、HIO等迭代相位恢復算法的實現與優(yōu)化。旨在針對多平臺兼容性做一些該領域探索性的工作，我們計劃采用SYCL并行框架開發(fā)該軟件的后續(xù)版本。SYCL作為一種單源異構編程模型，使得軟件能夠在不同廠商的硬件平臺上實現功能移植且性能穩(wěn)定，從而擴展holotomography的硬件支持和用戶基礎。此外，對于3D相位恢復算法的并行加速是開發(fā)中的另一個研究重點。
附件下載：
