浏览器查看文章） Similar articles recommended (Please use Firefox or IE to view the article) 拟态防御中基于ANP-BP的执行体异构性量化方法 ANP-BP Based Executive Heterogeneity Quantification Method in Mimicry Defense 计算机科学, 2024, 51(11A): 将移动目标防御当成欺骗防御的一部分;文献[４] 中则提出移动目标防御系统可以看作拟态防御系统的一个特 例,它通过一些拟态变换使系统具有动态性特征,但是并没有 应用异构冗余架构;文献[５]中也表达了相似的看法,即拟态 防御思想是将移动目标防御的思想与异构冗余执行体相结合 的产物.从上述研究中的观点可以看出,尽管３种主动防御 技术之间没有明确定义的从属关系,但它们之间却有着紧密 的联系. 现阶段,有关主动防御方面的综述性文章大多是针对单 态 现象,以动态异构冗余架构(DynamicHeterogeneousRedunＧ dancy,DHR)为技术核心,在不改变目标对象功能的前提下, 伪装服务功能外的其他行为,进而动态地改变其攻击面的主 动防御技术[２３Ｇ２５]. ４．２ 动态异构冗余架构 DHR 由输入代理、在线服务集、异构执行体集、异构组件 池、调度器和表决输出器６部分组成,如图４所示.基于异构 冗余原理,构建多套功能相同、结构不同的软硬件组合

北京邮电大学 谢人超、唐琴琴、杨煜天、马霄鹏、汪硕 江苏省未来网络创新研究院 魏亮、方辉、孙玉刚、尹鹏、林枭、韩风、占昊天、王磊 I 前 言 随着算力网络的飞速发展，算力资源呈现出泛在化、异构化、分 布化的显著趋势。如何高效感知、协同调度这些广泛分布且动态变化 的算力资源，以支撑日益复杂的智能应用需求，已成为推动产业数字 化转型和智能化升级的关键挑战与核心技术方向。 本白皮书首先 到结果返回的最佳路径。 分布式算力感知与调度具有如下几个显著的特征：  异构性：算力节点的硬件类型、操作系统、网络协议存在显 著差异，系统必须能够充分识别并利用这种异构性，将不同 类型的计算任务精准匹配到最适合的硬件上执行，从而实现 4 整体计算效能的最大化。感知系统需通过统一的“算力单位” 实现异构资源的归一化描述；调度系统则需针对不同类型任 务设计适应性的分配策略。  例如优先将任务调度到使用可再生能源的数据中心或能效比 更高的节点，或利用电价谷值进行计算，实现“绿色调度”。 5 分布式算力感知与调度是现代计算范式的核心支柱。它通过构建 全域资源认知神经网和智能调度决策中枢，实现了对泛在、异构、动 态算力资源的有效整合与按需供给。其核心在于全局化资源视图、多 目标动态优化、高度环境适应、跨域无缝协同、智能学习进化以及对 可持续性的深度关切。随着算力网络（CPN，Computing Power

能源富集区却面临算力需求不足的问题，影响了绿电的消纳。在系 统协同层面，算力调度以性能优化为导向，电力系统则以稳频调峰 为目标，二者缺乏统一的优化框架，造成新能源利用率损失 3%- 5%。技术层面，算力系统的异构性与电力系统的波动性难以通过传 统控制模型实现兼容，跨域协同效率低下。这些问题的存在严重制 约了算力产业与能源系统的协同发展。 本白皮书详细介绍了算电协同的发展背景、基本概念、功能架 构、 2.2 算电协同关键使能技术 .................................................................... 14 2.2.1 多元异构算力适配纳管........................................................ 15 2.2.2 多能互补电力协同调度............... 依托国家重大科技基础设施“未来网络试验设施”（CENI），团队构建 了覆盖全国 40 个城市的试验环境，为算力网络创新研究搭建了重要 平台。与此同时，紫金山实验室团队在算网融合基础理论研究方面取 得突破性进展，其研发的支持大规模异构算力调度的核心技术，以及 建设的国家级算力网络试验平台，为行业提供了重要的技术支撑和验 证环境。两个团队通过紧密的产学研合作，共同推动了我国算力电力 协同领域从理论到应用的全链条创新，为“东数西算”国家战略的落

智能影像网关平台 人工智能+医院管理 02 优化资源配置 弥补医院管理漏洞 人工智能+疾病诊断和预测 03 疾病的诊断 疾病的预测 心血管及肿瘤影像 人工智能+医学研究 04 病历结构化处理 多源异构数据挖掘 人工智能+医学影像，重点落地心血管及肿瘤影像 人工智能在医学影像领域目前的应用方向主要有三类，即疾病筛查、病灶勾画、脏器三维成像，涉及脑、眼睛、乳腺、食管、 肺、心脏等多个人体部位。 变量相关性 人工智能的切入主要是利用机器学习和 自然语言处理技术自动抓取病历中的临 床变量，融汇多源异构的医疗数据，结 构化病历、文献，最后生成标准化的数 据库。 人工智能+医学研究，医疗大数据标准化，真正实现“二次”利用 我们所关注的人工智能+医学研究重点应用产品是病历结构化处理及多源异构数据挖掘。 病历结构化处理 基于高质量的前结构化的专病数据平台, 超过90%的内容可以做 到结构化； 正实现“二次”利用 我们所关注的人工智能+医学研究重点应用产品是病历结构化处理及多源异构数据挖掘。 多源异构数据挖掘 我国医院同时运行着过百种医疗信息化系统，这些多源、异构的 系统彼此割裂，各类医疗数据处于孤岛状态，无法得到有效利用。 人工智能企业与医院合作，无须和原系统对接，利用大数据技术 完成多源异构数据的清洗、脱敏、结构化、标准化，使得医院能 够一统形成互联互通的医疗大数据平台。 数据接口输出

/ 批， 影像数据 32 样本 / 批，适配 不同 数据类型。 技术细节： NPU （寒武纪 MLU370 ）专用于电力行业 AI 推理，如设备缺陷识别、实时告警。 架构描述： 构建异构计算架构，涵盖国产 CPU 、 GPU 、 NPU 及国际 GPU ，满足不同计算需求。 国产化适配： 优先采用国产计算设备，提升整体架构 的自主可控性。 预训练配置与训练流程 数量： 30 台 单价： 4 万元 算力指标： 200TOPS 应用场景：变电站数据预处理 计算架构图：采用飞腾 CPU 、昇腾 GPU 、寒武纪 NPU 与 NVIDIA H100 构建异构计算架构，充分发挥各组件优势，满足训练与推理多样化需求。架构图使用 Mermaid 语法绘制 清晰标注国产化组件（红色标识） 突出自主可控技术在整体架构中的应用与重要性 硬件选型与算力集群 散热设计 全自动执行 九天训练平台 平台训练模块提供丰富的算力资源、训练数据、齐全的算法框架和研发工具，支持单机和分布式等多种训练模式。 国产芯片适配 实现对华为昇腾、寒武纪 MLU 等异构计 算 资源的算力资源调度 和模型适配，集成国 产 AI 芯片和算法框架，提升生态多样性 系统性能优异 通过多级系统缓存，大幅度提升小文件 读取效率。通过 GPU 虚拟化，大幅度 提 升利用率，降低使用成本

原有数据集成整合：数据标准 化处理， 异构数据源集成融合 2. 数据分布式管理：各自建设、 统一服务，各数据管理单位作为 分布式存储的一个节点，做好数 据的本地存储管理、汇交和共享， 接入平台； 3. 数据统一应用服务：核心数据 库通过国土空间基础信息平台统 一管理与调度 ； • 多源异构数据集成 • 空间数据高效存储 上云的咨询、评估、 迁 移、优化、运营运维，持续演进的规划设计能 力。 全栈云，为自然资源信息化提供集约化支撑环境 计算资源池 存储资源池 网络资源池 异构资源池 公有云资源池 AI 算法 AI 开发平台 数据湖运营 大数据分析 数据库 容器 企业云化转型咨询 数字化转型咨询服务 云中间件平台 云容器引擎 22 Huawei Confidential 多域协同决策 通用 AI 服务 基础平台服务 数据湖 - 智能化数据底座 异构计算平台（服务器、 Atlas 等） EI DevOps 全栈全场景 AI ，使能信息化智慧升 级 云端智能

三维立体，支撑自然资源管理和对外服务 1. 原有数据集成整合：数据标准 化处理，异构数据源集成融合 2. 数据分布式管理：各自建设、 统一服务，各数据管理单位作为 分布式存储的一个节点，做好数 据的本地存储管理、汇交和共享， 接入平台； 3. 数据统一应用服务：核心数据 库通过国土空间基础信息平台统 一管理与调度； • 多源异构数据集成 • 空间数据高效存储 • 分布式数据库技术 • 时空大数据分析技术 AI开发平台 数据湖运营 大数据分析 数据库 … 技术中台 容器 微服务 企业集成 分布式中间件 边缘容器 … 多级管理 云市场 多云管理 自动化编排 存储资源池 网络资源池 计算资源池 异构资源池 公有云资源池 告警监控 云 安 全 云 备 份 / 云 容 灾 云管理 全栈平台 • 多类型应用云化：提供适配遥感业务场景的， 传统业务、数据业务、创新业务迁移上云； • 平滑架构演进：业务可在虚拟化、私有云、 深度学习 强化学习 图引擎 通用 AI 服务 … 人脸识别 智能问答 图像搜索 HiAI NPU 多域协同决策 … 智能推理 优化决策 决策支持 轻量化服务 智能边缘平台 模型、函数 异构计算平台（服务器、Atlas等） Huawei Confidential 24 安全：端到端保障网络安全与隐私安全 应用安全 平台安全 与 数据安全 联接安全 终端安全 业务连续性

kWh，冷却设备所需的 水达到70万 L，对电力资源和水资源都是巨大挑战 ［9］。 c）对 GPU跨厂家协同、跨代际演进的挑战。跨厂 家 GPU 因为软件生态、底层算子不同，导致上层模型 无法一次编译后异构执行。即使采用同一厂家的 GPU，也因为不同型号 GPU 的算力、显存和通信能力 甚至算子优化不同，共集群训练时面临性能损失、无 法发挥优势的问题。 d）对供应链保障的挑战。受美国芯片禁令的影 Commuincation 70 邮电设计技术/2024/09 Spine 与 Leaf 跨机房时，建议将所有 Spine 部署在一侧 机房，尽量减少拉远的Leaf数量。 2.2 多元探索、异构优化 国内外主要 GPU 卡的基本情况如表 2 所示，其中 英伟达 GPU 卡在算力、显存、卡间通信、生态等方面处 于领先地位，AMD 和 Intel 的 GPU 卡在算力上逐步追 赶，但是在生态上仍存在短板；国内则以昇腾 约大模型发展的瓶颈，鉴于当前国内外政策和 GPU 发 展水平，应积极开展多元算力芯片适配以及异构算力 的管理和调度。另一方面，智算和通算需紧密结合。 AI 大模型的前端访问和上层应用离不开通算，而在训 练和推理过程中，AI 大模型也需要通算来运行和处理 任务和数据的调度访问。 b）兼顾多元芯片和单一芯片。多元算力异构必 然带来多个智算软件生态，为模型适配和优化带来挑 战，需要进行差异化考虑。对于超千亿的大模型的训

函数 CPU/GPU/ARM 多类型异构算力 火山引擎边缘云 : 以云计算基础技术和边缘异构算力结合网络为基础 , 构建在边缘大规模基础设施之上的云计算服务 , 火山引擎边缘云定 义 区域中心城市 运营商多线 / 云边专 线 完整的云服务能力 二、三、四线城市 内容分发和加速网络创新 边缘计算节点创新 异构算力 CPU\GPU\ARM 自研高性能实例 PPS>700W 支持自定义限速 多种计费模式 云边镜像 ¢ 键 分 发 带 超大规模的接入点 单节点海量流量承载能力

个水利数据仓、 1 个统一门户、 6 大水利核心业务和 1 套工作机制。 u 禹贡科技公司：建立了”五横四纵”的智慧水利”全过程“管理体系，“五横”包括多元异构采集体系、多元 异构接口体系、云数据仓库体系、应用支撑体系、智慧水利应用体系；“四纵”包括多元异构水利数据汇集体 系、 3T 融合水利工程管理模型、 AI 智慧化水利专业模型库、智慧水利全过程管理云平台 研发思路 坚固基础 打通数据 智慧应用