专利交易市场

本公开提供了一种三方异构安全计算加速方法、系统、介质及设备，涉及多方安全计算技术领域，包括：获取用户输入数据的需求，构建基于CPU和FPGA的异构安全计算架构；根据获取的用户需求生成安全计算任务对应的混淆电路，再根据基于CPU和FPGA的异构安全计算架构加速混淆电路的计算；具体的，添加代理计算方来对生成的混淆电路进行计算，在代理计算方部署轻量级FPGA异构计算架构来加速混淆电路的计算。从而通过利用CPU和FPGA的异构安全计算架构加速混淆电路的生成阶段和计算阶段，使得计算效率大幅提高。

本发明公开一种基于异构计算的隐私保护机器学习训练与推理方法及系统，以CPU+GPU+FPGA的异构计算方式进行隐私保护机器学习的训练和推理，CPU负责总体调度和处理不容易并行计算的非线性操作，GPU负责加速训练阶段的线性操作，FPGA负责在推理阶段加速混淆电路的生成，在保护数据隐私安全的前提下，灵活加速机器学习训练和推理过程，提高计算效率，降低推理延迟。

本发明涉及场景渲染领域，具体公开了基于时空预测的动态LOD与视锥体剔除协同渲染的三维场景优化方法及系统，方法包括动态计算物体的可见性频率，动态调整不同优先级物体的加载和渲染方式；利用LSTM网络架构预测未来多帧的视锥范围；将场景划分为均匀网格块，再进行分级剔除；异构计算流水线优化；渲染执行流程；系统包括动态LOD与视锥剔除协同优化模块、LSTM视锥预测模块、分块级混合剔除模块、异构计算流水线模块：优化CPU‑GPU任务分配与数据传输、渲染执行控制模块。本发明动态LOD与视锥剔除的协同优化、分块级混合剔除以及异构计算流水线优化等技术，减少了不必要的渲染计算和资源加载，提高了渲染的效率。

本发明提供了一种工作流调度方法、系统及设备，方法包括：构建工作流有向无环图DAG；根据所述工作流有向无环图DAG，采用基于中心点的DAG聚类方法，得到聚类簇集合；基于所述聚类簇集合，基于预分配模型，得到每个聚类簇的CPU分配方案；根据所述工作流有向无环图DAG以及每个聚类簇的CPU分配方案，基于虚拟最早结束时间的调度模型，得到最终的工作流调度方案。本发明采用基于中心点的DAG聚类方法得到聚类簇集合，并利用所述聚类簇集合指导调度，获得更优的工作流调度方案，从而从根源上解决了现有的面向共享总线异构计算系统的调度中的通信拥塞的问题。