ComputeResources 发现与历史情报相似的恶意IP尝试调用一个API，该API通常用于启动计算资源，如E CS 实例。 严重级别：非固定，MTD根据告警实际威胁程度定级。 数据源： CTS 日志。 此调查结果通知您，发现一个与历史情报相似的恶意IP尝试调用API，该API通常用于启动计算资源，如ECS实例。

查看更多 →

标记节点的标签信息。利用样本间的关系建图，节点包括已标注和未标注数据，其边表示两个节点的相似度，节点的标签按相似度传递给其他节点。标签数据就像是一个源头，可以对无标签数据进行标注，节点的相似度越大，标签越容易传播。 URI POST /ges/v1.0/{project_id}/

查看更多 →

simlarity_threshold 否 0.9 相似度阈值。两张图片相似程度超过阈值时，判定为相似图片，反之按非相似图片处理。输入取值范围为0~1。 embedding_distance 否 0.2 样本特征间距。两张图片样本特征间距小于设定值，判定为相似图片，反之按非相似图片处理。输入取值范围为0~1。

查看更多 →

Recognition Service，简称FRS），是基于人的脸部特征信息，利用计算机对人脸图像进行处理、分析和理解，用户通过实时访问和调用API获取人脸处理结果，帮助用户自动进行人脸的识别、比对以及相似度查询等。 服务以开放API（Application Programming I

查看更多 →

Tez是Apache最新的支持DAG（有向无环图）作业的开源计算框架，它可以将多个有依赖的作业转换为一个作业从而大幅提升DAG作业的性能。 MRS 将Tez作为Hive的默认执行引擎，执行效率远远超过原先的MapReduce的计算引擎。 有关Tez的详细说明，请参见：https://tez

查看更多 →

漏洞管理服务如何判定SQL注入风险？ 对于存在运算或判断等表达式的请求，当扫描结果与原请求相似度大于90%时，漏洞管理服务就会判定存在SQL注入风险。 父主题： 产品咨询类

查看更多 →

non-schedule]。add-labels：添加计算节点标签。delete-labels：删除计算节点标签。stop：停止节点。reboot：重启节点。start：启动节点。schedulable：设置节点可被调度。non-schedule：设置节点不可被调度 命令示例 删除计算节点标签 health edit

查看更多 →

云端建模与计算 提交体积计算作业 查看作业详情 父主题： 堆体测量

查看更多 →

计算节点扩容 随着业务数据的增加，为了提高实例业务稳定性，您可对DDM实例节点进行扩容。 使用须知 计算节点扩容期间，服务不中断，不影响业务的正常运行。 请在业务低峰时间段进行节点扩容操作。 请确保实例关联的数据节点状态正常并且没有进行其他操作。 一个DDM实例最多支持32个节点。

查看更多 →

（可选）点位计算 点位计算特性为可选项，支持点位清洗和点位缩放功能。具体描述请参见点位计算。 使用点位计算特性，会造成一定的性能消耗，性能消耗在10%以内。 点位缩放 增加点位缩放配置，在基于IoT边缘实现OT数采章节的配置上，可以选择增强功能“高级配置 > 点位缩放”。 访问I

查看更多 →

评测分数计算介绍 评分方案介绍 AB类log函数评分方案 AB类均匀权重（Average）评分方案 C类均匀权重评分（Average）方案 父主题： 评测管理

查看更多 →

计算节点API 获取用户token 可信计算节点管理 连接器管理 数据集注册管理 任务管理 通知管理 数据集管理 多方安全计算作业管理 可信联邦学习作业管理 联邦预测作业管理 作业实例管理 联邦学习作业管理

查看更多 →

Token计算器 功能介绍 为了帮助用户更好地管理和优化Token消耗，平台提供了Token计算器工具。Token计算器可以帮助用户在模型推理前评估文本的Token数量，提供费用预估，并优化数据预处理策略。 URI POST /v1/{project_id}/deployment

查看更多 →

科学计算大模型 气象/降水模型 海洋模型 父主题： API

查看更多 →

在当前所属租户下创建的计算实例个数。 可根据实际需要配置多个计算实例，多个计算实例可自动负载均衡，实现并发度水平扩展。 须知： 配置多个计算实例时： 需确保集群资源充足。单租户多实例需要的资源为单实例资源*实例个数（每个计算实例的规格一致，不支持差异化配置）。 需使用短连接方式，并以HSFabric模式连接Het

查看更多 →

批量计算 在CCE集群中部署使用Kubeflow 在CCE集群中部署使用Caffe 在CCE集群中部署使用Tensorflow 在CCE集群中部署使用Flink 在CCE集群中部署使用ClickHouse 在CCE集群中部署使用Spark

查看更多 →

部署计算节点 同一个空间中的用户，在使用可信计算服务时（多方安全计算和可信联邦学习），需要部署计算节点，将数据上传，作为可信计算服务的输入，通过执行多方安全计算和可信联邦学习作业后，最终拿到结果。 计算节点以容器的形式部署，支持云容器引擎（CCE，Cloud Container

查看更多 →

部署计算节点 同一个空间中的用户，在使用可信计算服务时（多方安全计算和可信联邦学习），需要部署计算节点，将数据上传，作为可信计算服务的输入，通过执行多方安全计算和可信联邦学习作业后，最终拿到结果。 计算节点以容器的形式部署，支持云容器引擎（CCE，Cloud Container

查看更多 →

多方安全计算场景 场景描述 组合架构 可验证代码示例 父主题： 使用场景

查看更多 →

节点。增加任务的并行度，充分利用集群机器的计算能力，一般并行度设置为集群CPU总和的2-3倍。 操作步骤 并行度可以通过如下三种方式来设置，用户可以根据实际的内存、CPU、数据以及应用程序逻辑的情况调整并行度参数。 在会产生shuffle的操作函数内设置并行度参数，优先级最高。 testRDD

查看更多 →

不相关的向量，减小需要考察的范围。 降低单个向量计算的复杂度 向量检索支持漏斗模型，先对所有向量进行量化和近似计算，筛选出一定量接近检索目标的数据集，然后基于筛选的数据集进行精细的计算和排序。本方法不需要对所有向量都进行复杂的计算，可以有效提高检索效率。 向量检索即在一个给定的向

查看更多 →