Дрл расшифровка: расшифровка, характеристики, устройство, принцип работы

Содержание

ДРЛ — это… Что такое ДРЛ?

Видимый спектр ртутной газоразрядной лампы

Ртутные газоразрядные лампы используют газовый разряд в парах ртути для получения света. Дают свечение белого цвета, кроме того интенсивное ультрафиолетовое излучение.

Ртутные газоразрядные лампы широко применяются для уличного освещения, однако в настоящее время они постепенно заменяются на более эффективные натриевые газоразрядные лампы

Виды

Дуговые ртутные лампы высокого давления (ДРЛ)

Лампа ДРЛ250 на самодельном испытательном стенде

Для общего освещения цехов, улиц, промышленных предприятий и других объектов, не предъявляющих высоких требований к качеству цветопередачи, применяются ртутные лампы высокого давления типа ДРЛ.

Устройство

Устройство лампы ДРЛ

Устройство лампы ДРЛ

Лампа ДРЛ (смотри рисунок справа) имеет следующее строение: стеклянный баллон 1, снабжённый резьбовым цоколем 2. В центре баллона укреплена кварцевая горелка (трубка) 3, заполненная аргоном с добавкой капли ртути. Четырёхэлектродные лампы имеют главные катоды 4 и дополнительные электроды 5, расположенные рядом с главными катодами и подключенные к катоду противоположной полярности через добавочный угольный резистор 6. Дополнительные электроды облегчают зажигание лампы и делают её работу более стабильной.

В последнее время лампы ДРЛ изготовляют трехэлектродные, с одним пусковым электродом и резистором.

Розжиг лампы ДРЛ400 в домашних условиях

Принцип действия

В горелке из прочного тугоплавкого химически стойкого прозрачного материала в присутствии газов и паров металлов возникает свечение разряда — электролюминесценция.

При подаче напряжения на лампу между близко расположенными главным катодом и дополнительным электродом обратной полярности на обоих концах горелки начинается ионизация газа. Когда степень ионизации газа достигает определённого значения, разряд переходит на промежуток между главными катодами, так как они включены в цепь тока без добавочных сопротивлений, и поэтому напряжение между ними выше. Стабилизация параметров наступает через 10-15 минут после включения(в зависимости от температуры окружающей среды- чем холоднее тем дольше будет разгораться лампа).

Электрический разряд в газе создаёт видимое белое без красной и голубой составляющих спектра и невидимое ультрафиолетовое излучение, вызывающее красноватое свечение люминофора. Эти свечения суммируются, в результате получается яркий свет, близкий к белому.

При изменении напряжения сети на 10-15 % в большую или меньшую сторону работающая лампа отзывается соответствующим повышением или потерей светового потока на 25-30 %. При напряжении менее 80 % сетевого лампа может не зажечься, а в горящем состоянии погаснуть.

При горении лампа сильно нагревается. Ввиду особенности, лампа ДРЛ после выключения должна остыть перед следующим включением.

Традиционные области применения ламп ДРЛ

Освещение открытых территорий, производственных, сельскохозяйственных и складских помещений. Везде, где это связано с необходимостью большой экономии электроэнергии, эти лампы постепенно вытесняются НЛВД (освещение городов, больших строительных площадок, высоких производственных цехов и др.).

Дуговые ртутные металлогалогенные лампы (ДРИ)

Аббревиатура «ДРИ» расшифровывается, как «дуговая ртутная с излучающими добавками (иодиды и бромиды металлов)». Наряду с ртутью, в эти лампы вводятся йодиды натрия, таллия и индия, благодаря чему значительно увеличивается световая отдача (она составляет примерно 70 — 95 люмен/Вт и выше) при достаточно хорошей цветности излучения. Лампы имеют колбы эллипсоидной и цилиндрической формы. Внутри колбы размещается кварцевая или керамическая цилиндрическая горелка, где происходит разряд в парах металлов и их йодидов. Срок службы — до 8-10 тыс. часов.

В современных лампах ДРИ используются в основном керамические горелки, обладающие большей стойкостью к реакциям с их функциональным веществом, благодаря чему со временем горелки затемняются гораздо меньше кварцевых. Однако последние тоже не снимают с производства из-за их относительной дешевизны.

Ещё одно отличие современных ДРИ — шаровидная форма горелки, позволяющая снизить спад светоотдачи, стабилизировать ряд параметров и увеличить яркость «точечного» источника. Различают два основных исполнения данных ламп: с цоколями Е27, Е40 и софитное — с цоколями типа Rx7S и подобными им.

Для зажигания ламп ДРИ необходим пробой межэлектродного пространства импульсом высокого напряжения. В «традиционных» схемах включения данных паросветных ламп, помимо индуктивного балластного дросселя, используют импульсное зажигающее устройство — ИЗУ.

Изменяя состав примесей в лампах ДРИ, можно добиться «монохроматических» свечений различных цветов (фиолетового, зелёного и тп) Благодая этому ДРИ широко используются для архитектурной подсветки. Лампы ДРИ-12 (с зеленоватым оттенком) используют на рыболовецких судах для привлечения планктона.

Дуговые ртутные металлогалогенные лампы с зеркальным слоем (ДРИЗ)

Представляет собой обычную лампу ДРИ, часть колбы которой изнутри частично покрыта зеркальным отражающим слоем, благодаря чему такая лампа создает направленный поток света. По сравнению с применением обычной лампы ДРИ и зеркального прожектора, уменьшаются потери за счет уменьшения переотражений и прохождений света через колбу лампы.

Ртутно-кварцевые шаровые лампы (ДРШ)

Ртутно-кварцевые лампы высокого давления (ПРК, ДРТ)

 

Wikimedia Foundation. 2010.

Ртутные лампы высокого давления

Дуговые ртутные люминесцентные (ДРЛ) лампы высокого давления относятся к высокоинтенсивным разрядным источникам света. Применяются для освещения:

  • дворовых территорий;
  • парковых зон;
  • спортивных площадок;
  • дорог и дорожной инфраструктуры;
  • промышленных зон и объектов;

и других больших площадей, к освещению которых не предъявляются повышенные требования по светопередаче.

Нормативный документ — ГОСТ Р 53074-2008 (МЭК 60188:2001) «Лампы ртутные высокого давления».

Конструкция ДРЛ

До недавнего времени выпускались лампы с одной колбой и двумя электродами, между которыми происходил разряд. Световой поток формируется за счет свечения дуги и вторичной генерации света люминофором под действием ультрафиолетовой части спектра дуги. Эти осветительные устройства имели нестабильные характеристики по световому потоку, склонны к пульсации и срок службы 3…5 тыс. часов.

Им на смену пришли лампы с двумя колбами. Внутренняя трубка из кварцевого стекла или прозрачной керамики является первичным генератором светового потока с преобладанием сине-зеленой и ультрафиолетовой частей спектра. Внутри герметичной трубки находится инертный газ под давлением 30 мм рт. ст. и капелька ртути, которая при испарении ионизирует газ и создает условия для устойчивого горения дуги. Розжиг источника света производится парой контактов, на которые подается пусковой ток в 3 раза превышающий рабочий. По мере разогрева лампы и формирования устойчивой дуги изменяется сопротивление между контактами розжига. Падение сопротивления, через обратную связь пускорегулирующего устройства (ПРУ), приводит к переключению на рабочую пару контактов, через дроссель, номинального тока. Время розжига не более 10 с, а время разгорания с прогревом наружной колбы не более 12 мин.

На внутреннюю поверхность наружной колбы нанесен люминофор, состав которого определяет спектр светового потока. Колба заполнена азотом под давлением 100 кПа (750 мм рт. ст.). По форме наружной колбы осветительные приборы различаются на эллипсоидные и грибовидные с цоколем Е27 и Е40.

Расшифровка маркировки ламп ДРЛ

В обозначении ламп ДРЛФ литера «Ф» (фитолампа) указывает на повышенное красное отношение или значение 15…20% красной части спектра (длина волны 600…620 нм) в общем световом потоке. Применяются в теплично-парниковых хозяйствах в условиях недостатка солнечного света. Литера «В» в обозначении ДРВ указывает на наличие вольфрамовой спирали во внутренней трубке, что позволяет подключать устройство без ПРУ через встроенный дроссель, как лампу накаливания.

Пример расшифровки обозначения: SQ0325-0009 Лампа ртутная высокого давления ДРЛ 250 Вт Е40 TDM, где:

SQ0325-0009 — индекс модели производителя;

ДРЛ — дуговая ртутная люминесцентная высокого давления;

250 Вт — мощность;

Е40 — размер винтового цоколя;

TDM — торговая марка.

На российском рынке представлены изделия зарубежных производителей:

  • HQL SUPER DE LUXE. Производитель: Osram (Германия). Полный аналог российских ДРВ. Подключается через встроенный дроссель. Падение напряжения на светильнике 115…135 В. «DE LUXE» указывает на улучшенную светоотдачу, «SUPER» — на золотисто-коричневый люминофор, что улучшает цветопередачу (красное отношение 8…12%).
  • LVMT-125lux. Производитель: Luxten (Румыния). Аналог российских ДРЛ. Литера «Т» в обозначении указывает на термостойкое стекло наружной колбы. Буквенное сочетание «lux» обозначает улучшенную цветопередачу.

Выводы

Ртутные лампы высокого давления находятся в середине линейки осветительных приборов по показателям светоотдачи (50…55 лм/Вт) и цветопередачи (Ra не ниже 55). Добавки активаторов в люминофор меняют эти показатели в лучшую сторону.

Отработанная технология производства снижает стоимость изделия и, хотя мощные ДРЛ вытесняются металлогалогеновыми источниками света, ДРЛ мощностью до 250 Вт пользуются спросом.

Ртутные источники света с термостойким стеклом наружной колбы устойчивы к перепадам температуры внешней среды. Срок службы не менее 10 тыс. часов.

К недостаткам следует отнести наличие ртути, что требует специальных условий для утилизации. Кроме этого, люминофор со временем теряет свои свойства, что приводит к снижению светового потока к концу службы прибора.

Дуговой разряд создает пульсации, отчетливо видимые при разгоне лампы. При полном накале они сглаживаются, но стробоскопический эффект остается.

ДРЛ долго выходит на рабочий режим и может не загореться при прекращении питания или снижении напряжения ниже 190 В на время более 5 с. В пускорегулирующий аппаратвстроена защита от запуска прибора в горячем состоянии.

Наши менеджеры компании ГК ПрофЭлектро окажут специализированную помощь и помогут подобрать необходимые лампы. Чтобы сделать заказ или узнать стоимость звоните по телефону +7 499 707 14 60 или оставляйте заявку [email protected] и мы Вам перезвоним сами!

Лампы ДРЛ,ДНаТ,ДРВ

Натриевые газоразрядные лампы ДНаТ

Ртутные газоразрядные лампы ДРЛ

Ртутные газоразрядные лампы прямого включения ДРВ

Металлогалогенные лампы ДРИ

 

Лампы дуговые ртутно-вольфрамовые ДРВ по принципу работы схожи с натриевыми и ртутными, но имеют один существенный плюс. Наличие в лампе вольфрамовой спирали позволяет включать лампу без пускорегулирующего аппарата (ПРА). Все разновидности этих ламп работают в сети переменного тока с напряжением ..

Лампы дуговые ртутно-вольфрамовые ДРВ по принципу работы схожи с натриевыми и ртутными, но имеют один существенный плюс. Наличие в лампе вольфрамовой спирали позволяет включать лампу без пускорегулирующего аппарата (ПРА). Все разновидности этих ламп работают в сети переменного тока с напряжением ..

Натриевой газоразрядной лампой (ДНаТ) называют электрический источник света, светящееся тело которого является газовым разрядом в парах натрия. Поэтому лампы дают яркий оранжево-жёлтый свет. Эта специфическая особенность ДНаТ (монохроматичность излучения) вызывает при освещении ими плохое кач..

Технические характеристики:   Мощность (Вт): 220  Тип цоколя: E40  Диаметр, мм: 91  Длина: 227 мм  Покрытие колбы: Матовая&nbs..

Натриевой газоразрядной лампой (ДНаТ) называют электрический источник света, светящееся тело которого является газовым разрядом в парах натрия. Поэтому лампы дают яркий оранжево-жёлтый свет. Эта специфическая особенность ДНаТ (монохроматичность излучения) вызывает при освещении ими плохое кач..

Натриевой газоразрядной лампой (ДНаТ) называют электрический источник света, светящееся тело которого является газовым разрядом в парах натрия. Поэтому лампы дают яркий оранжево-жёлтый свет. Эта специфическая особенность ДНаТ (монохроматичность излучения) вызывает при освещении ими плохое кач..

..

..

..

Лампы дуговые ртутно-вольфрамовые ДРВ по принципу работы схожи с натриевыми и ртутными, но имеют один существенный плюс. Наличие в лампе вольфрамовой спирали позволяет включать лампу без пускорегулирующего аппарата (ПРА). Все разновидности этих ламп работают в сети переменного тока с напряжением ..

Лампы дуговые ртутно-вольфрамовые ДРВ по принципу работы схожи с натриевыми и ртутными, но имеют один существенный плюс. Наличие в лампе вольфрамовой спирали позволяет включать лампу без пускорегулирующего аппарата (ПРА). Все разновидности этих ламп работают в сети переменного тока с напряжением ..

..

Дуговые ртутные лампы высокого давления типа ДРЛ широко используются для освещения улиц, открытых пространств, производственных площадей, где не предъявляется высоких требований к цветопередаче, и характеризуются высокой световой отдачей и большой продолжительностью горения. Лампы ДРЛ эксплуати..

Дуговые ртутные лампы высокого давления типа ДРЛ широко используются для освещения улиц, открытых пространств, производственных площадей, где не предъявляется высоких требований к цветопередаче, и характеризуются высокой световой отдачей и большой продолжительностью горения. Лампы ДРЛ эксп..

Технические характеристики лампы ДРЛ 250 W Е40 Наименование Лампа ДРЛ 250 W Е40 Мощность лампы ДРЛ, W 250 Напряжение, V 220 Цоколь лампы ДРЛ Е40 Диаметр лампы ДРЛ, mm..

Дневные ходовые огни: что это такое

Дневные ходовые огни (ДХО) нужны для того, чтобы сделать ТС на дороге более заметным. Это помогает увеличить вашу безопасность и своевременно оповестить других участников дорожного движения о приближении авто.

Еще в 70-х годах прошлого века ДХО или DRL начали использовать в Финляндии, где нередко причиной ДТП становилась плохая видимость, обусловленная сильными туманами. В РФ ДХО стали обязательными лишь в 2010 году, когда ПДД дополнило соответствующее требование.

Определение понятия ДХО

К дневным ходовым огням относятся установленные на ТС источники света, которые делают его более заметным при движении в дневное время.

В зависимости от марки и модели автомобиля, в качестве DRL могут выступать:

  • противотуманные фары;
  • отдельно установленные передние световые излучатели;
  • передние поворотные огни, работающие постоянно;
  • дальний свет, работающий примерно на 30% своей мощности;
  • ближний свет, работающий совместно с силовым агрегатом.

Наиболее экономичные ДХО — отдельные элементы, изготовленные на основе светодиодных лент. Они расходуют в 10 раз меньше электроэнергии, чем «галогенки» или лампы накаливания.

В качестве ходовых огней могут выступать только осветительные приборы, установленные в соответствии с действующими в РФ нормативными документами. То есть, они должны быть установлены с соблюдением следующих правил:

  • два осветительных элемента, расположенных на расстоянии не менее 600 мм друг от друга;
  • установленные на высоте не менее 250 мм и не более 1 500 мм;
  • от ДХО до края корпуса авто должно быть не более 400 мм;
  • огни должны быть направлены строго вперед;
  • включаться ДХО должны автоматически при включении зажигания;
  • в качестве DRL должны быть использованы осветительные элементы только белого цвета;
  • горизонтальный угол должен составлять 20° (внутрь и наружу), вертикальный — 10° (вниз и вверх).

Правила установки ДХО

Для чего нужны дневные ходовые огни?

В пункте 19.5 дано подробное объяснение, зачем именно нужны DRL— они помогают обозначить на дороге движущееся транспортное средство в светлое время суток. Если говорить об этом более подробно, то следует выделить несколько основных нюансов:

  • благодаря DRL на дороге легко заметить как крупногабаритные, так и малогабаритные ТС;
  • ДХО оповещают о приближении ТС всех участников дорожного движения, в том числе и пешеходов;
  • крайне важно для минимизации рисков включать ДХО при перевозке опасных грузов.

Ближний свет менее заметен днем, чем штатные ходовые огни, но при отсутствии ДХО, ПДД разрешено использовать фары ближнего света.

Световой поток от ДХО и фар ближнего света

ПДД о дневных ходовых огнях

В пункте 19.5 ПДД прописано, что в дневное время система DRL или фары ближнего света должны быть включены на всех движущихся ТС: мотоциклах, мопедах, грузовых и легковых авто, маршрутных такси и пр. В противном случае КоАП РФ предусматривает для мотоциклистов и автомобилистов административную ответственность — штраф в размере 500 ₽.

Отличия дневных огней от габаритов

Основное отличие габаритов от ДХО — интенсивность светового потока. Габаритные огни достаточно тусклые и при ярком солнечном свете обычно незаметные. Именно поэтому их использование в качестве ходовых огней является недопустимым.

ДХО — залог вашей безопасности

Только специальные ходовые огни дают достаточно интенсивный свет, который сделает вас заметным для других участников дорожного движения. Если на вашем авто не предусмотрены штатные ДХО, вы можете купить и установить дополнительные осветительные приборы. Только перед этим вам предстоит получить в ГАИ разрешение на модернизацию ТС (так как за установку любой оптики, не предусмотренной конструкцией авто, положен штраф).

Использование штатных светодиодных ДХО или установка дополнительных осветительных приборов (ходовых огней) позволяет снизить нагрузку на АКБ и не расходовать на подсветку авто в светлое время суток ресурс фар ближнего света.

Помните, соблюдения ПДД — это не прихоть сотрудников ГАИ, а безопасность участников дорожного движения. Поэтому не нарушайте правил и всегда используйте дневные ходовые огни.

Светильник подвесной РСП05-400-701 белый корпус с алюминиевым гладким отражателем, ДРЛ 400W 1 шт. E40 ЭмПРА AC220V IP53 У3 с вент.отверст. 1005400701 АСТЗ

Наименование изделия у производителя РСП05-400-701
Тип осветительного прибора Светильник
Способ монтажа осветительного прибора подвесной
Тип потолка/поверхности для встраиваемого светильника
Размер установочного отверстия для встраиваемого светильника
Классификация по основному источнику света
Количество источников света 1шт.
Тип основного источника света ДРЛ
Мощность основного источника света 400Вт
Патрон для основного источника света (при наличии) E40,
Тип дополнительного источника света (при наличии)
Мощность дополнительного источника света (при наличии)
Патрон для дополнительного источника света (при наличии)
Точный тип, количество и мощность источников света
Мощность светодиодов LED светильников
Диапазон поиска по мощности LED светильников
Световой поток LED светильников
Диапазон поиска по световому потоку LED светильников
Цветность излучаемого света LED светильников
Точная цветовая температура LED светильников
Индекс цветопередачи светодиодов LED светильников
Наличие и тип встроенного ПРА ЭмПРА,
Энергетическая эффективность ПРА
Компенсация (cos ϕ) 0.85
Номинальное рабочее напряжение AC220V
Диапапзон рабочего напряжения
Встроенные дополнительней устройства
Оптическая система светильника с алюминиевым гладким отражателем,
Особенность оптической системы
Наличие защитного/декоративного стекла без защитного стекла,
Цвет корпуса светильника белый корпус
Особенность корпуса светильника алюминий
Ниличие защитной решетки
Кривая силы света Г
КПД осветительного прибора
Конструктивная особенность ОП
Класс защиты от поражения электротоком
Степень защиты, IP (общая или оптический блок/блок ПРА) IP53
Код механической прочности, IK
Климатическое исполнение и категория размещения У3
Особенность комплектации
Примечание с вент.отверст.
Конструктивная особенность ОП
Особенность комплектации
Альтернативные названия РСП 05-400-701, РСП-05-400-701
Способ электропитания сетевой
Возможность регулировки светотехнических характеристик
Особенности защитного стекла
Страна происхождения
Сертификация RoHS
Код EAN / UPC
Код GPC
Код в Profsector.com FA27.114.20.13
Статус компонента у производителя

РСП 05. Подвесной промышленный светильник РСП 05

Подвесной промышленный светильник РСП 05

 

 

ЦЕНА на светильник РСП05

 

 

 

Светильники РСП 05 предназначены для общего освещения в высоких помещениях производственного и иного назначения, так как разнообразие кривых силы света позволит эффективно осветить требуемую площадь.

 

Наличие исполнений с разной степенью защиты (IP20, 5’3, IP54) позволяет использовать данные светильники в помещениях с различными условиями среды.

 

Промышленные светильники РСП 05 с лампой ДРЛ мощностью 125, 250, 400, 700, 1000 Вт применяются для освещения производственных и складских помещений.

 

Светильники РСП 05 выпускаются в нескольких модификациях с различными типами кривой силы света, с держателями для ламп, с защитной сеткой, с защитным стеклом, наличием вентиляционных отверстий в отражателе для светильников с IP20.

 

Корпус светильника РСП 05 изготовлен из алюминия методом ротационной вытяжки с последующей химической обработкой.

 

Отражатель РСП изготовлен из алюминия методом ротационной вытяжки с последующей химической обработкой, имеет три отверстия для байонетного крепления к корпусу.

 

Отражатель с вентиляционными отверстиями – для светильников со степенью защиты IP20 и 5’0.

 

Защитное закаленное стекло в металлической обечайке крепится к отражателю с помощью трех металлических замков и откидывается при замене ламп.

 

Защитная сетка из стальной проволоки, окрашена белой порошковой краской, крепится к отражателю при помощи скоб.

 

Присоединение светильников РСП05 к сети должно осуществляться шнуром или кабелем с повышенной рабочей температурой не ниже 130ºС.

 

При комплектовании светильников РСП 05 лампами, ток лампы должен соответствовать току на аппаратах.

 

Рекомендуемая высота подвеса светильников РСП 05 от 6-м.

 

Светильники РСП 05 крепятся подвес на крюк, монтажный профиль (базовое исполнение).

 

Крепление на трубу G3/4-B заказывается дополнительно к базовому исполнению.

 

ЦЕНА на РСП 05

 

 

 

 

Наименование
светильника

Тип лампы
Мощность, Вт
Цоколь

Масса, кг

Габаритные
размеры, мм

D

H

Светильник РСП 05 с открытым отражателем и вентиляционными отверстиями IP20

Светильник РСП 05-125-001

ДРЛ 125 Е27

1,10

320

365

Светильник РСП 05-250-001

ДРЛ 250 Е40

1,30

369

425

Светильник РСП 05-400-001

ДРЛ 400 Е40

1,90

471

500

Светильник РСП 05-700-001

ДРЛ 700 Е40

2,10

529

555

Светильник РСП 05-1000-001

ДРЛ 1000 Е40

2,30

595

590

Светильник РСП 05 с открытым отражателем без вентиляционных отверстий 5’3

Светильник РСП 05-125-002

ДРЛ 125 Е27

1,10

320

365

Светильник РСП 05-250-002

ДРЛ 250 Е40

1,30

369

425

Светильник РСП 05-400-002

ДРЛ 400 Е40

1,90

471

500

Светильник РСП 05-700-002

ДРЛ 700 Е40

2,10

529

555

Светильник РСП 05-1000-002

ДРЛ 1000 Е40

2,30

595

590

Светильник РСП 05 с сеткой и вентиляционными отверстиями IP20

Светильник РСП 05-125-021

ДРЛ 125 Е27

1,30

320

380

Светильник РСП 05-250-021

ДРЛ 250 Е40

1,50

369

440

Светильник РСП 05-400-021

ДРЛ 400 Е40

2,20

471

515

Светильник РСП 05-700-021

ДРЛ 700 Е40

2,50

529

570

Светильник РСП 05-1000-021

ДРЛ 1000 Е40

2,80

595

605

Светильник РСП 05 с сеткой без вентиляционных отверстий 5’3

Светильник РСП 05-125-022

ДРЛ 125 Е27

1,30

320

380

Светильник РСП 05-250-022

ДРЛ 250 Е40

1,50

369

440

Светильник РСП 05-400-022

ДРЛ 400 Е40

2,20

471

515

Светильник РСП 05-700-022

ДРЛ 700 Е40

2,50

529

570

Светильник РСП 05-1000-022

ДРЛ 1000 Е40

2,80

595

605

Светильник РСП 05 с защитным стеклом IP54

Светильник РСП 05-125-032

ДРЛ 125 Е27

2,60

320

385

Светильник РСП 05-250-032

ДРЛ 250 Е40

4,50

471

515

Светильник РСП 05-400-032

ДРЛ 400 Е40

5,30

529

575

Светильник РСП 05-700-032

ДРЛ 700 Е40

6,50

595

605

Светильник РСП 05-1000-032

ДРЛ 1000 Е40

6,50

595

605

Светильник РСП 05 с защитным стеклом и сеткой IP54

Светильник РСП 05-125-042

ДРЛ 125 Е27

2,80

320

410

Светильник РСП 05-250-042

ДРЛ 250 Е40

4,80

471

515

Светильник РСП 05-400-042

ДРЛ 400 Е40

5,70

529

600

Светильник РСП 05-700-042

ДРЛ 700 Е40

7,00

595

630

Светильник РСП 05-1000-042

ДРЛ 1000 Е40

7,00

595

630

 

 

 

 

 

Светильник РСП

Промышленные подвесные светильники РСП – это производительное светотехническое оборудование, оснащённое ртутными лампами высокого давления. Эти источники света способны формировать равномерно распределённые световые поля, характеризующиеся  заливающим белым цветов с синим оттенком. Основной конкурентное преимущество ртутных ламп при их невысокой стоимости – это продолжительный срок службы, который составляет до 25 000 часов непрерывного горения. Подвесные светильники РСП, как правило, устанавливаются на гибких основах в производственных, складских и торговых помещениях с высокими потолками. Существуют модификации этого осветительного  оборудования с креплениями, рассчитанными на монтаж непосредственно на потолке.

Светильники РСП могут комплектоваться защитной решеткой и стеклом, обеспечивающим пылевлагозащищенность светильника на уровне IP54-IP65.

Ртутные лампы работают на основе горения дуги между двумя электродами в парах ртути. Такие технологии требуют использования дополнительного пускового оборудования, которое обеспечит источникам света нормальный старт и стабильность функционирования. В настоящее время  в этом направлении активно используются  пускорегулирующие аппараты (ПРА) на основе балластных дросселей со стальным сердечником. Эти приборы значительно повышают срок эксплуатации ртутных ламп и минимизируют риски выхода осветительного оборудования из строя в результате нестабильных перегрузок. 

Выбор балластных дросселей должен вестись в соответствии с мощностью  и типом источников света, условий эксплуатации светотехнического оборудования и техническими особенностями электрической сети. Так, первая цифра в маркировке ПРА обозначает количество подключаемых источников света, далее идёт буквенное обозначение вида фаз тока (индуктивный (И) ёмкостный (Е) компенсированный (К)), следующие три-четыре цифры регламентируют мощность задействованных ламп, далее следует аббревиатура, обозначающая тип лампы (ДРЛ). Кроме того,  в маркировку ПРА включаются буквенные обозначения, отражающие климатическое исполнение прибора, а последняя цифра указывает на категорию размещения.

Зная параметры используемого светотехнического оборудования, подобрать необходимое пускорегулирующее устройство не составляет большого труда. Если использовать подвесные светильники путём прямого включения в стандартную электрическую сеть (220 В 50 Гц), такое решение может негативно сказаться, как на продолжительности срока службы, так и на стабильности работы  используемых источников света.

Drone Racing League находит высокоразвитого криптографического партнера в Algorand

Вкратце
  • Algorand заключила пятилетний договор с Лигой Drone Racing League.
  • Альянс включает в себя права на именование и планы для NFT, продажу билетов на основе блокчейна и управление лигами на основе токенов.

В Лиге гонок на дронах участники могут пилотировать созданные на заказ квадрокоптеры на трассах со скоростью до 120 миль в час, и все это рассматривается от первого лица с использованием очков, похожих на VR.Основанная в 2015 году, DRL представляет собой технологически продвинутую лигу с растущей аудиторией, и теперь она планирует расширить свой опыт и взаимодействие с фанатами за счет сделки с сетью блокчейнов Algorand.

Сегодня компании объявили о пятилетнем альянсе, в рамках которого лига будет внедрять блокчейн Algorand различными способами. Algorand также получает права титула на сезон чемпионата мира DRL, который начнется в конце этого месяца с трансляций на NBCSN и Twitter, а фотографии демонстрируют некоторые элементы бренда Algorand вокруг стадиона лиги.

«Мы постоянно совершенствуем наши захватывающие соревнования по скоростным гонкам на дронах с использованием новых революционных технологий», — сказала президент DRL Рейчел Джейкобсон Decrypt . «Блокчейн — это мишень для гонок на дронах, и мы рады приветствовать сообщество блокчейнов в нашем виде спорта и присоединиться к нашим десяткам миллионов молодых, одержимых технологиями фанатов технических разработок».

Algorand заключил сделку с Drone Racing League. Изображение: Algorand

Лига Drone Racing League планирует использовать блокчейн-сеть Algorand для различных инициатив, включая продажу билетов и NFT.Кроме того, в разработке находится управление на основе токенов (то есть голосование). «Мы разработаем жетоны, которые дадут болельщикам право голоса в развитии лиги — от решений о том, как играть в этот вид спорта, до новых впечатлений на арене», — сказал Якобсон.

Партнерство

Algorand по гонкам на дронах происходит в то время, когда цена на его криптовалюту взлетает до небес. На прошлой неделе Algorand (ALGO) удвоился в цене за два дня, вскоре после того, как правительство Сальвадора объявило о планах по созданию инфраструктуры и услуг в сети блокчейн.

Наряду с Solana и Avalanche, Algorand — еще одна альтернатива Ethereum, которая в последнее время демонстрирует растущую ценность и активность экосистемы. Ethereum является ведущей платформой для децентрализованных приложений, протоколов DeFi (типа, который обеспечивает одноранговую торговлю) и предметов коллекционирования NFT, но его высокие комиссии за транзакции и перегрузка сети могут стимулировать интерес к более быстрым и масштабируемым сетям блокчейнов.

The Drone Racing League также планирует проводить на своих гонках «хакатоны» для разработчиков, чтобы стимулировать рост экосистемы Algorand.Генеральный директор Algorand Стив Кокинос указал на значительное совпадение между пользователями криптовалюты и фан-базой Drone Racing League, что является одной из причин, по которым он считает это естественным партнерством.

«Технически ориентированная лига, такая как DRL, идеально подходит для активации блокчейна просто потому, что ни в одном другом виде спорта нет такой важной технологии, как гонки на дронах», — сказал он Decrypt , предполагая, что традиционные виды спорта и киберспорта «клюшкой и мячом» одинаково не подходят. «Гонки на дронах объединяют виртуальный и физический миры, предоставляя нам беспрецедентную возможность для широкой и глубокой интеграции блокчейнов.”

(PDF) Декодер с глубоким Q-обучением для деполяризующего шума на торическом коде

FITZEK, ELIASSON, KOCKUM, AND GRANATH PHYSICAL REVIEW RESEARCH 2, 023230 (2020)

[27] Г. Дюкло-Чианчи и Д. Пулин, Быстрые декодеры для топологических квантовых кодов

, Phys. Rev. Lett. 104 050504 (2010).

[28] Г. Торлай, Р. Г. Мелко, Нейронный декодер для топологических кодов

, Phys. Rev. Lett. 119 030501 (2017).

[29] С. Крастанов, Л. Цзян, Глубинный нейросетевой вероятностный декодер

для кодов стабилизатора, Науки.Отчет 7, 11003 (2017).

[30] С. Варсамопулос, Б. Кригер и К. Бертельс, Декодирование небольших поверхностных кодов

с помощью нейронных сетей с прямой связью, Quantum Sci.

Technol. 3015004 (2017).

[31] П. Байрейтер, Т. Э. О’Брайен, Б. Тарасински и К. В.

Бинаккер, Коррелированные ошибки

кубитов с помощью машинного обучения в топологическом коде, Quantum 2,48 (2018).

[32] Н. П. Брекманн и Х. Ни, Масштабируемые нейронные сетевые декодеры

для квантовых кодов более высокой размерности, Quantum 2,68 (2018).

[33] К. Чемберленд и П. Рона, Глубинные нейронные декодеры для

краткосрочных отказоустойчивых экспериментов, Quantum Sci. Technol. 3,

044002 (2018).

[34] X. Ni, Нейросетевые декодеры для двухмерных торических кодов на больших расстояниях

, arXiv: 1809.06640.

[35] Р. Свеке, М. С. Кессельринг, Э. П. ван Ньивенбург и Дж.

Эйсерт, Декодеры с обучением с подкреплением для отказоустойчивого квантового вычисления, arXiv: 1810.07207.

[36] стр.Андреассон, Дж. Йоханссон, С. Лильестранд и М. Гранат,

Квантовая коррекция ошибок для торического кода с использованием глубокого обучения с усилением

, Quantum 3,183 (2019).

[37] Х. П. Наутруп, Н. Дельфосс, В. Дунжко, Х. Дж. Бригель, Н.

Фриис, Оптимизация кодов квантовой коррекции ошибок с обучением с помощью Rein-

forcement, Quantum 3,215 (2019).

[38] Н. Маскара, А. Кубица и Т. Йочим-О’Коннор, Преимущества

универсального нейросетевого декодирования топологических кодов,

Phys.Ред. A 99,052351 (2019).

[39] К. Чинни, А. Кулкарни, Д. М. Пай, К. Митра и П. К.

Сарвепалли, Нейронный декодер для топологических кодов, использующий псевдо-

, инверсную матрицу проверки на четность, arXiv: 1901.07535.

[40] Л. Д. Коломер, М. Скотиниотис, Р. Муньос-Тапиа, Reinforce-

, обучение мент для оптимального исправления ошибок торических кодов, Phys.

Lett. А 384,126353 (2020 г.).

[41] Дж. Эдмондс, Дорожки, деревья и цветы, Can. J. Math.17 449

(1965).

[42] А. Г. Фаулер, Оптимальная коррекция сложности коррелированных ошибок

в поверхностном коде, arXiv: 1310.0863.

[43] А. Г. Фаулер, Минимальный вес идеального согласования неисправности —

толерантная топологическая квантовая коррекция ошибок в среднем

O (1) параллельное время, Quantum Inf. Comput. 15, 145 (2015),

arXiv: 1307.1740.

[44] С. Бравьи, М. Сухара и А. Варго, Эффективные алгоритмы для декодирования максимального правдоподобия

в поверхностном коде, Phys.Ред.

A90,032326 (2014).

[45] Й. ЛеКун, Й. Бенжио и Дж. Хинтон, Глубокое обучение, Nature

(Лондон) 521 436 (2015).

[46] И. Гудфеллоу, Ю. Бенжио, А. Курвиль и Ю. Бенжио, Deep

Learning (MIT Press, Cambridge, MA, 2016), Vol. 1.

[47] Дж. Карлео и М. Тройер, Решение квантовой многочастичной задачи

с помощью искусственных нейронных сетей, Science 355,602

(2017).

[48] Дж. Карраскилла и Р. Г. Мелко, Фазы машинного обучения

материи, Nat.Phys. 13 431 (2017).

[49] E. P. Van Nieuwenburg, Y.-H. Лю, С. Д. Хубер, Изучение фазовых переходов

путём путаницы, Nat. Phys. 13 435 (2017).

[50] Дж. Карраскилла, Машинное обучение для квантовой материи,

arXiv: 2003.11040.

[51] В. Мних, К. Кавукчуоглу, Д. Сильвер, А. Грейвс, И. Антоноглу,

Д. Виерстра и М. Ридмиллер, Игра в атари с глубоким поводом —

Обучение силе, arXiv: 1312.5602 .

[52] В. Мних, К.Кавукчуоглу, Д. Сильвер, А. А. Русу, Дж. Венесс,

М. Г. Беллемар, А. Грейвс, М. Ридмиллер, А. К. Фиджеланд, Г.

Островски и др., Контроль на уровне человека посредством глубокого подкрепления —

ментальное обучение , Nature (Лондон) 518 529 (2015).

[53] М. Буков, AGR Day, Д. Сельс, П. Вайнберг, А. Полковников,

и П. Мехта, Обучение с подкреплением в различных фазах квантового управления

, Phys.Rev.X8,031086 ( 2018).

[54] Т. Фезель, П. Тигиняну, Т.Вайс и Ф. Марквардт, Reinforce-

Обучение с помощью нейронных сетей для квантовой обратной связи,

Phys. Ред. X 8,031084 (2018).

[55] Полная последовательность декодирования для этого синдрома с использованием декодера DRL

показана на https://github.com/mats-granath/toric-RL-

decoder.

[56] Р. С. Саттон и А. Г. Барто, Обучение с подкреплением: Введение

(MIT Press, Кембридж, Массачусетс, 2018).

[57] Т. Шауль, Дж. Куан, И. Антоноглу и Д.Серебро, приоритет

повтор опыта, arXiv: 1511.05952.

[58] Х. Бомбин, Р. С. Андрист, М. Озеки, Х. Г. Кацграбер и

М. А. Мартин-Дельгадо, Сильная устойчивость топологических кодов

к деполяризации, Phys. Ред. X 2,021004 (2012).

[59] Дж. Гош, А. Г. Фаулер и М. Р. Геллер, Поверхностный код с когерентностью de-

: анализ трех сверхпроводящих архитектур,

Phys. Ред. A 86,062318 (2012).

[60] F.Ян, С. Густавссон, А. Камаль, Дж. Биренбаум, А. П. Сирс,

Д. Ховер, Т. Дж. Гудмундсен, Д. Розенберг, Г. Самах, С.

Вебер, Дж. Л. Йодер, Т. П. Орландо, Дж. Кларк, AJ Kerman и

WD Oliver, Потоковый кубит пересмотрен для повышения когерентности и воспроизводимости

, Nat. Commun. 7,12964 (2016).

[61] X. Gu, A. F. Kockum, A. Miranowicz, Y.-x. Лю и Ф. Нори,

Микроволновая фотоника со сверхпроводящими квантовыми цепями,

Phys.Отчет 718–719,1 (2017).

[62] П.В. Климов, Дж. Келли, З. Чен, М. Нили, А. Мегрант,

Б. Беркетт, Р. Барендс, К. Арья, Б. Чиаро, Ю. Чен, А.

Дансуорт, А. Фаулер, Б. Фоксен, К. Гидни, М. Джустина, Р.

Графф, Т. Хуанг, Э. Джеффри, Э. Лусеро, Дж. Я. Мутус и др.,

Колебания времен релаксации энергии в области сверхпроводимости

кубитов, Phys. Rev. Lett. 121 0

(2018).

[63] Дж. Дж. Бернетт, А. Бенгтссон, М. Шиглюццо, Д.Niepce, M.

Kudra, P. Delsing, and J. Bylander, Decoherence bench —

маркировка сверхпроводящих кубитов, npj Quantum Inf. 5,54

(2019).

[64] Y. Lu, A. Bengtsson, JJ Burnett, E. Wiegand, B. Suri, P.

Krantz, AF Roudsari, AF Kockum, S. Gasparinetti, G.

Johansson, and P. Delsing , Характеризация скорости декогеренции

сверхпроводящего кубита прямым микроволновым рассеянием,

arXiv: 1912.02124.

[65] А.Валенти, Э. ван Ньювенбург, С. Хубер и Э. Греплова,

Гамильтоново обучение для квантовой коррекции ошибок, Phys. Ред.

Рез. 1,033092 (2019).

[66] Д. Хорган, Дж. Куан, Д. Бадден, Г. Барт-Марон, М. Хессель,

Х. Ван Хасселт и Д. Сильвер, Распределенный приоритетный опыт —

повторение, в 6-м Международная конференция по обучению

представительств, Материалы конференции ICLR 2018,

arXiv: 1803.00933.

023230-16

2 шт. Декодер для 9005 9006 LED DRL HID Комплект фар Canbus Anti-Flicker Запчасти для легковых и грузовых автомобилей Освещение и лампы для легковых и грузовых автомобилей takumi-kobo.com

2 шт. декодер для 9005 9006 LED DRL HID Комплект фар Canbus Anti-Flicker Запчасти для легковых и грузовых автомобилей Освещение и лампы для легковых и грузовых автомобилей takumi-kobo.com

2 шт. Декодер для 9005 9006 LED DRL HID Headlight Kit Canbus Anti-Flicker. 2 шт. Декодер фар. 100% новый и высококачественный декодер фар 9005/9006. Устранение помех и предотвращение мерцания лампы. Для замены светодиодных ламп модернизируйте галогенные лампы. Оцените это .. Состояние: Новое : Бренд: : LED INFINITY , Гарантия: : 30 дней : Номер детали производителя: : DC26 , Другой номер детали 2: : 2 X для комплекта преобразования светодиодного головного света № DC26 : Номер детали для обмена: : DRL Противотуманная фара Передняя фара OBC Предупреждение Отмена , Замененный номер детали: : НЕТ кода OBC Нет сообщения Адаптеры жгута проводов : Другой номер детали: : Прерыватель кода ошибки резистора нагрузки CANBUS , Подходит для: Безошибочная установка для 9005 9011 HB3 9006 HB4 9012 : UPC : : 885319078687 ,.







コ ン テ ン ツ に 移動 ナ ビ ゲ ー シ ョ ン に 移動

2 шт. Декодер для 9005 9006 LED DRL HID Комплект фар Canbus Anti-Flicker

Крепление на лобовое стекло для TomTom XL 330-s 335 LE 340 340-S 350M 350 350T & One 22 TR2. Muncie M20 M21 4-ступенчатая передняя промежуточная шестерня заднего хода с 18 зубьями, кронштейн топливного фильтра Turbosmart FPR Billet TS-0402-1140. 2 шт. Декодер для 9005 9006 LED DRL HID Комплект фар Canbus Anti-Flicker .Moroso 89560 Манометры в шинах, диаметр 2 5/8 «MOR89560, Go Rhino 6035MC Nerf Bars WTW Chevy Silverado GMC Sierra Extended Cab 6 ‘Bed. Антенна Fender Построен 1993-2001 Mercedes Benz W202 Benz MB Антенна, 2 декодера для 9005 9006 LED DRL Комплект скрытых фар Canbus Anti-Flicker . 4-х цветная светодиодная подсветка заднего тормоза для Harley Touring моделей 2014-2020, комплект из 2 задних амортизаторов KYB Excel-G Honda Acura Accord, CL & TL, BOAT COVER Bass Cat Pantera Classic DC 2003 2004 2005 2006 2007 2008 2009. 2 шт. Декодер для 9005 9006 LED DRL HID Комплект фар Canbus Anti-Flicker . Для Porsche Macan 2015-17 Черный кожаный автомобильный грузовой коврик для заднего багажника Boot Liner Tray. Для подвесного топливного насоса Tohatsu Mariner Mercury 4-9.8HP 803529T06 3H6040007 Новый,


2 шт. Декодер для 9005 9006 LED DRL HID Комплект фар Canbus Anti-Flicker

СТРАНИЦА ВЕРХНЯЯ

2 шт. Декодер для 9005 9006 LED DRL HID Комплект фар Canbus Anti-Flicker

9006 LED DRL HID Комплект фар Canbus Anti-Flicker 2pcs Decoder для 9005, Устранение помех и предотвращение мерцания лампы Для замены светодиодных ламп, модернизация галогенных ламп, Оцените это, декодер фар 2pcs, 100% NEW & HIgh Quality 9005/9006 декодер, Флагманский магазин модной одежды, Интернет-продвижение, Интернет-эксклюзив, Прибытие новой моды, доставка по всему миру с безопасными платежами.9005 9006 LED DRL HID Комплект фар Canbus Anti-Flicker 2 шт. Декодер для, 2 шт. Декодер для 9005 9006 LED DRL HID Комплект фар Canbus Anti-Flicker.

Аксессуары для света и освещения Комплект из 2 предметов автомобильные фары дневные ходовые огни декодируют синие / красные светодиодные фонари для Mercedes-Benz W205 C180 C200 Синий светодиодный свет Акцентное и внедорожное освещение

2 шт. Набор автомобильных фар дневных ходовых огней декодируют синие / красные светодиодные фонари для Mercedes-Benz W205 C180 C200 Синий светодиодный свет

2 шт. Набор автомобильных фар дневных ходовых огней декодируют синие / красные светодиодные фонари для Mercedes-Benz W205 C180 C200 (синий светодиодный свет ): Авто.Купить комплект из 2 автомобильных фар дневных ходовых огней для декодирования синих / красных светодиодных огней для Mercedes-Benz W205 C180 C200 (синий светодиодный свет): Модули дневных ходовых огней — ✓ БЕСПЛАТНАЯ ДОСТАВКА при подходящих покупках. 1, комплект из 2 предметов без повреждений, замена синего / красного светодиодного фары, модуль обновления дневных ходовых огней, подходящий для Mercedes-Benz W205 C180 C200 и т. Д.。 2, установка замены без повреждений, и пусть ваш автомобиль сразу станет высококлассным。 3, пусть ваш автомобиль Это фокус и большое отличие от других, и пусть глаза другого человека будут яркими в темную ночь, когда вы нажимаете ключ автомобиля с синим или красным светом колонки в течение 1 минуты, а затем продолжаете светить белым светодиодом。 4, Очень проста в установке, демонтируйте оригинал Световой модуль DRL и поместите наш модуль декодирования на исходный и прикрутите обратно, а затем подключите автомобильный штекер。 5, оригинальная светодиодная фара напрямую обновляется, и нет необходимости демонтировать фару, нет необходимости демонтировать бампер, и просто подключи и играй, пусть ваша машина сразу же станет самой высокой конфигурации。 пусть ваша машина будет отличаться от других, и пусть глаза другого человека будут яркими темной ночью, когда вы нажимаете ключ машины, и синий или красный свет появляются на протяжении 1 минуты, а затем сохраняют нормальный Светодиодный свет。 позволяет вашему автомобилю сразу перейти от низкого качества к высококлассному и очень круто и красиво ночью。 Оригинальный модуль декодирования и не требует модификации, не нужно повреждать оригинальную схему, просто включите и играйте。 Очень проста в установке, демонтируйте оригинальный свет DRL модуль и поместите наш модуль декодирования на исходный и прикрутите обратно, а затем подключите автомобильный штекер。。。






Комплект из 2 предметов автомобильные фары дневные ходовые огни декодируют синие / красные светодиодные фонари для Mercedes-Benz W205 C180 C200 Синий светодиодный свет

Дата первого размещения: 20 февраля.Купите Shifter American Shifter 529900 (комплект тормозной накладки C6 23 Swan E для F585A): комплекты переключения — ✓ БЕСПЛАТНАЯ ДОСТАВКА при подходящих покупках, Купить датчик кислорода NGK 24332: кислородный — ✓ БЕСПЛАТНАЯ ДОСТАВКА возможна для соответствующих покупок. эта сумка с короткими ручками означает, что вы всегда будете выглядеть модно. JTENGYAO Женская одежда больших размеров Футболка-поло с круглым вырезом Футболка чистого цвета Блузка для девочек S-5XL с большими глазами в магазине женской одежды, дата, впервые указанная: 7 января, ПОЖАЛУЙСТА, ЗАПОЛНИТЕ СЛЕДУЮЩИЕ ДАННЫЕ, а затем отправьте нам электронное письмо. 2шт набор автомобильных фар дневных ходовых огней декодирует синие / красные светодиодные фонари для Mercedes-Benz W205 C180 C200 Синий светодиодный свет , голубой дизайн подушки Apache: для дома и кухни.дверной блок (двери 2 — 2 и двери 2 — #). Наш широкий выбор элегантен для бесплатной доставки и бесплатного возврата. Эта очаровательная и уникальная повязка на голову из листьев идеально подходит для всех возрастов. В апельсине есть узор потрескивания. Отличное дополнение к любой коллекции. Чтобы играть в игру Sega Saturn, вам понадобится либо жестко модифицированная Sega Saturn, либо оперативная карта объемом 4 МБ, которая была прошита программой Pseudo Saturn Loader. 2шт. Набор автомобильных фар дневных ходовых огней декодирует синие / красные светодиодные фонари для Mercedes-Benz W205 C180 C200 Синий светодиодный свет , мы будем печатать с информацией, представленной в поле «Персонализация».Супер сладкое и уникальное боди / органические комбинезоны для малышей, набор включает: -1 колье -1 пара серег -бусы-заколки 10 зубочисток -2 заколки для шёлковых цветов в виде цветка Этот набор изготовлен из: (или белый) — верх Чешский прозрачный Хрусталь — хвост (не оставляет следов) Шелковый цветок ожерелья сочетается со стразами, 2 бутылками или другими предметами с легким и быстрым доступом, примерно 19 дюймов от ямки до ямы, пока лежит ровно и 19 дюймов от верхней части плеча до низа, простой наперсток: промышленный и научный, размер: XXL EU: 3 США: 80 талия: 86 см / 33, 2 шт. комплект автомобильных фар дневных ходовых огней декодируют синий / красный светодиод фары для Mercedes-Benz W205 C180 C200 Синий светодиодный свет , Размер: 2XL- Размер Великобритании: 16-18- Размер ЕС: 42 Бюст: 116 см / 45, его можно чистить на неопределенный срок и использовать повторно.


2 шт. Набор автомобильных фары дневные ходовые огни декодируют синие / красные светодиодные фонари для Mercedes-Benz W205 C180 C200 синий светодиодный свет

WHELEN ION DUO СИНИЙ / БЕЛЫЙ, Volkswagen JSAMZ Беспроводная дверь автомобиля Светодиодный проектор Свет с питанием от батареи Добро пожаловать Logo Shadow Ghost Light 2шт, Светодиодный светильник для номерного знака Замена лампы для 2003-2018 Dodge RAM 1500 2500 3500 Пикап 6000K Белый 2-шт. KaTur Red High Power 5730 18-SMD COB LED Водонепроницаемые дневные ходовые огни DRL Лампа 29 Вт, правая для 2000-2005 Buick LeSabre Указатель поворота / габаритный свет в сборе с пассажирской стороны CarLights360 Замена для GM2531122.Трубка asy BC3Z7R081K MotorCraft, серебристая оболочка + желтый свет BININBOX 6 Вт Суперяркие автомобильные светодиодные фонари 12 В для DRL Противотуманные фары дневного света Дневные ходовые огни Водонепроницаемая тонкая упаковка из 2 шт. Док-станция для морской беспроводной связи мигает, дымовые линзы / хромированный корпус Spyder Auto 111-CAV04-SM Задний фонарь в европейском стиле. Замените OEM красные / желтые линзы Галогенные лампы / лампы Hummer LED Кабина Крыша дымовой линзы Комплект 10 шт. Для Hummer h3 SUT 2003-2009 гг. Темно-черные линзы янтарные / красные светодиодные.

Распределение лицензии на хранение данных

Лицензия на хранение данных продлевает время, в течение которого WatchGuard Cloud хранит данные Firebox. Лицензии на хранение данных, активированные поставщиком услуг, отображаются в реестре поставщиков услуг в WatchGuard Cloud. Как поставщик услуг вы назначаете лицензии на хранение данных своей учетной записи или любой другой учетной записи, которой вы управляете.После того, как вы назначите лицензию на хранение данных учетной записи подписчика, лицензия на хранение данных появится на странице «Сведения о лицензии» в учетной записи подписчика. Из учетной записи подписчика вы можете назначить лицензию на хранение данных для Firebox.

См. Перечень лицензий на хранение данных

Вы управляете лицензиями на хранение данных из меню Inventory в своей учетной записи WatchGuard Cloud Service Provider.

Чтобы увидеть активированные лицензии на хранение данных:

  1. Войдите в свою учетную запись поставщика облачных услуг WatchGuard.
  2. В разделе Account Manager выберите Overview .
  3. Выбрать Инвентарь .
    Появится страница обзора инвентаризации для инвентаризации вашего поставщика услуг.
  4. В разделе Firebox щелкните Data Retention Licenses .
    Появится список всех лицензий на хранение данных.
  5. Чтобы отфильтровать список, в раскрывающемся списке выберите один из следующих вариантов:
    • Все лицензии (по умолчанию)
    • Выделенные лицензии
    • Нераспределенные лицензии
  6. Для поиска лицензии введите текст в поле поиска.

Страница обзора показывает вам обзор пользователей, устройств и лицензий в инвентаризации для выбранной папки или учетной записи.

Для каждой лицензии на странице Обзор отображается следующая информация:

  • Имя — Имя лицензии, присвоенное при активации лицензии
  • дней — количество дней хранения данных
  • Лицензионный ключ — Номер лицензии
  • Срок действия — Дата истечения срока лицензии
  • Назначено на — Учетная запись, на которую выделена лицензия, или нераспределенная
  • Совместимость моделей — модели Firebox, вы можете назначить лицензию на

Назначение лицензии на хранение данных учетной записи

Прежде чем вы сможете добавить лицензию на хранение данных в Firebox, вы должны назначить ее учетной записи, которой вы присвоили Firebox.

Чтобы назначить учетной записи лицензию на хранение данных:

  1. Войдите в свою учетную запись поставщика облачных услуг WatchGuard.
  2. В разделе Account Manager выберите Overview .
  3. Выбрать Инвентарь .
    Откроется страница обзора вашего реестра поставщиков услуг.
  4. В разделе Firebox щелкните Data Retention Licenses .
    Появится список лицензий на хранение данных.

  1. Чтобы изменить сведения о выделении лицензии, щелкните лицензию Имя .
    Появятся сведения о лицензии и выделении.

  1. В раскрывающемся списке Распределено по выберите учетную запись, для которой будет назначена эта лицензия.
    Это может быть ваша собственная учетная запись или любая управляемая учетная запись.
  2. Нажмите Сохранить .
    Лицензия назначается выбранной учетной записи.

После того, как вы назначили лицензию учетной записи подписчика, вы можете назначить лицензию Firebox в этой учетной записи.Для получения дополнительной информации см. Управление лицензиями на хранение данных.

Изменить сведения о распределении лицензии

Когда вы редактируете выделение для выделенной лицензии на хранение данных, вы можете выполнить следующие действия:

Освободить лицензию

Это действие удаляет лицензию из учетной записи. Если лицензия была назначена Firebox, это действие также отменяет назначение лицензии.

Чтобы отозвать лицензию, на странице «Сведения о лицензии» щелкните Отменить выделение лицензии .

Назначить лицензию другой учетной записи

Это действие освобождает лицензию от исходной учетной записи и назначает ее указанной учетной записи.

См. Также

Активировать лицензию на хранение данных

Размещение топки

AutoPrivacy: автоматический многоуровневый выбор параметров для безопасного вывода нейронной сети

1 Введение

Машинное обучение как услуга (MLaaS) — это развивающаяся вычислительная парадигма, в которой используются мощные облачные инфраструктуры для предоставления клиентам услуг логического вывода машинного обучения.Однако в настройке MLaaS облачные серверы могут произвольно получать доступ к входным и выходным данным клиентов, тем самым создавая риски конфиденциальности. Конфиденциальность особенно важна, когда клиенты загружают свою конфиденциальную информацию, например, медицинские записи и финансовые данные, на облачные серверы. Последние работы Mohassel: SP2017; Лю: CCS2017; Ювекар: USENIX2018; Биан: DATE2019; Пратюш: USENIX2020 создает гибридные нейронные сети с сохранением конфиденциальности (HPPNN) для достижения высокой точности вывода, используя комбинацию гомоморфного шифрования (HE) и искаженной схемы (GC).В частности, DELPHI Pratyush: USENIX2020 получает современную задержку и точность логического вывода за счет реализации линейных уровней с помощью HE и вычисления уровней активации с помощью GC. Однако HPPNN по-прежнему страдают от длительной задержки вывода. Например, вывод одного единственного образа CIFAR-10 с помощью DELPHI ResNet-32 Пратюш: USENIX2020 стоит ∼100 секунд и должен обмениваться данными размером 2 ГБ. В частности, линейные уровни DELPHI на основе HE стоят 93% задержки логического вывода, тем самым становясь узким местом в производительности.

Вычислительные издержки линейных уровней на основе HE в предшествующих HPPNN определяются их параметрами HE, включая модуль открытого текста p, модуль зашифрованного текста q и циклотомический порядок (степень полинома) n. HE допускает гомоморфные сложения и умножения на шифртекстах, манипулируя многочленами, общее количество членов и коэффициенты которых определяются p, q и n. Каждая операция HE вызывает небольшой шум. Расшифровка вывода HE может иметь ошибки, если общий шум, накопленный на пути вычисления HE, превышает бюджет шума, определяемый p, q и n.HE полностью поддерживает операции начальной загрузки для устранения шумов и, таким образом, не чувствителен к шумовому бюджету. Однако, чтобы избежать чрезвычайно медленных операций начальной загрузки полностью HE, предыдущие HPPNN использовали выровненный HE, который допускает только ограниченный бюджет шума. Большой бюджет шума требует больших значений p, q и n, что значительно увеличивает вычислительные затраты на сложение и умножение полиномов.

Предыдущие HPPNN излишне пессимистично предполагали огромный бюджет шума, используя большие p, q и n. Во-первых, предыдущие HPPNN не учитывают устойчивость нейронных сетей к ошибкам при определении их параметров HE p, q и n.Мы обнаружили, что HPPNN может допускать некоторые ошибки дешифрования без ухудшения точности частного вывода. Во-вторых, предыдущие HPPNN предполагают одинаковые значения p, q и n для всех уровней. Различные уровни нейронной сети имеют разную архитектуру, например, размер ядра взвешивания и номер выходного канала, и, следовательно, разные допуски к ошибкам. Следовательно, допущение одних и тех же параметров HE для всех уровней в наихудшем случае существенно увеличивает вычислительные издержки HPPNN. Однако определение набора p, q и n

для каждого уровня с помощью ручной эвристики настолько сложно, что даже специалисты по HE и машинному обучению могут получить только неоптимальные результаты.В этой статье мы предлагаем метод автоматического послойного выбора параметров HE, AutoPrivacy, для быстрого и точного вывода HPPNN.

Рисунок 1: Анализ узких мест, рабочий процесс и выбор параметров HE для DELPHI.

2 Предпосылки и мотивация

Модель угрозы. Наша модель угроз такая же, как и у DELPHI Pratyush: USENIX2020 . AutoPrivacy предназначен для двухсторонней получестной настройки, когда только одна из сторон может быть взломана противником.Обе стороны придерживаются протокола безопасности, но пытаются узнать информацию о частных входах другой стороны из сообщений, которые они получают. AutoPrivacy направлена ​​на защиту конфиденциальности клиента, но не мешает клиенту изучать архитектуру нейронной сети, используемой сервером. Пратюш: USENIX2020 .

Нейронная сеть, сохраняющая конфиденциальность. Предыдущие HPPNN Mohassel: SP2017; Лю: CCS2017; Ювекар: USENIX2018; Биан: DATE2019 объединяет гомоморфное шифрование (HE) и искаженную схему (GC) для поддержки выводов, сохраняющих конфиденциальность.Вывод HPPNN включает этап предварительной обработки и этап онлайн. На этапе предварительной обработки сервер и клиент подготавливают совместное использование секрета и сборщик мусора для онлайн-этапа. На этапе онлайн сервер и клиент вычисляют результат логического вывода. Как показано на рисунке 1 (a), линейные уровни на основе HE на этапе предварительной обработки доминируют над задержкой вывода HPPNN. Протокол безопасности этапа предварительной обработки можно резюмировать следующим образом.

  • [noitemsep, topsep = 0pt, leftmargin = *]

  • Линейный слой на основе НЕ.Все линейные уровни в HPPNN реализуются HE, который представляет собой криптосистему, поддерживающую гомоморфные вычисления над зашифрованным текстом без дешифрования. Для данного открытого ключа pk, секретного ключа sk, функции шифрования ϵ () и функции дешифрования σ (), × является гомоморфной операцией, если существует другая операция ⊗ такая, что σ (ϵ (x1, pk) ⊗ϵ (x2, pk), sk) = σ (ϵ (x1 × x2, pk), sk), где x1 и x2 — открытые тексты. Хотя большинство схем HE, например, BFV sealcrypto

    , могут поддерживать быстрое умножение матрицы на вектор с оценкой SIMD, линейные слои на основе HE по-прежнему являются узким местом производительности HPPNN.Как показано на рисунке

    1 (a), линейные уровни на основе HE потребляют 93% задержки логического вывода последней версии HPPNN DELPHI Juvekar: USENIX2018 . На этапе предварительной обработки линейного слоя (Li) клиент и сервер генерируют два вектора маскирования ri и si соответственно для Li, как показано на рисунке 1 (b). Клиент шифрует ri как [ri] и отправляет [ri] на сервер, в то время как сервер гомоморфно вычисляет [Mi⋅ri-si] и отправляет его клиенту, где Mi указывает веса и смещения Li.Клиент расшифровывает [Mi⋅ri-si]. Сервер хранит si, поэтому клиент и сервер совместно используют секретный ключ Mi⋅ri. Перед любым вычислением HE и сервер, и клиент должны совместно использовать все параметры HE, включая p, n и q. Теперь вся HPPNN использует один и тот же набор параметров HE Mohassel: SP2017; Лю: CCS2017; Ювекар: USENIX2018; Биан: ДАТА 2019, .
  • Нелинейный слой на основе GC. Предыдущие HPPNN реализуют нелинейные уровни с помощью GC, который представляет собой криптографический протокол, позволяющий серверу и клиенту совместно вычислять нелинейный уровень над своими личными данными без изучения данных другой стороны.В GC активация представлена ​​логической схемой. Как показано на рисунке 1 (c), сервер сначала искажает активацию, генерирует свою искаженную таблицу (Ci) и отправляет ее клиенту. Клиент получает Ci посредством Oblivious Transfer (OT) Juvekar: USENIX2018 . На онлайн-этапе клиент оценивает Ci для получения результата активации.

  • Активации на основе троек бобров. Последняя версия HPPNN DELPHI Juvekar: USENIX2018

    также использует тройки Бивера (BT) для реализации квадратичных приближений функции активации для дальнейшего сокращения накладных расходов на вычисления нелинейных слоев на основе GC.Чтобы поддерживать такую ​​же точность вывода, DELPHI использует активации на основе GC и BT в своих нелинейных слоях.

По сравнению с нейронными сетями на основе GC, например DeepSecure Rouhani: DAC2018 , и нейронными сетями на основе HE, например CryptoNets Dowlin: ICML2016 , SHE Lou: NIPS2019 и Lola Brutzkus : ICML19 , HPPNNs Пратюш: USENIX2020 уменьшает задержку вывода на ∼100 раз и повышает точность вывода на 1% ∼4%.

Криптосистема BFV и ее параметры HE. Следуя DELPHI Pratyush: USENIX2020 , мы применяем BFV BFV для реализации операций HE в гибридной сети с сохранением конфиденциальности. Мы используем [r], чтобы указать зашифрованный текст, содержащий вектор открытого текста r, где r∈Znp с модулем открытого текста p и циклотомическим порядком n. В BFV, благодаря технике упаковки, зашифрованный текст [r] ∈R2q представляет собой набор двух многочленов в фактор-кольце Rq с модулем зашифрованного текста q. Для шифрования упакованного многочлена m, содержащего элементы из r, зашифрованный текст BFV структурируется как вектор из двух многочленов (c0, c1) ∈R2q.Конкретно,

c0 = −a (1)

c1 = a⋅s + qpm + e0 (2)

где a — это многочлен с равномерной выборкой, а s и e0 — многочлены, коэффициенты которых взяты из Xσ, где σ

— стандартное отклонение. Расшифровка просто вычисляет

pq (c0s + c1) = m + pqe0. Когда qp≫e0, e0 можно округлить. Как показано на рисунке 1 (d), чем больше q, тем больше вероятность округления e0, тем точнее криптосистема BFV. Для каждого набора p, q, n и σ

LWE-Estimator

lwe_estimator может оценить уровень безопасности HE λ на основе стандарта BFV.Чем больше q и n, тем более безопасна криптосистема на основе BFV. Чтобы гарантировать правильность и эффективность выполнения BFV, параметры HE должны соответствовать 5 правилам Juvekar: USENIX2018 : ❶ n — степень двойки; ❷ q≡1modn; ❸ p≡1modn; ❹ | qmodp | = | γ | ≈1; и ❺ q псевдо-Мерсенн.

BFV Дозирование. Для поддержки нескольких данных с одной инструкцией (SIMD) BFV BFV использует китайскую теорему об остатках (CRT) для упаковки g открытых текстов в один полином m с использованием составного модуля открытого текста p = ∏g − 1i = 0pi, где p0,…, pg− 1 — простые числа.Таким образом, p может быть достаточно большим, чтобы обеспечить максимальный промежуточный результат во время вывода HPPNN. CRT предлагает изоморфизм между Zt и ∏g − 1i = 0Zti:

ЭЛТ: Zt0 ×… × Ztg − 1 → Zt (3)

m = (r0,…, rg − 1) ↦r (4)

где ri∈Zti и r∈Zt. Обратный CRT (ICRT):

(5)

r↦m = (r0,…, rg − 1) (6)

где для любого r∈Zt имеем CRT (ICRT (r)) = r. Во время дешифрования нам нужно вычислить m + pqe0 и использовать ICRT для разложения m для получения распакованных открытых текстов.Если e0 не может быть округлено во время дешифрования, оно будет разложено на каждый распакованный открытый текст.

Рисунок 2: AutoPrivacy: (a) создание параметров HE для предыдущих HPPNN; и (b) создание параметров HE для AutoPrivacy.

Выбор параметров HE. Предыдущие HPPNN Mohassel: SP2017; Лю: CCS2017; Пратюш: USENIX2020; Ювекар: USENIX2018; Биан: DATE2019 определяют свои параметры HE, используя последовательность операций, показанную на рисунке 2 (a). Для всей нейронной сети предыдущие NPPNN сначала выбирают циклотомический порядок n, который является степенью двойки и обычно ≥1010, а затем выбирают простое число p≥M, где M — максимальное значение открытого текста модели нейронной сети (т.е., веса и смещения). Предыдущие NPPNN должны гарантировать p≡1modn, в противном случае они увеличивают p. С помощью LWE-Estimator lwe_estimator на основе n, p, стандартного отклонения шума σ и значения уровня безопасности λ (например, 128-битного) предыдущие NPPNN вычисляют максимальное значение (qmax) q. В соответствии с сетевой архитектурой предыдущие NPPNN получают минимальное значение (qmin) q, которое может сделать частоту отказов из-за ошибок HE <2-40 Bian: DATE2019 . От qmin до qmax предыдущие NPPNN выбирают наименьшее q, которое может соответствовать другим правилам параметров HE.Последний компилятор Dathathri: PLDI2019 реализует процедуру выбора параметра HE, показанную на рисунке 2 (a), для нейронной сети. Чтобы обеспечить конфиденциальность канала, предыдущие HPPNN Pratyush: USENIX2020 должны были реализовать шумовое лавинное заполнение Pratyush: USENIX2020 путем утроения log2 (q) и четырехкратного увеличения n. Параметры HE последних HPPNN показаны в таблице 1.

Таблица 1: Параметры HE для предшествующих HPPNN. Рисунок 3: Сравнение задержки умножения HE при изменении n и q (нормализовано до 11-120, где log (n) = 11 и log (q) = 120).

HE Эффективность исполнения. Задержка линейных уровней HPPNN на основе HE определяется ее параметрами HE, то есть n и q. Входные данные HPPNN зашифрованы в многочлены, состоящие из n членов. Гомоморфные умножения во время вывода HPPNN выполняются посредством полиномиальных умножений, где коэффициент каждого члена имеет модуль q. BFV BFV принимает теоретико-числовое преобразование (NTT) Seiler: IACR2018 с модульным сокращением для ускорения полиномиального умножения.Временная сложность умножения многочленов на основе NTT составляет O (nlogn). Поскольку q может быть больше 64-битного, последние реализации BFV используют систему счисления остатков (RNS) sealcrypto для разложения большого q на векторы меньших целых чисел. Меньшее q значительно ускоряет операции HE. Как показано на рисунке 3, 2 × n и 1,5 × log (q) увеличивают задержку умножения HE на 3,2 ×.

Недостатки предшествующей политики выбора параметров HE. Мы обнаружили, что предыдущие HPPNN излишне пессимистично выбирали огромные значения n и q, что приводило к излишне длительной задержке вывода, сохраняющей конфиденциальность.Во-первых, предыдущие HPPNN игнорируют свою способность к ошибкам, то есть NPPNN, зашифрованные с меньшими n и q, производящие более высокую частоту ошибок дешифрования, могут по-прежнему обеспечивать такую ​​же точность вывода, но используют гораздо меньшую задержку вывода. Во-вторых, разные уровни HPPNN имеют различную архитектуру и, следовательно, могут допускать разное количество ошибок дешифрования. Таким образом, HPPNN должна выбирать n и q для каждого уровня, чтобы сократить задержку логического вывода. Выбор n и q для каждого уровня не предоставляет клиенту дополнительной информации, поскольку предыдущие HPPNNs Mohassel: SP2017; Лю: CCS2017; Пратюш: USENIX2020; Ювекар: USENIX2018; Биан: DATE2019 не может защитить архитектуру сети от того, чтобы ее узнал клиент.

(а) Размер ядра. (б) Quan. разрядность. (c) Dec. err%. (d) Послойный поиск.
Рис. 4. Неэффективность обычного поиска нейронной архитектуры.

Поиск нейронной архитектуры. Глубокое обучение с подкреплением (DRL) Zoph: CORR2017; Lou: ICLR2020

, генетический алгоритм

Suganuma: GECC2017 и байесовская оптимизация Kandasamy: CORR2018 широко используются для автоматического поиска сетевой архитектуры, улучшая точность и задержку вывода.Сетевые архитектуры, основанные на DRL, без учета сохранения конфиденциальности могут превзойти результаты, разработанные человеком и основанные на правилах Zoph: CORR2017; Лу: ICLR2020 . Однако наивное применение DRL к поиску архитектуры HPPNN Песня: ECAI2020 не может эффективно оптимизировать точность и задержку вывода с сохранением конфиденциальности, потому что обычный поиск нейронной архитектуры исследует пространство дизайна, состоящее из номера слоя, размера ядра веса и ширины битов квантования модели, но не параметров HE . В частности, n и q нечувствительны к изменениям веса ядра, как показано на рисунке 4 (а).На рисунке 4 (b) n и q также не чувствительны к разрядности квантования модели, особенно когда разрядность квантования модели <16. Хотя меньший вес и ширина битов смещения уменьшают p, p должно соответствовать 5 правилам и, таким образом, не может быть уменьшено в модели с высокой степенью квантования.

Послойный поиск параметров HE на основе DRL. Напротив, если частота ошибок дешифрования HE умеренно увеличивается, как показано на рисунке 4 (c), q, очевидно, можно уменьшить. В этой статье, как показано на рисунке 2 (b), мы предлагаем агент DDPG Lillicrap: ICLR2016 , AutoPrivacy, чтобы предсказать частоту ошибок дешифрования HE для каждого уровня HPPNN, чтобы уменьшить n и q, не жертвуя своей точностью, поэтому что вывод HPPNN можно ускорить.Как показано на Рисунке 4 (d), предыдущие HPPNN Mohassel: SP2017; Лю: CCS2017; Пратюш: USENIX2020; Juvekar: USENIX2018 (net) должен выбрать 180-битный q, чтобы гарантировать частоту ошибок дешифрования> 2-40 HE для всей сети без учета способности нейронной сети к ошибкам. Недавний DARL Bian: DATE2019 (net-L) находит верхние границы умножения матрицы HE, поэтому он может использовать меньшее q, но все же достичь частоты ошибок дешифрования 2-40 HE. Однако DARL не принимает во внимание способность нейронной сети к ошибкам и не выбирает набор из n и q для каждого уровня.AutoPrivacy (уровень) может выбирать и минимизировать n и q для каждого уровня HPPNN, учитывая его способность к ошибкам. В результате AutoPrivacy значительно снижает задержку вывода HPPNN без снижения уровня безопасности HE или точности вывода. Пространство поиска для прогнозирования частоты ошибок дешифрования для каждого уровня HPPNN настолько велико, что даже специалисты по HE и машинному обучению могут получить только неоптимальные результаты. Есть полностью (D × S) NL, например, ∼108, вариантов, где D — количество возможных коэффициентов ошибок дешифрования для каждого слоя, т.е.г., D = 20; S — количество возможных наборов параметров HE, например, S≈5; и NL — это номер уровня HPPNN, например, NL = 8.

Рисунок 5: Автоконфиденциальность.

3 Авто Конфиденциальность

Для каждого уровня в HPPNN наша цель — точно определить максимальную частоту ошибок дешифрования, которую может допустить уровень без снижения уровня безопасности HE (128 бит) или точности вывода. Процедура выбора параметра HE получает меньшие q и n с более высокой частотой ошибок дешифрования в качестве входных данных для сокращения задержки вывода HPPNN.Сначала мы квантуем HPPNN с помощью 8-битного Chou: arXiv2018 , чтобы минимизировать p. Дальнейшее уменьшение битовой ширины HPPNN только снижает ее точность, но не может еще больше уменьшить p из-за 5 правил выбора параметров HE. Мы формулируем задачу послойного предсказания частоты ошибок дешифрования как проблему DRL.

3.1 Автоматизированное многоуровневое прогнозирование частоты ошибок дешифрования

Как показано на экране 5, AutoPrivacy использует агент DDPG Lillicrap: ICLR2016 для эффективного поиска в пространстве действий.Мы представляем подробную настройку фреймворка DDPG.

❶ Государственное пространство. AutoPrivacy рассматривает только линейные уровни и, таким образом, обрабатывает вывод HPPNN слой за слоем. Для каждого линейного слоя i (Li) состояние Oi представляется как Oi = (i, cin, cout, xw, xh, ks, ss, pi, qi, ni, ai − 1), где i — индекс слоя ; cin указывает количество входных каналов; cout означает количество выходных каналов; xw — ширина ввода, xh — высота ввода; ks обозначает размер ядра; ss

— размер шага;

pi — модуль открытого текста; qi означает модуль зашифрованного текста; ni — степень полинома; а ai − 1 — действие на последнем временном шаге.Если Li — полносвязный слой, Oi = (i, cin, cout, xw, xh, ks = 1, ss = 0, pi, qi, ni, ai − 1). Мы нормализуем каждую метрику в векторе Oi на [0,1], чтобы сделать их в одном масштабе.

❷ Акция Пространство. AutoPrivacy использует частоту ошибок дешифрования HE в качестве действия ai для линейных слоев. Мы используем пространство непрерывного действия для определения частоты ошибок дешифрования HE, поскольку по сравнению с пространством дискретного действия пространство непрерывного действия поддерживает относительный порядок, например, 2-30 является более агрессивным, чем 2-40. Для Li возьмем непрерывное действие ai∈ [0,1] и округлим его до дискретной частоты ошибок дешифрования (DER) DERi = 2 − round (Dl + ai × (Dr − Dl)), где 2 − Dl и 2-Dr обозначают максимальную и минимальную частоту ошибок дешифрования HE.В этой статье мы полагаем Dl = 5 и Dr = 15. Мы вводим прогнозируемую частоту ошибок дешифрования HE в процедуру выбора параметров HE, показанную на рисунке 2 (b), чтобы получить p, q и n. Чтобы учесть ограничение на задержку вывода, мы можем ограничить пространство действий.

  • [noitemsep, topsep = 0pt, leftmargin = *]

  • Ограничение задержки для области действия. Некоторые приложения, обеспечивающие конфиденциальность, имеют ограниченный бюджет на задержку вывода. Мы стремимся найти политику параметров HE с максимальной точностью при ограничении задержки.Мы заставляем нашего агента соответствовать заданному бюджету задержки, ограничивая его пространство для действий. После того, как наш агент произведет действия для всех уровней, мы измеряем задержку вывода HPPNN с помощью прогнозируемых параметров HE. Если текущая политика превышает бюджет задержки, наш агент будет последовательно уменьшать n и / или q каждого уровня, пока не будет выполнено ограничение задержки.

  • Оценка задержки вывода. Чтобы избежать высоких накладных расходов на вывод HPPNN, мы профилируем и записываем задержки полиномиальных умножений и сложений с различными значениями n и q.Из топологии сети мы извлекаем ключевую информацию об операции, такую ​​как количество гомоморфных умножений SIMD, количество гомоморфных вращений слотов и количество добавлений SIMD. По задержке и количеству операций каждого типа мы можем быстро вычислить приблизительную задержку вывода HHPP.

❸ Награда. Поскольку ограничение задержки может быть наложено путем ограничения пространства действий, мы определяем нашу награду R как связанную только с точностью вывода, т.е., R = −err, где err — частота ошибок вывода HPPNN. Мы оцениваем точность вывода HPPNN следующим образом. Выполнение миллионов выводов HPPNN для зашифрованных данных чрезвычайно затратно с точки зрения вычислений. Вместо этого после того, как AutoPrivacy сгенерирует параметры HE для всех уровней HPPNN, мы применяем инфраструктуру моделирования ошибок расшифровки HE в Bian: DATE2019 для оценки точности вывода HPPNN. Мы не наблюдали потери точности на HPPNN до тех пор, пока частота ошибок дешифрования не снизилась до 2-7.В большинстве случаев мы выполняем вычисления методом перебора методом Монте-Карло. Однако, чтобы смоделировать 2–15 ошибок расшифровки, требуется не менее 230 прогонов методом грубой силы Монте-Карло. Чтобы уменьшить накладные расходы на моделирование, мы применяем сигма-масштабную выборку Sun: TCAD2015

для изучения гауссовских случайных величин большой размерности. Линейный слой на основе HE с начальным вектором шума

e может быть абстрагирован как функция f (e)

. Его частота ошибок дешифрования — это вероятность того, что ошибка дешифрования

∥e∥ больше, чем бюджет шума ηt, генерируемый параметрами p и q HE.Частоту ошибок дешифрования можно рассчитать как Pd = ∫ + ∞ − ∞I (e) f (e) de, где I (e) = 1 тогда и только тогда, когда ∥e∥> ηt, и I (e) = 0 в противном случае. . Сигма-масштабированная выборка сокращает время моделирования ошибок за счет выборки из другой функции плотности g, где g то же самое, что и f, но масштабирует сигму e на константу s. Поскольку Pg предлагает гораздо большую вероятность, мы можем использовать менее грубый метод Монте-Карло, чтобы получить точный Pg. Путем масштабирования коэффициентов и подгонки модели мы можем запустить не более 10 миллионов страниц и преобразовать эти значения обратно в Pd.Мы записываем ошибки, приводящие к ошибкам дешифрования, и разбираем их с помощью ICRT. Мы используем 50% результатов разложения ICRT для переобучения HPPNN, добавляя их к выходным данным каждого линейного слоя при прямом распространении. А затем мы используем остальные 50% результатов разложения ICRT, чтобы получить точность вывода.

❹ Агент. AutoPrivacy использует агент DDPG Lillicrap: ICLR2016 , который представляет собой алгоритм критики субъектов вне политики для непрерывного управления. В среде один шаг означает, что агент DDPG выполняет действие, чтобы определить частоту ошибок дешифрования для определенного линейного уровня, в то время как один эпизод состоит из нескольких шагов, где агент DRL выбирает действия для всех уровней.Qi − Q (Oi, μ (Oi) | θQ)) 2, где Ns — количество шагов в этом эпизоде. Мы представляем детали реализации агента следующим образом.

  • [noitemsep, topsep = 0pt, leftmargin = *]

  • Реализация. Агент DDPG состоит из сети акторов и сети критиков. У них одна и та же сетевая архитектура с 3 скрытыми уровнями: 400 единиц, 300 единиц и 1 единица. Для сети акторов мы добавляем дополнительную сигмовидную функцию для нормализации вывода в диапазоне [0,1].Агент DDPG обучается с фиксированной скоростью обучения, т. Е. 10−4 для сети акторов и 10−3 для сети критиков. Размер буфера воспроизведения AutoPrivacy равен 2000. Во время исследования агент DDPG добавляет случайный шум к каждому действию. Стандартное отклонение гауссовского шума действия изначально установлено на 0,5. После каждого эпизода шум экспоненциально затухает со скоростью 0,99.

  • Тонкая настройка

    . Во время исследования мы настраиваем модель HPPNN с ошибками дешифрования для одной эпохи, чтобы восстановить точность.Мы случайным образом выбираем 2 категории из CIFAR-10 (10 категорий из CIFAR-100), чтобы ускорить точную настройку модели HPPNN во время исследования. После исследования мы генерируем ошибки дешифрования на основе наилучшей политики выбора параметров HE и настраиваем их на полном наборе данных.

4 Экспериментальная методика

Мы провели обширные эксперименты, чтобы продемонстрировать постоянную эффективность AutoPrivacy для минимизации задержки вывода HPPNN с незначительной потерей точности.

Конфигурация оборудования.Мы выполнили выводы HPPNN и измерили задержку каждого типа операций на процессоре Intel Xeon E7-4850 с 1 ТБ DRAM. Мы предполагаем ту же сетевую настройку LAN, что и DELPHI Pratyush: USENIX2020 . Мы реализовали и обучили AutoPrivacy на графическом процессоре Nvidia GTX1080-Ti.

Настройки HE и GC. Мы реализовали линейные слои HPPNN на основе HE с помощью библиотеки Microsoft SEAL sealcrypto и нелинейные слои HPPNN на основе GC с помощью шикарной библиотеки fancygc . Поскольку мы квантовали все сетевые модели с помощью 8-битных значений, мы фиксируем модуль открытого текста p как 14 Bian: DATE2019 .Для оценки уровня безопасности набора параметров HE мы использовали LWE-Estimator lwe_estimator . Как и DELPHI Pratyush: USENIX2020 и DARL Bian: DATE2019 , все изученные нами параметры HE удовлетворяют уровню безопасности> 128 бит. Для оценки точности вывода мы используем исходные параметры HE n и q. Напротив, мы используем 4 × n и 3 × log (q), чтобы включить шумовое наводнение и оценить задержку вывода.

Набор данных и модель. Наши эксперименты проводятся на наборе данных CIFAR-10/100.Мы изучили ряд архитектур нейронных сетей, включая 7-уровневую сеть CNN, используемую Pratyush: USENIX2020 (7CNet), ResNet-32 He: CVPR2016 (ResNet) и MobileNet-V2 Sandler: CVPR2018 (MobNet). . 7CNet, состоящая из 5 сверточных слоев с размером ядра 3×3 и 64 выходными каналами и 2 сверточных слоев с размером ядра 3×3 и выходными каналами 64/16. MobNet состоит из поточечных и глубинных слоев свертки, каждый из которых представляет собой точечный по глубине-точечный блок.Только 7CNet обучается и тестируется на CIFAR-10, а эксперименты ResNet и MobNet проводятся на CIFAR-100.

Таблица 2: Сравнение времени выполнения, служебных данных связи и точности вывода (tpre — задержка предварительной обработки; ton — задержка онлайн; ttotal — общая задержка вывода HPPNN; mpre — служебные данные предварительной обработки; mon — служебные данные интерактивной связи; mtotal — общие накладные расходы на логический вывод).

5 Результаты и анализ

Общая производительность.Время выполнения, накладные расходы на связь и сравнение точности вывода между предыдущими HPPNN и HPPNN, оптимизированными для AutoPrivacy, показаны в таблице 2. По сравнению с DELPHI, наши оптимизированные для AutoPrivacy аналоги сокращают задержку вывода на 53% ∼70%, уменьшают размер зашифрованного текста на 20%. ∼43%, и поддерживать незначительную потерю точности вывода (0,1%). В частности, AutoPrivacy снижает задержку вывода в автономном режиме ResNet на 70%, а задержку вывода в режиме онлайн на 75%. Если клиент выводит несколько изображений, только первое стоит 28.56 секунд. Для тестирования каждого из следующих изображений с помощью тяжелой модели ResNet требуется всего 1,56 секунды. Операции обработки CRT, ICRT, NTT и RNS во время выводов HPPNN значительно ускоряются за счет параметров HE, автоматически выбираемых AutoPrivacy. Хотя меньшие q и n могут привести к большему количеству ошибок дешифрования, HPPNN, естественно, допускают большинство ошибок без очевидного снижения точности вывода. Мы наблюдаем потерю точности только 0,1% для MobNet и 7CNet. Тонкая настройка имеет решающее значение для восстановления ухудшения точности вывода, вызванного меньшими параметрами HE q и n.Мы обнаружили, что в среднем точная настройка повышает точность вывода на 8%. В частности, точная настройка может устранить потерю точности для ResNet.

Рисунок 6. Сравнение параметров HP AutoPrivacy с предыдущими работами (net-log (q) и net-log (n) обозначают q и n для DELPHI, net-L-log (q) и net-log (n) — среднее значение). q и n DARL, а layer-log (q) и layer-log (n) обозначают q и n AutoPrivacy).

Выбор параметров HP. Мы сообщаем подробности выбора параметров HE для ResNet и MobNet, исходя из набора данных CIFAR-100 на рис. 6 (a) и (b) восприимчиво.Для CIFAR-100, помимо первого сверточного слоя и последнего полностью подключенного слоя, ResNet применяет стек из 6 миллионов слоев со свертками 3 × 3 на картах характеристик размером {32,16,8} соответственно на изображениях 32 × 32. , где M

— нечетное целое число.

2M слоев для каждого размера карты объектов образуют остаточный блок. Как показано на рисунке 6 (a), AutoPrivacy автоматически наблюдает за границей каждого остаточного блока ResNet. Внутри каждого остаточного блока AutoPrivacy определяет, что 2-й и 6-й уровни могут работать с меньшими q и n, поскольку они меньше влияют на точность вывода.Напротив, 4-й и 8-й уровни в остаточном блоке должны использовать большие q и n, потому что они имеют больший вес при определении точности вывода. Для MobNet AutoPrivacy автоматически находит разницу между глубинной и точечной свертками. Сверточные слои по глубине имеют меньшее скопление, что снижает количество операций вращения HE, которые значительно увеличивают шумы в упакованных шифротекстах. Таким образом, AutoPrivacy назначает меньшие значения n и q сверточным слоям по глубине без ущерба для точности вывода.Напротив, слои точечной свертки имеют свертки 1 × 1 и от десятков до сотен выходных каналов, требующих большого количества накоплений. Слои точечной свертки должны вызывать множество операций вращения HE в зашифрованных текстах и, таким образом, увеличивать шум HE в зашифрованных текстах. Чтобы выдержать больший шум HE, AutoPrivacy должен выбрать большие значения n и q, чтобы обеспечить больший бюджет шума в слоях точечной свертки без участия человека. Таблица 3: Сравнение NASS и AutoPrivacy.

Сравнение с NASS.Недавняя работа, NASS Song: ECAI2020 , автоматически создает архитектуру нейронной сети, сохраняющую конфиденциальность, с помощью агента глубокого обучения с подкреплением. Однако вместо параметров HE NASS автоматически выполняет поиск архитектур нейронных сетей и разрядности квантования для каждого линейного и нелинейного уровней. В результате размер его поискового пространства слишком велик, чтобы его можно было эффективно и эффективно исследовать. В таблице 3 показано сравнение результатов, полученных с помощью NASS и AutoPrivacy при поиске набора данных CIFAR-10.NASS находит сетевую архитектуру с пятью сверточными слоями и одним полносвязным слоем в наборе данных CIFAR-10. Он также квантует каждый линейный и нелинейный уровни с 4 ~ 16 битами. Напротив, мы обучаем MobNet на наборе данных CIFAR-10 и квантуем модель с 14-битной. По сравнению с сетью, найденной NASS, MobNet, оптимизированная с помощью AutoPrivacy, улучшает задержку вывода на 69,5%, накладные расходы связи на 79% и точность вывода на 8%. Поиск AutoPrivacy занимает всего 8 часов, но время поиска NASS составляет> 60 часов.Это связано с тем, что каждый раз, когда NASS должен обучать нейронную сеть с нуля, затем квантовать ее и, наконец, повторно обучать ее после выбора топологии для HPPNN. Пространство дизайна слишком велико для агента глубокого обучения с подкреплением. Напротив, мы утверждаем, что появляющиеся компактные сетевые архитектуры, такие как MobNet, могут максимизировать точность вывода с меньшим количеством параметров. Мы можем использовать заранее заданную сетевую архитектуру, квантовать ее с той же пропускной способностью и полагаться на AutoPrivacy для автоматического выбора параметров HP для каждого линейного уровня фиксированной архитектуры.По сравнению с сетевой архитектурой и пропускной способностью квантования выбор соответствующих параметров HP для линейных уровней фиксированной сети более эффективно снижает задержку логического вывода.

6 Заключение

В этой статье мы предлагаем AutoPrivacy, автоматизированный многоуровневый селектор параметров HE для оптимизации для быстрых и точных выводов нейронных сетей с сохранением конфиденциальности для зашифрованных данных. AutoPrivacy использует глубокое обучение с подкреплением для автоматического поиска набора параметров HE для каждого линейного уровня в HPPNN без ущерба для 128-битного уровня безопасности.По сравнению с предыдущими HPPNN, HPPNN, оптимизированные для AutoPrivacy, сокращают задержку вывода на 53% ∼70% с незначительной потерей точности.

Добавить комментарий

Ваш адрес email не будет опубликован. Обязательные поля помечены *