检索结果-内蒙古大学图书馆

软件学报 2024年第7期35卷 3332-3354页

作者：王子成郭迎港钟炳南陈越琦曾庆凯计算机软件新技术国家重点实验室(南京大学) 江苏南京210023 南京大学计算机科学与技术系江苏南京210023 Department of Computer Science University of Colorado BoulderBoulder 80309USA

内核堆漏洞是目前操作系统安全的主要威胁之一,用户层攻击者通过触发漏洞能够泄露或修改内核敏感信息,破坏内核控制流,甚至获取root权限.但是由于漏洞的数量和复杂性剧增,从漏洞首次被报告到开发者给出修复补丁(patch)往往需要较长时间... 详细信息

内核堆漏洞是目前操作系统安全的主要威胁之一,用户层攻击者通过触发漏洞能够泄露或修改内核敏感信息,破坏内核控制流,甚至获取root权限.但是由于漏洞的数量和复杂性剧增,从漏洞首次被报告到开发者给出修复补丁(patch)往往需要较长时间,而内核现阶段采用的缓解机制均能被稳定绕过.为此提出一种基于eBPF的内核堆漏洞动态缓解框架,用于在修复时间窗口中降低内核安全风险.动态缓解框架采取数据对象空间随机化策略,在每次分配时为漏洞报告中涉及的数据对象分配随机地址,并充分利用eBPF的动态、安全特性将空间随机化对象在运行时注入内核,使得攻击者无法准确放置攻击负载,堆漏洞几乎无法被利用.评估40个真实内核堆漏洞,并收集12个绕过现有缓解机制的攻击程序进行进一步分析和实验,证实动态缓解框架提供充足的安全性.性能测试表明,即使在严苛情况下,大量分配的4类数据对象仅对系统造成约1%的性能损耗和可以忽略不计的内存损耗,同时增加保护对象的数量几乎不引入额外性能损耗.所提机制对比相关工作适用范围更广,安全性更强,而且无需安全专家发布的漏洞补丁,可以根据漏洞报告生成缓解程序,具备广阔应用前景.

关键词：系统安全漏洞缓解 eBPF

来源：评论

学校读者我要写书评

暂无评论

元强化学习研究综述

引用

软件学报 2024年第4期35卷 1618-1650页

作者：陈奕宇霍静丁天雨高阳南京大学计算机科学与技术系江苏南京210043 计算机软件新技术国家重点实验室(南京大学) 江苏南京210043 Applied Sciences Group MicrosoftRedmondWA 98034USA

近年来,深度强化学习(deep reinforcement learning,DRL)已经在诸多序贯决策任务中取得瞩目成功,但当前,深度强化学习的成功很大程度依赖于海量的学习数据与计算资源,低劣的样本效率和策略通用性是制约其进一步发展的关键因素.元强化学... 详细信息

近年来,深度强化学习(deep reinforcement learning,DRL)已经在诸多序贯决策任务中取得瞩目成功,但当前,深度强化学习的成功很大程度依赖于海量的学习数据与计算资源,低劣的样本效率和策略通用性是制约其进一步发展的关键因素.元强化学习(meta-reinforcementlearning,Meta-RL)致力于以更小的样本量适应更广泛的任务,其研究有望缓解上述限制从而推进强化学习领域发展.以元强化学习工作的研究对象与适用场景为脉络,对元强化学习领域的研究进展进行了全面梳理:首先,对深度强化学习、元学习背景做基本介绍;然后,对元强化学习作形式化定义及常见的场景设置总结,并从元强化学习研究成果的适用范围角度展开介绍元强化学习的现有研究进展;最后,分析了元强化学习领域的研究挑战与发展前景.

关键词：元强化学习强化学习深度强化学习元学习

来源：评论

学校读者我要写书评

暂无评论

Java指针分析综述

引用

计算机研究与发展 2023年第2期60卷 274-293页

作者：谭添马晓星许畅马春燕李樾南京大学计算机科学与技术系南京210023 计算机软件新技术国家重点实验室(南京大学) 南京210023 西北工业大学软件学院西安710129

近年来静态程序分析已成为保障软件可靠性、安全性和高效性的关键技术之一.指针分析作为基础程序分析技术为静态程序分析提供关于程序的一系列基础信息,例如程序任意变量的指向关系、变量间的别名关系、程序调用图、堆对象的可达性等.... 详细信息

近年来静态程序分析已成为保障软件可靠性、安全性和高效性的关键技术之一.指针分析作为基础程序分析技术为静态程序分析提供关于程序的一系列基础信息,例如程序任意变量的指向关系、变量间的别名关系、程序调用图、堆对象的可达性等.介绍了Java指针分析的重要内容:指针分析算法、上下文敏感、堆对象抽象、复杂语言特性处理、非全程序指针分析,特别是对近年来指针分析的研究热点选择性上下文敏感技术进行了梳理和讨论.

关键词：指针分析别名分析 Java 静态分析上下文敏感

来源：评论

学校读者我要写书评

暂无评论

一种基于自演化预训练的多变量时间序列预测算法

引用

计算机学报 2022年第3期45卷 513-525页

作者：万晨李文中丁望祥张治杰叶保留陆桑璐南京大学计算机软件新技术国家重点实验室南京210023 南京大学计算机科学与技术系南京210023

时间序列预测是典型的时间序列分析任务,对于辅助决策、资源配置、提前采取止损措施等方面有重要意义,在包括电力、气象、交通、商业等领域有广泛应用.近年来,时间序列预测算法一直是机器学习的热门研究领域,其中多变量时间序列预测是... 详细信息

时间序列预测是典型的时间序列分析任务,对于辅助决策、资源配置、提前采取止损措施等方面有重要意义,在包括电力、气象、交通、商业等领域有广泛应用.近年来,时间序列预测算法一直是机器学习的热门研究领域,其中多变量时间序列预测是一个具有挑战性的任务.本文研究多变量时间序列预测的局部变量预测精度问题,即多变量预测需要在提升整体预测性能的同时保证局部单变量的预测精度.针对现有多变量时间序列预测算法不能保障局部变量预测精度的局限性,我们设计并实现了一种基于自演化预训练的多变量时间序列预测算法SEPNets.基于预训练的思想,SEPNets首先构建和训练单变量时间序列模型作为后续建模的基准.然后,通过拓展时序卷积网络和长短记忆(LSTM)单元来建模变量间复杂的时序依赖关系.通过将预训练模型和拓展模型进行融合再训练,SEPNets可以保障多变量时间序列预测的局部变量预测精度,并提升总体的预测性能.我们在5个真实数据集上对所提模型进行性能评估.实验结果表明,本文提出的SEPNets算法比现有算法获得相对最高的预测精度,同时在保障局部变量预测精度上具有更好的性能.

关键词：时间序列预测多变量时间序列机器学习神经网络预训练

来源：评论

学校读者我要写书评

暂无评论

面向物联网设备移动与通信行为的建模及验证

引用

软件学报 2024年第11期35卷 4993-5015页

作者：刘靖宇李晅松陈芝菲叶海波宋巍南京理工大学计算机科学与工程学院江苏南京210094 计算机软件新技术国家重点实验室(南京大学) 江苏南京210023 南京航空航天大学计算机科学与技术学院江苏南京211106

物联网设备的使用范围正在不断扩张.模型检测是提升这类设备可靠性和安全性的有效手段,但常用的模型检测方法不能很好地刻画这类设备常见的跨空间移动和通信行为.为此,提出一种面向物联网设备移动与通信行为的建模及验证方法,以实现对... 详细信息

物联网设备的使用范围正在不断扩张.模型检测是提升这类设备可靠性和安全性的有效手段,但常用的模型检测方法不能很好地刻画这类设备常见的跨空间移动和通信行为.为此,提出一种面向物联网设备移动与通信行为的建模及验证方法,以实现对这类设备时空相关性质的验证.通过将推拉动作和全局通信机制融入ambient calculus,提出全局通信移动环境演算(ACGC)并给出了ACGC对ambient logic的模型检测算法;在此基础上,提出描述物联网设备移动和通信行为的移动通信建模语言(MLMC),并给出将MLMC描述转换为ACGC模型的方法;进一步地,实现模型检测工具ACGCCk以验证物联网设备的性质是否得到满足,并通过一些优化加快检测速度;最后,通过案例研究和实验分析阐明所提方法的有效性.

关键词：模型检测物联网形式化验证建模语言

来源：评论

学校读者我要写书评

暂无评论

意外充分性引导的深度神经网络测试样本生成

引用

计算机研究与发展 2024年第4期61卷 1003-1017页

作者：郭虹静陶传奇黄志球南京航空航天大学计算机科学与技术学院南京210016 高安全系统的软件开发与验证技术工信部重点实验室(南京航空航天大学) 南京210016 计算机软件新技术国家重点实验室(南京大学) 南京210023

由于深度神经网络(deep neural network,DNN)模型的复杂性和不确定性等属性,对模型的一般行为和边界行为进行充分的测试是保障模型质量的重要手段.当前的研究主要基于制定的覆盖准则,结合模糊测试技术生成衍生测试样本,从而提升测试充分... 详细信息

由于深度神经网络(deep neural network,DNN)模型的复杂性和不确定性等属性,对模型的一般行为和边界行为进行充分的测试是保障模型质量的重要手段.当前的研究主要基于制定的覆盖准则,结合模糊测试技术生成衍生测试样本,从而提升测试充分性,但较少综合考虑测试样本的多样性及个体揭错能力.意外充分性指标量化测试样本与训练集在神经元输出方面的差异,是测试充分性评估的重要指标,目前缺乏基于此指标的测试样本生成方法.因此,提出了一种意外充分性引导的深度神经网络测试样本生成方法,首先,筛选对于决策结果贡献较大的重要神经元,以其输出值为特征,改进意外充分性指标;其次,基于测试样本的意外充分性度量筛选具有揭错能力的种子样本;最后,利用覆盖引导的模糊测试思想,将测试样本的意外充分性值和DNN模型预测的类别概率差异作为联合优化目标,利用梯度上升算法计算扰动,迭代生成测试样本.为了验证所提方法的有效性,选取5个DNN模型作为被测对象,涵盖4种不同的图像数据集,实验结果表明,改进的意外充分性指标能够有效捕捉异常的测试样本,同时减少计算时间开销.在测试样本生成方面,与方法DeepGini和RobOT相比,基于所提的种子样本选择策略生成的衍生测试集的意外覆盖率最高提升了5.9个百分比和15.9个百分比.相比于方法DLFuzz和DeepXplore,所提方法的意外覆盖率最高提升了26.5个百分比和33.7个百分比.

关键词：软件测试测试样本生成测试覆盖深度神经网络意外充分性

来源：评论

学校读者我要写书评

暂无评论

软件库依赖图谱的复杂性度量方法及其潜在应用

引用

软件学报 2023年第11期34卷 5282-5311页

作者：于海王莹徐美秋杨博许畅朱志良东北大学软件学院辽宁沈阳110169 南京大学计算机科学与技术系江苏南京210046 计算机软件新技术国家重点实验室(南京大学) 江苏南京210046

在软件开发过程中,软件库可以减少开发时间和节约成本而被广泛使用,因此现代软件项目包含多种不同来源的代码而使得系统具有更高的复杂性和多样性.软件库在使用的过程中常常伴随着各种风险,如低质量或安全漏洞,从而严重影响软件项目的质... 详细信息

在软件开发过程中,软件库可以减少开发时间和节约成本而被广泛使用,因此现代软件项目包含多种不同来源的代码而使得系统具有更高的复杂性和多样性.软件库在使用的过程中常常伴随着各种风险,如低质量或安全漏洞,从而严重影响软件项目的质量.通过分析与软件库的耦合强度,来量化由软件库的依赖关系而引入客户代码的复杂性和多样性.首先,根据客户代码与软件库之间方法的调用关系建立软件边界图模型,区分开客户代码和软件库的代码边界;进而基于此提出一套软件库依赖图谱的复杂性度量指标RMS,用以量化不同来源软件之间的耦合强度.在实验过程中,挖掘Apache开源社区中10个流行软件所有历史版本数据,最终收集到7857个真实项目间依赖缺陷问题.在上述真实数据基础上,结合所提出的复杂性度量指标RMS,利用假设验证方法开展实证调查研究来探讨:H1:风险因子更高的边界节点是否更容易引入更多数量的项目间依赖缺陷;H2:风险因子更高的边界节点会是否更容易引入严重等级高的项目间依赖缺陷;H3:RMS度量指标数值多大程度地影响了引入项目间依赖缺陷数量和严重等级.实验结果表明,根据RMS度量指标评估,与软件库耦合度更高的边界节点容易引入更多数量且严重等级高的项目间依赖缺陷.与传统复杂性度量指标对比,RMS度量指标较大程度地影响了引入项目间依赖缺陷的数量和严重等级.

关键词：经验软件工程第三方库软件度量指标假设验证

来源：评论

学校读者我要写书评

暂无评论

意图感知的社交网络用户城外移动行为预测

引用

计算机学报 2024年第11期47卷 2579-2593页

作者：胥帅李博涵许建秋曹玖新傅晓明南京航空航天大学计算机科学与技术学院南京211106 计算机软件新技术国家重点实验室(南京大学) 南京210023 东南大学网络空间安全学院南京211189 哥廷根大学计算机科学研究所哥廷根37077德国

基于社交网络用户生成的时空数据预测用户在城外的移动行为已成为城市协同管理的迫切需求.用户城外出行相对于城内移动而言属于“长尾”事件,导致用户在城外生成的签到数据极度稀疏,现有研究难以利用有限的跨城市签到数据建模用户城外... 详细信息

基于社交网络用户生成的时空数据预测用户在城外的移动行为已成为城市协同管理的迫切需求.用户城外出行相对于城内移动而言属于“长尾”事件,导致用户在城外生成的签到数据极度稀疏,现有研究难以利用有限的跨城市签到数据建模用户城外出行偏好,进而准确预测用户在城外的移动行为.为此,本文提出一种意图感知的社交网络用户城外移动偏好建模框架TIEMPO.首先,为缓解数据稀疏性问题,通过随机游走从构建的城外地点网络中采样移动轨迹,利用无监督聚类发现特定数目的用户城外出行意图;其次,引入记忆网络从相似用户在城外的移动轨迹中进一步提炼出行意图;然后,基于迁移学习思想,将用户城内签到与城外出行意图进行交互建模,从而强化用户城外移动偏好表示;最后,融合用户城外移动偏好表示与地点隐含表示对用户访问城外地点的概率进行量化.本文基于多个跨城市签到数据集进行广泛的实验分析,结果表明TIEMPO能有效预测社交网络用户在城外的移动行为,预测准确性指标Acc@10相比基线模型体现出12%~15%的明显优势,排序可靠性指标NDCG@10相比基线模型则超出3%~5%,即使在冷启动预测场景下TIEMPO依然表现最优.

关键词：移动行为预测跨城市意图感知偏好建模知识迁移社交网络

来源：评论

学校读者我要写书评

暂无评论

边缘计算中协作计算卸载与动态任务调度

引用

软件学报 2023年第12期34卷 5737-5756页

作者：张斐斐葛季栋李忠金黄子峰张胜陈兴国骆斌计算机软件新技术国家重点实验室(南京大学) 江苏南京210023 杭州电子科技大学计算机学院浙江杭州310018 清华大学计算机科学与技术系北京100084 南京大学计算机科学与技术系江苏南京210023 南京邮电大学计算机学院江苏南京210046

在边缘计算场景中,通过将部分待执行任务卸载到边缘服务器执行能够达到降低移动设备的负载、提升移动应用性能和减少设备开销的目的.对于时延敏感任务,只有在截止期限内完成才具有实际意义.但是边缘服务器的资源往往有限,当同时接收来... 详细信息

在边缘计算场景中,通过将部分待执行任务卸载到边缘服务器执行能够达到降低移动设备的负载、提升移动应用性能和减少设备开销的目的.对于时延敏感任务,只有在截止期限内完成才具有实际意义.但是边缘服务器的资源往往有限,当同时接收来自多个设备的数据传输及处理任务时,可能造成任务长时间的排队等待,导致部分任务因超时而执行失败,因此无法兼顾多个设备的性能目标.鉴于此,在计算卸载的基础上优化边缘服务器端的任务调度顺序.一方面,将时延感知的任务调度建模为一个长期优化问题,并使用基于组合多臂赌博机的在线学习方法动态调整服务器的调度顺序.另一方面,由于不同的任务执行顺序会改变任务卸载性能提升程度,因而影响任务卸载决策的有效性.为了增加卸载策略的鲁棒性,采用了带有扰动回报的深度Q学习方法决定任务执行位置.仿真算例证明了该策略可在平衡多个用户目标的同时减少系统的整体开销.

关键词：任务卸载任务调度截止期限边缘计算强化学习

来源：评论

学校读者我要写书评

暂无评论

以图搜图:基于显著性注意力的美容产品检索网络

引用

计算机辅助设计与图形学学报 2023年第3期35卷 383-391页

作者：孙乾魏明强燕雪峰郭延文南京航空航天大学计算机科学与技术学院南京210016 模式分析与机器智能工业和信息化部重点实验室南京210016 南京大学计算机软件新技术国家重点实验室南京210023

在基于深度学习的美容产品检索任务中,图片背景、拍摄角度和产品摆放姿态均是产品图片上潜在的干扰信息;同时,检索数据库中众多相似产品会互相干扰.针对这些问题,将显著性注意力机制融入损失函数、随即丢弃模块和相似项计算中,分别设计... 详细信息

在基于深度学习的美容产品检索任务中,图片背景、拍摄角度和产品摆放姿态均是产品图片上潜在的干扰信息;同时,检索数据库中众多相似产品会互相干扰.针对这些问题,将显著性注意力机制融入损失函数、随即丢弃模块和相似项计算中,分别设计了显著性损失函数、显著性随即丢弃模块和显著相似性方法,有效地抑制了用户待检索图片与检索数据库图片中的干扰信息;然后,采用有效的特征提取器抵抗图片相似项的干扰;最后综合上述4个模块,提出基于显著性注意力的美容产品检索网络SA-Net.经过Pro-10k数据集训练,在Per-500k数据集上进行消融学习和对比实验的结果表明,SA-Net提升了美容产品检索的准确度,比已公开的最好同类算法AMAC提高3%.

关键词：以图搜图美容产品检索显著性注意力

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：