基于机器学习的指令SDC脆弱性分析方法

摘要：

对程序进行SDC脆弱性分析是容错研究重点关注的研究目标.针对传统方法故障注入代价较高的问题,提出一种基于机器学习的指令SDC脆弱性分析方法.首先,分析了故障注入实验的结果,获得与SDC错误相关的统计数据;其次,引入程序切片技术,在程序编译时对指令特征进行提取;最后,通过训练程序训练出的预测模型预测指令的SDC脆弱性,并由此推算出整个程序发生SDC错误的概率.以MiBench基准程序为研究对象,实验结果表明,本文提出的指令脆弱性分析方法能够在不需要故障注入的前提下,保证脆弱性分析的准确率,达到较高的预测相关性,能够用以指导检测机制的部署.

关键词：单粒子翻转、瞬时故障、SDC脆弱性、程序切片、机器学习

所属期刊栏目：39

分类号：TP311(计算技术、计算机技术)

资助基金：国家自然科学基金面上项目61572253;国家自然科学基金青年科学基金项目61202351

在线出版日期：2018-04-24（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：725-731