-
公开(公告)号:CN117992173A
公开(公告)日:2024-05-07
申请号:CN202211350634.0
申请日:2022-10-31
Abstract: 本申请提供了一种函数保护方法及装置。方法包括:第一待保护函数对应第一虚拟指令和第二虚拟指令;通过第一分派器执行所述第一虚拟指令;通过第二分派器执行所述第二虚拟指令;其中,所述第一分派器和所述第二分派器不同。该方法通过丰富虚拟机内部结构(即一个虚拟机内预置有多个分派器),丰富虚拟机内部的跳转流程,分散汇聚点,提升逆向分析和攻击的难度,从而提高虚拟化保护的安全性。
-
公开(公告)号:CN118886436A
公开(公告)日:2024-11-01
申请号:CN202410890890.1
申请日:2024-07-04
Applicant: 西北大学
IPC: G06K17/00 , G06F18/214 , G06F18/2411 , G06F18/243 , G06N3/0442 , G06N3/08 , G06F18/213
Abstract: 本发明公开了一种基于无线智能感知的物联网多设备多用户认证方法,包括步骤:步骤1、将RFID标签贴于物联网设备表面,RFID阅读器采集RFID信号中的RSS和相位数据,对RSS和相位数据进行数据预处理,提取射频指纹信号D‑RFF,利用射频指纹信号D‑RFF训练随机森林网络模型,使其学习物联网设备的特征,利用训练好的随机森林网络模型对设备进行认证;步骤2、当用户执行手势时,RFID阅读器采集RFID信号中的RSS和相位数据,对采集的RSS和相位数据进行数据预处理,使用LSTM神经网络提取预处理后数据的多层特征,将提取的多层特征输入SVM分类器从而进行用户认证。本发明将射频识别应用于基于材料识别和用于活动识别中,实现了多设备智能环境中用户和设备认证,更加灵活且安全性高。
-
公开(公告)号:CN117332850A
公开(公告)日:2024-01-02
申请号:CN202311385668.8
申请日:2023-10-25
Applicant: 西北大学
IPC: G06N3/10 , G06N3/0464 , G06N3/08 , G06N5/04 , G06F8/41
Abstract: 本发明公开了一种基于MLIR的深度学习模型编译器,包括计算图表示模块、图算融合模块、代码生成模块和运行时模块;计算图表示模块导入深度学习模型并转换为MLIR中的tosa表达,并定义用于对kernel算子集合进行描述的cg方言;图算融合模块用于将tosa表达降级为多级方言的混合表达,再利用启发式融合算法进行算子融合;代码生成模块用于将融合后的算子降级为指定硬件的llvm ir表示,对kernel算子集合内部的计算密集型op进行数据切分,并转换为硬件友好的数据块大小,将计算任务与线程绑定;运行时模块用于将ir表达式转换为llvm方言,MLIR中的mlir‑cpu‑runner执行主机端代码,将设备端代码转为llvm ir,llvm后端生成供主机端调用的cubin文件。本发明便于将各种深度学习模型部署于不同硬件平台上。
-
公开(公告)号:CN118276949A
公开(公告)日:2024-07-02
申请号:CN202410405639.1
申请日:2024-04-07
Applicant: 西北大学
Abstract: 本发明公开了一种面向DSP的VLIW调度打包方法,包括如下步骤:步骤1、在LLVM IR优化PASS执行顺序;步骤2、构建指令依赖图IDG;步骤3、根据全局指令依赖图IDG,进行寄存器分配前的调度和打包;步骤4、根据寄存器分配结果重新构建指令依赖图IDG,再根据重新构建的指令依赖图IDG进行寄存器分配后的调度和打包。本发明通过构建基于SSA格式的详尽指令依赖关系图,揭示指令间的潜在并行性,允许编译器在更早的阶段识别并行执行的机会,避免了传统方法在寄存器分配后打包引入的并行性损失问题,显著提高了DSP平台上程序的执行效率。
-
公开(公告)号:CN115795414A
公开(公告)日:2023-03-14
申请号:CN202211490515.5
申请日:2022-11-25
Applicant: 西北大学
Abstract: 本申请涉及基于LLVM IR的程序多维度虚拟化保护方法及装置,方法包括:获取源代码的LLVM IR文件;对LLVM IR文件进行指令级别的虚拟化保护,得到一次保护后的文件;确定一次保护后的文件中的待保护函数;确定构成待保护函数的多个基本块,基于多个基本块构建虚拟机模块;将源代码中的待保护函数替换为调用虚拟机模块的指令,得到多维度虚拟化保护后的程序。本申请设计基本块级别的虚拟化保护手段,并结合指令级别的虚拟化保护手段,对通过LLVM编译器编译生成的IR字节码文件进行保护处理,能够大幅度提升逆向破解的难度,在中间表示阶段做虚拟化的保护可以减少前端语言和后端架构的多样性对代码的虚拟化保护带来的影响。
-
公开(公告)号:CN118606203A
公开(公告)日:2024-09-06
申请号:CN202410810008.8
申请日:2024-06-21
Applicant: 西北大学
IPC: G06F11/36
Abstract: 本发明公开了一种基于测试用例生成和变异的MLIR定向模糊测试方法,包括如下步骤:步骤1、基于MLIR的tosa方言,通过提取操作规范,生成作为初始种子的测试用例IR,称作tosa图;步骤2、评估MLIR中方言的脆弱性,构建定向降级规则,引导IR沿着脆弱性方言定向降级,在定向降级过程中选择包含脆弱性方言的初始种子;步骤3、对步骤2产生的具有混合IR的中间结果进行变异,构建出用于收集变异所需必要信息的IR分析器,然后对IR执行混合变异和替换变异;步骤4、对测试用例IR进行逐级降级和转换,执行对MLIR的定向迷糊测试。本发明通过结合tosa图生成和变异技术,能够覆盖MLIR中多个方言和大量操作,提高了编译器的模糊测试效率。
-
-
-
-
-