移动和云平台软件的系统资源使用行为分析与改进

The frequent occurrence of software failures has greatly endangered national security and people’s livelihood. Under the national strategy of Big Data and “Internet Plus”, improving the security, performance and availability of mobile and cloud platform software is crucial to building a health information environment. In mobile and cloud applications, there are many unintentional misuses of system resources, resulting in software security and performance risks. Since these applications are often built in multiple programming languages, the use and manipulation of system resources involves complex interactions between multiple layers of code across different languages, making it difficult to detect the problem. To identify the improper use of system resources and improve software quality, this project aims to analyze the cross-language usage behaviors of system resources from two aspects: program analysis and verification, and efficient runtime system construction. Through the abstraction of cross-language usage behaviors of various system resources, we will propose some reusable, configurable and reorganizable methods and tools to efficiently analyze the resource usage behavior in applications. In addition, by using the state-of-art resource management technologies we will also propose some lightweight approaches to improve the performance and reliability of applications with minor modifications to the underlying system.

软件事故的频发极大地危及国家安全和民生。在国家大力推进大数据战略和“互联网 +”的环境下, 提高移动及云平台软件的安全性、性能、可用性对构建良性信息化环境至关重要。然而, 移动和云平台软件中存在许多对资源非故意的不当使用和管理, 导致软件存在安全和性能等隐患。由于这类软件采用多语言构建, 软件中对系统资源的使用和操控涉及到跨不同语言的多层代码之间的交互, 这使得对该问题的检查变得困难。本课题旨在从程序分析和验证、高效运行时系统构建两方面来分析研究跨语言的系统资源使用行为, 以识别和改进软件对系统资源的不当使用。通过对跨语言的各种资源使用行为进行抽象, 给出可复用的、可配置的、可重组的高效资源使用行为分析方法和工具; 同时, 在尽可能利用现有高效系统资源管理技术、对底层系统不改动或微小改动的前提下, 以轻量级的方式改进应用软件的系统资源使用的性能和可靠性。

在国家大力推进人工智能、大数据战略和“互联网+”的环境下，提高移动及云平台软件的可用性、安全性和性能对构建良性信息化环境至关重要。然而，由于这些软件往往依赖于多语言架构和异构平台，它们对系统资源的使用涉及跨不同语言和平台的多层代码之间的交互，导致软件存在许多对系统资源非故意的不当使用，已有的方法难以分析和检查这类错误。针对上述问题，本项目以多种异构平台和编程模型为研究对象，利用程序测试、程序分析和验证、高效系统构建与优化等技术，分析了移动及云平台软件的性能和安全问题，提出了一系列软件分析、缺陷检测与性能调优的方法。在跨语言互操作机制上，针对深度学习编程框架等主流多语言架构软件，分析了跨语言接口存在的安全隐患并提出外部函数的类型增强方法。在异构应用分析方面，分析了移动平台、Web应用、智能物联网等的典型行为，提出了行为分析、缺陷描述与有效性检查的方法。在高效系统构建和优化方面，提出了面向包括深度学习等多种应用的系列系统构建、性能分析与改进方法，包括在异构平台上的并行编程模型及高效系统的构建、调度优化及张量算子优化等方法。在本项目的支持下，已发表学术论文24篇，其中CCF推荐的A/B类期刊或会议6篇；获得已授权发明专利3项、已申请待授权发明专利8项、软件著作权1项。培养的学生荣获包括开源创新特等奖在内的十余项全国性竞赛奖项，基于x86-64指令集的国密算法性能提升工作已被开源项目OpenAtom XuperChain接受；研制的算子优化方法被华为技术有限公司采纳。同时项目负责人也荣获2019年度高校计算机专业优秀教师和2021年度宝钢优秀教师奖。本项目通过探索对移动及云平台软件在多语言架构和异构平台上的资源使用行为分析和改进，提出了一系列软件分析、缺陷检测和系统优化的有效解决方案，有利于保障人工智能、大数据战略和“互联网+”环境下软件的安全和可用。

内容获取失败，请点击重试