一种约束制导的机器学习框架漏洞检测方法

随着机器学习在社会各领域中自主决策场景的广泛应用,人们对机器学习框架中潜在漏洞的担忧也在日益增加.然而,由于其复杂的实现,针对框架的系统化、自动化测试成为一项艰巨的任务.现有对机器学习框架测试的研究在生成有效测试数据方面尚不成熟,导致测试数据无法通过合法性校验并因此无法检测到目标漏洞.本文提出了ConFL,一种基于约束的机器学习框架模糊测试工具.ConFL能够自动从框架源代码中提取约束而无需任何先验知识.在约束的指导下,ConFL可以生成能够通过校验的有效输入,并执行到框架更深层次的代码逻辑.此外,本文设计了一种算子分组调度技术来提高模糊测试的效率.为了证明ConFL的有效性,本文主要在Tensor-Flow框架上评估了其性能.测试发现,与现有的SOTA工具相比,ConFL能够覆盖更多的代码行,并生成更多有效的测试数据;在相同版本的TensorFlow框架上,ConFL能检测出更多的已知漏洞.此外,ConFL在不同版本的TensorFlow中发现了84个未知漏洞,这些漏洞全部被官方修复并被分配了CVE编号,其中包括3个严重漏洞,13个高危漏洞.最后,本文还在PyTorch和PaddlePaddle中进行了通用性测试,迄今为止发现了7个漏洞.

A Uniaxial Optimal Perfectly Matched Layer Method for Time-harmonic Scattering Problems

We develop a uniaxial optimal perfectly matched layer （opt PML） method for solving the time-harmonic scattering problems by choosing a particular absorbing function with unbounded integral in a rectangular domain. With this choice, the solution of the optimal PML problem not only converges exponentially to the solution of the original scatting problem, but also is insensitive to the thickness of the PML layer for sufficiently small parameter ε0. Numerical experiments are included to illustrate the competitive behavior of the proposed optimal method.

带式输送机不锈钢机架结构有限元分析

根据带式输送机的工作原理,用SolidWorks建立机架三维模型后划分网格,进行受力计算以得到最大应力值和最大应变值,为带式输送机优化设计提供了理论参考。

组合式原盐堆坨机的设计与应用

文章介绍了螺旋输送机、斗式提升机、皮带输送机组合成的原盐堆坨机,论述了各输送机的特点、制造及使用情况,为原盐入库提供了经验。