一种面向内核接口的顺序依赖规则挖掘与违例检测方法

内核扩展函数以接口的形式提供给驱动,用于管理设备和申请相关的资源.这些接口中存在大量的顺序依赖规则,如自旋锁必须经过初始化才能加锁,然后才能解锁;驱动在加载时申请的内存,卸载时必须予以释放等.然而,驱动开发者常常不熟悉或疏忽内核接口的使用规则,导致驱动中存在大量的接口使用违例,影响驱动及系统的可靠运行.文中提出了一种面向内核接口的顺序依赖规则挖掘与违例检测方法(SD-Miner).该方法结合驱动源码的结构特征,对驱动代码使用的内核接口进行统计分析,挖掘并提取内核接口的顺序依赖规则,并利用提取的规则检测现有的驱动源码中的使用违例.SD-Miner对Linux 3.10.10和2.6.38的驱动源码分别进行了规则挖掘和违例检测.对比检测结果发现,在2.6.38中检测出的错误中,有64处在3.10.10中得到了修正.SD-Miner检测和分析Linux 3.10.10的3781款驱动的过程仅耗费5min,共计提取出了220个顺序依赖相关的接口使用规则,并检测到了756个使用违例,作者将其中50个提交给了开发者,累计有25个回复者对20个使用违例进行了确认.实验结果表明,SD-Miner能够有效地挖掘出内核接口的顺序依赖规则,并检测出使用违例,进而辅助开发人员对驱动进行修正来提高驱动可靠性.此外,规则的挖掘是基于驱动的结构信息和统计信息,不需要开发者在源码中提供额外的注释及标注.

体外评估多烯紫杉醇与顺铂给药顺序依赖性的相互作用(英文)

目的 :将多烯紫杉醇与顺铂以不同给药顺序处理人乳腺癌细胞研究两者细胞毒性的相互作用。方法 :应用一系列体外实验如DNA片段分析、MTT测定、流式细胞仪分析和蛋白印迹法分析两者以不同给药顺序的实验结果。结果 :显示当同时给药或顺铂在多烯紫杉醇前给药则发生拮抗作用 ;多烯紫杉醇在顺铂前给药则不发生拮抗作用。结论 :顺铂干扰多烯紫杉醇对癌细胞的捕获和细胞凋亡 ,并影响多烯紫杉醇诱导的bcl 2磷酸化 ;

基于CPN的智能合约交易顺序依赖漏洞的验证

智能合约的形式化验证工作主要集中在编程语言层面的漏洞研究,而交易顺序依赖作为区块链层面的漏洞更不易被检测。基于着色Petri网对智能合约中潜在的交易顺序依赖漏洞进行形式化验证。以Decode悬赏合约为对象,分析合约中潜在的漏洞,自顶向下地对合约本身及其执行环境建立着色Petri网模型,并引入攻击者模型来考虑合约遭受攻击的情况。通过运行模型以验证合约存在交易顺序依赖漏洞,最后基于Remix平台在以太坊网络中证实结论的正确性。

融合全局和局部特征的下一个兴趣点推荐方法

随着海量移动数据的积累,下一个兴趣点推荐已成为基于位置的社交网络中的一项重要任务.目前,主流方法倾向于从用户近期的签到序列中捕捉局部动态偏好,但忽略了历史移动数据蕴含的全局静态信息,从而阻碍了对用户偏好的进一步挖掘,影响了推荐的准确性.为此,提出一种基于全局和局部特征融合的下一个兴趣点推荐方法.该方法利用签到序列中的顺序依赖和全局静态信息中用户与兴趣点之间、连续签到之间隐藏的关联关系建模用户移动行为.首先,引入两类全局静态信息,即User-POI关联路径和POI-POI关联路径,学习用户的全局静态偏好和连续签到之间的全局依赖关系.具体地,利用交互数据以及地理信息构建异构信息网络,设计关联关系表示学习方法,利用相关度引导的路径采样策略以及层级注意力机制获取全局静态特征.然后,基于两类全局静态特征更新签到序列中的兴趣点表示,并采用位置与时间间隔感知的自注意力机制来捕捉用户签到序列中签到之间的局部顺序依赖,进而评估用户访问兴趣点概率,实现下一个兴趣点推荐.最后,在两个真实数据集上进行了实验比较与分析,验证了所提方法能够有效提升下一个兴趣点推荐的准确性.此外,案例分析表明,建模显式路径有助于提供可解释的推荐结果.

基于模型检测的区块链智能合约公平性形式化验证

随着第二代区块链平台及应用的爆发式增长,作为部署在区块链上可执行代码的智能合约面临越来越多的安全性问题。但是目前针对智能合约安全性问题的研究大多集中在对安全漏洞的挖掘,很少关注智能合约本身公平性对安全性的影响,对此提出一种基于模型检测的智能合约公平性验证方法。采用该方法对Puzzle合约的公平性进行验证,找到了一个已知的交易顺序依赖漏洞。结果表明提出的方法可以为发现智能合约中存在的漏洞提供新的思路。

IFF算法求解顺序依赖的单机总权重拖期调度问题

转换(启动)时间是工业中带有清洗、更换物料工序的生产过程所需要的,该时间一般很大程度上依赖于紧接工序.这种环境下的调度问题都是工件顺序依赖的.本文研究顺序依赖的单机总权重拖期调度问题,为NP难的组合优化问题.针对该问题.提出了一种迭代的过滤-扇出算法(IFF).算法以分支树的结构形式在解空间中搜索.在算法中.当分支移动不能改进根节点时,重新产生有继承性的根节点,使得算法继续进行.根据问题特性,提出了带序列片段重组和参考局部搜索的分支移动策略,获得分支节点.对文献中的120组数据的算法测试结果表明:对大多数实例.IFF算法的计算结果优于或不劣于DE算法和DPSO算法的计算结果,同时改进了42个实例的最好解.

基于递归神经网络的糖尿病药物疗效预测模型

目的利用已有的医疗记录信息,建立糖尿病药物疗效预测模型,增强Ⅱ型糖尿病患者长期使用抗糖尿病药物控制血糖的效果。方法提出一种基于递归神经网络的糖尿病药物疗效预测模型(SPM)。模型利用之前,把所有医疗记录的顺序序列作为输入,输出当前处方的预测治疗效果。结果将SPM与基准模型在某医院的真实医疗数据集上进行对比。实验表明,使用SPM后药物疗效预测精度得到提高,对于多记录患者,预测精度提升效果十分明显。结论 SPM在临床工作中具有实用价值。

基于UML活动图生成功能测试线索

测试自动化是提高软件测试效率的重要途径。基于UML模型的面向对象软件测试是当前研究的热点。这些研究大都是类或集成测试,对于如何自动生成较为完整、合理的系统测试用例较少。在总结研究现状的基础上,以应用举例的方式提出一种从描述系统用例间顺序依赖关系的活动图和用例实现的活动图中获取系统功能测试线索的方法。

有顺序依赖损耗的一维下料问题

针对从具体工业应用中抽象出的一种特殊一维下料问题,提出一种基于顺序价值校正框架的下料算法,在考虑问题特殊性的同时求取最小化线材使用量的下料方案。定义并求得每两个毛坯间的损耗值后,顺序生成各个排样图,并得到下料方案。通过不断修正毛坯价值,生成多个下料方案,取其中线材消耗量最小者来逼近最优解。与其他算法进行比较的结果表明,本算法有较少的材料消耗量与合适的计算时间。

基于数据拓扑图的变量影响分析方法

为了解决软件中数据变量发生异常的问题,找到该异常变量在整个程序中与其余变量之间的关系以及影响范围,提出了一种基于数据拓扑图的数据影响分析方法。研究了静态分析提取变量的依赖关系包括顺序依赖、自身依赖、节点依赖和函数依赖,得到变量的依赖影响集合,生成变量的数据拓扑图。实验结果表明,该方法能全面覆盖程序中的变量并准确地生成指定变量的数据拓扑图,且数据拓扑图能够发现在程序中被异常变量影响的变量。

Partial Order and Extremes of Multivariate Extreme Value Distributions

This paper studies the dependence order among multivariate extreme value dis- tributions with a fixed marginal distribution. Making use of copulas to prove that the set organized by multivariate extreme value distributions and the dependence order defined in it is a partial order set. Finally, the maximum and minimum values of the set is discussed.

面向产品族的有限产能批量与调度模型

批量与调度问题对于企业节约加工时间与减少生产成本具有重要意义。对于涉及产品族的问题,企业需要同时考虑产品族间的长时切换与产品间的短时切换。基于有限产能批量调度模型,建立了面向产品族的批量与调度问题的混合整数规划模型,通过决策各期产品的生产调度与机器的分配,从而最小化包括产品设置成本以及产品族设置成本等在内的总成本。使用ILOG CPLEX将此非顺序依赖切换模型与顺序依赖切换模型在不同规模的实例下进行测试,结果显示本模型在处理较大规模的非顺序依赖切换问题时有显著优势,能够快速得到高质量的解。