大数据环境下嵌入式可信软件异常识别研究

嵌入式多任务操作内核是其应用的核心,但由于嵌入式操作具有开放性,导致网络化软件中出现风险漏洞,引发可信软件异常问题,对操作内核造成损坏。大数据环境下软件数据的大规模和高复杂度加大了软件异常识别的难度,为此,提出嵌入式操作内核可信软件异常识别方法。结合不同类型的受限玻尔兹曼机,构建深度信念网络用于数据降维。采用梯度下降法改进遗传算法,将其应用在支持向量机的优化中。通过优化的支持向量机建立软件异常识别模型,将降维后数据输入模型,完成嵌入式操作内核可信软件异常识别。实验结果表明,所提方法下软件异常识别的准确率、召回率、查全率和F1值均在95%以上,且有效降低了内存开销和性能开销。

pSOS实时操作系统IPC机制的分析与实现

介绍了pSOS嵌入式实时微内核操作系统，对该操作系统的IPC机制进行了分析，并详细阐述了消息队列、事件、信号量的系统实现。