首页期刊导航|小型微型计算机系统
期刊信息/Journal information
小型微型计算机系统
小型微型计算机系统

林浒

月刊

1000-1220

xwjxt@sict.ac.cn

024-24696120

110004

北京399信箱

小型微型计算机系统/Journal Journal of Chinese Computer SystemsCSCD北大核心CSTPCD
查看更多>>本刊创办于1980年，主要刊登计算机领域研究、应用等方面具有较高水平的学术性文学，面向对象为从事计算机科学研究工作的科研院所的科研人员和大专院校的师生。本刊有编委29人，其中6人为中科院工程院院士，其余均为我国计算机行业的优秀科学家。
正式出版
收录年代

    智能电网中支持用户追踪和撤销的轻量级访问控制方案

    王鹏博石润华
    225-234页
    查看更多>>摘要：随着智能电网的高速发展,智能电表和智能充电桩等物联网设备产生的大量数据往往存储在半可信的云服务器上,这导致了巨大的安全风险.因此,如何实现智能电网的安全数据收集、访问控制、数据更新以及恶意用户的追踪和撤销成为一个亟待解决的问题.为了解决上述问题,本文针对智能电网场景提出了一种支持用户追踪和撤销的轻量级访问控制方案.所提方案中,密文与访问结构和撤销列表相关联,密钥与用户属性集和身份信息相关联.用户可以通过将复杂计算外包给边缘服务器和区块链来降低自身的计算开销.区块链用于存储用户的身份二叉树和撤销列表,并进行统一的身份认证.一旦系统中发现恶意用户,利用白盒追踪和身份二叉树来确定其身份,并将其添加到撤销列表中.只有与撤销列表相关联的密文组件才会根据新的撤销列表进行更新.最后,安全性分析及实验表明,该方案满足语义安全、高效和轻量级的访问控制.

    智能电网边缘计算访问控制区块链

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    基于虚拟机页缓存机制的磁盘在线迁移系统

    周志强李京
    235-241页
    查看更多>>摘要：在线迁移是云数据中心管理虚拟机的关键技术之一,它在负载均衡、降低能耗以及平台软硬件维护等场景有着重要的作用.预拷贝是目前虚拟机在线迁移的主流方式,有着停机时间短、对虚拟机性能影响小以及鲁棒性高的特点.然而,由于数据的修改会导致多轮迭代传输,该方法在迁移时可能出现较大的网络传输量和较长的迁移时间的问题.考虑到磁盘通常比内存大几个数量级,该问题在迁移磁盘数据时尤为严重.本文通过提取页缓存数据信息实现了一个预拷贝优化方法,并且设计了一个新的磁盘在线迁移系统,使得虚拟机能够参与其自身迁移过程,让获取虚拟机内的信息更加方便.该方法能够高效地进行预拷贝迁移,从而快速而可靠地完成磁盘迁移,减少网络传输数据量和迁移时间.

    虚拟机磁盘在线迁移预拷贝页缓存

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    结合程序异构关系图的SDC错误检测

    文宝顾晶晶刘阳周强...
    242-248页
    查看更多>>摘要：随着片上系统(System On Chip,SOC)集成度和规模的指数级增长,计算机系统发生粒子翻转后产生故障的可能性正在增加,其可靠性已经成为一个越来越值得关注的问题.在众多的故障中,静默数据损坏(Silent Data Corruption,SDC)是最难检测的故障类型之一,其无法被系统纠错机制检测,会随着程序执行无声地传播,最终破坏程序输出.而现有SDC错误检测方法多数仅考虑指令静态特征,忽略了指令间上下文信息,缺乏探索SDC传播规律的能力.为此,本文提出了一种结合程序异构关系图的 SDC 错误检测方法(SDC Error Detection Based on Program Heterogeneous Relation Graph,PHRG).首先,设计了一个程序分析框架,挖掘程序上下文信息,构建程序异构关系图;其次,利用多关系图注意力网络搭建指令SDC脆弱性预测模型,挖掘SDC传播的关键路径,识别高脆弱性指令;最后,依据预测结果设计容错机制,对程序进行针对性冗余以检测SDC错误.实验结果表明,PHRG在Mibench测试集上较现有方法具有更高的SDC脆弱性预测准确率,更高的SDC检测率和更低的时空开销.

    静默数据损坏异构关系图图注意力网络错误检测

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    基于程序流程图和图注意力网络的跨语言代码抄袭检测方法

    张峰韦友良秦玉成
    249-256页
    查看更多>>摘要：跨语言代码抄袭检测在软件知识产权保护和计算机程序设计类课程教学等领域有广泛的应用.然而,不同编程语言的语法差异降低了代码之间的相似度,导致抄袭检测的准确率较低.因此,本文提出一种基于程序流程图和图注意力网络的跨语言代码抄袭检测方法.首先,将代码转换为程序流程图,并利用图注意力网络提取程序流程图的特征作为代码的表示;其次,采用交叉匹配方法逐行对比代码的表示,以获得代码的相似特征向量;最后,拼接待检测代码的相似特征向量,并通过全连接神经网络计算抄袭的概率.实验结果表明,与现有的跨语言代码抄袭检测方法相比,本文提出的方法在查准率、查全率和F1值方面均有提高.其中,与基于属性计数的CLCDSA方法、基于抽象语法树的ASTLeamer方法相比,F1值分别提高了 11％和16％.

    代码抄袭检测跨编程语言程序流程图图注意力网络

      原文链接:
    • NETL
    • NSTL
    • 万方数据