基于Kalman算法的大數(shù)據(jù)存儲(chǔ)架構(gòu)可擴(kuò)展性優(yōu)化算法[模擬設(shè)計(jì)][工業(yè)自動(dòng)化]

為了優(yōu)化大數(shù)據(jù)存儲(chǔ)架構(gòu)可擴(kuò)展性能,提高大數(shù)據(jù)架構(gòu)資源利用率,通過(guò)引入Kalman算法設(shè)計(jì)了一種大數(shù)據(jù)存儲(chǔ)架構(gòu)可擴(kuò)展性優(yōu)化算法。首先,綜合考慮大數(shù)據(jù)存儲(chǔ)架構(gòu)與多核環(huán)境內(nèi)存布局之間的兼容性,設(shè)計(jì)架構(gòu)內(nèi)存布局。其次,設(shè)計(jì)分布式共享內(nèi)存協(xié)議,確保各個(gè)進(jìn)程在訪問(wèn)共享內(nèi)存時(shí)能夠正確地協(xié)同工作,提高存儲(chǔ)架構(gòu)的容錯(cuò)性。在此基礎(chǔ)上,利用Kalman算法,動(dòng)態(tài)調(diào)整存儲(chǔ)節(jié)點(diǎn)的負(fù)載,進(jìn)而優(yōu)化大數(shù)據(jù)存儲(chǔ)架構(gòu),以提高其可擴(kuò)展性。實(shí)驗(yàn)結(jié)果表明,應(yīng)用該算法后,大數(shù)據(jù)存儲(chǔ)架構(gòu)的資源利用率始終高于對(duì)照組,均達(dá)到了96%以上,最高達(dá)到了98%,架構(gòu)可擴(kuò)展性優(yōu)化效果顯著,服務(wù)器資源利用更充分,大規(guī)模數(shù)據(jù)處理更高效。

發(fā)表于:1/25/2024 1:07:00 PM

融合注意力機(jī)制和Child-Sum Tree-LSTM的二進(jìn)制代碼相似性檢測(cè)[模擬設(shè)計(jì)][信息安全]

抽象語(yǔ)法樹(shù)是一種代碼的樹(shù)型表示,它保留了代碼中定義良好的語(yǔ)句組件、語(yǔ)句的顯式順序和執(zhí)行邏輯。包含豐富語(yǔ)義信息的抽象語(yǔ)法樹(shù)可以在二進(jìn)制分析時(shí)通過(guò)反編譯生成,并且已經(jīng)作為代碼特征應(yīng)用于二進(jìn)制代碼相似度檢測(cè)。抽象語(yǔ)法樹(shù)中不同類別的節(jié)點(diǎn)承載著不同的語(yǔ)義信息,對(duì)整棵樹(shù)的語(yǔ)義具有不同的貢獻(xiàn)程度。然而現(xiàn)有的二進(jìn)制代碼相似度檢測(cè)方法所用神經(jīng)網(wǎng)絡(luò)無(wú)法對(duì)抽象語(yǔ)法樹(shù)節(jié)點(diǎn)進(jìn)行重要性區(qū)分,影響了模型的訓(xùn)練效果。針對(duì)該問(wèn)題,提出了一種融合注意力機(jī)制和Child-Sum Tree-LSTM神經(jīng)網(wǎng)絡(luò)的跨指令集、跨代碼混淆二進(jìn)制代碼相似性檢測(cè)方法。首先使用二進(jìn)制分析工具IDA Pro對(duì)二進(jìn)制代碼反編譯提取架構(gòu)無(wú)關(guān)的抽象語(yǔ)法樹(shù)特征,并利用隨機(jī)采樣構(gòu)造訓(xùn)練樣本對(duì)。然后使用抽象語(yǔ)法樹(shù)訓(xùn)練樣本對(duì)訓(xùn)練融合注意力機(jī)制和Child-Sum Tree-LSTM的神經(jīng)網(wǎng)絡(luò)模型。在公開(kāi)數(shù)據(jù)集BINKIT上的實(shí)驗(yàn)表明,所提方法的AUC和Accuracy指標(biāo)分別為94.1%、66.2%,優(yōu)于Child-Sum Tree-LSTM算法。

發(fā)表于:1/25/2024 11:01:00 AM