一、让Linux发挥更大的作用(论文文献综述)
陈玉标[1](2021)在《基于固态盘的外存排序和区域查询处理优化方法》文中认为固态盘以其体积小、高带宽、低延迟、低功耗和抗震性等优点逐渐取代机械硬盘成为主流的存储。固态盘由于存储介质是闪存,因而它拥有闪存的所有特点,比如:读写不对称、写前擦除和擦除次数有限特点。早些年,数据管理系统中的外存索引和算法主要是针对磁盘的I/O特性进行设计和优化,很多在闪存介质上已经不再适用。因而,近些年基于闪存特性的索引和外存优化算法逐渐出现,但是它们都是只基于闪存介质的特点。如果把固态盘看作一个整体,随着技术的进步,越来越多的并行资源被集成进固态盘,使得它拥有了丰富的内部并行性。而目前基于固态盘内部并行性特性的工作还比较少,本文将基于固态盘内部并行性及其带来的带宽变化特点对外存排序和范围查询进行优化。具体的研究内容如下:首先,本文研究了如何让外存排序过程充分发挥固态盘内部并行性的问题。本文提出一种固态盘上新的外存排序算法,它基于run生成和run合并两阶段的经典模式。在run生成阶段通过预处理来消除合并阶段数据加载和计算的依赖问题,使得固态硬盘的内部并行性在合并阶段能够充分地发挥作用;与此同时,数据加载依赖的解除又能为进一步的流水线优化提供可能。在无序数据集上进行实验得出的结果表明,和目前固态盘上最优的外存排序算法相比,能取得比较好的加速比。第二,本文研究了闪存固态盘上外存归并排序的最优执行方案问题。外存归并排序作为很多数据管理系统的经典排序算法,它的性能对整体性能有着重要影响。在给定内存资源的情况下,固态盘上外存归并排序的I/O时间主要由输入缓冲区大小、输出缓冲区大小和合并路数决定,这里把上述配置叫做外存归并排序的执行方案。本文研究在内存资源限定的情况下,如何确定一组外存归并排序的最优执行方案使得I/O时间最小的问题。本文基于闪存固态盘带宽特性,提出Sort Decision算法计算在内存资源限定的情况下,使得外存归并排序I/O时间最少的最优执行方案。根据该方案进行外存归并排序,以获得更优秀的执行效率。这里将定内存资源的情况下固态盘上的外存归并排序问题,形式化为一个分段求解的凸优化问题,然后通过枚举每个子凸问题求解的结果,获取最终的外存归并排序策略。经理论分析,该算法的时间复杂度很低,且通过实验结果表明,由Sort Decision算法指导的外存归并排序,在给定内存资源较小的情况下明显优于经典外存归并排序算法。第三,本文研究了固态盘上外存归并排序的内存推荐问题。外存归并排序作为最常采纳的外存排序算法,内存资源对于其性能极其重要。以机械硬盘为环境进行传统的I/O代价分析,均假设单位I/O读写代价是个定值,使得外存归并排序性能最优的最小内存也是个定值。然而,在新型的主流存储固态盘上,由于内部并行性的存在,它的读写带宽随逻辑读写单元变大,带宽变化幅度很大。且当逻辑读写单元很大时,带宽增长的幅度逐渐变小。提供过大的内存会导致内存资源浪费。因而,在固态盘环境下计算出合适的内存大小推荐给外存归并排序,来使得外存排序运行时带宽接近于最大化,与此同时又不会造成内存浪费具有重要意义。因而,本文提出一个针对外存归并排序的内存推荐算法MRCD。它能根据输入的I/O时间偏差率,结合固态盘I/O特征数据和输入数据规模,给出最优的内存推荐。通过理论和实验验证,MRCD可以在任意类型固态盘上,都能保证在外存归并排序实际运行时间偏差率和输入的I/O时间偏差率近乎相等的情况下,实现比较大内存节省的性能表现。最后,本文研究了固态盘上范围查询问题。R-树是支持范围查询索引最重要的索引。因而,本文主要针对R-树上的范围查询进行优化。R-树是地理信息系统的核心索引,范围查询的性能对于地理信息系统非常重要。由于R-树索引任意一对父子结点加载过程必须严格顺序执行,因而很难并行加载,导致I/O加载的并发度降低。进而很难有效地利用固态盘内部并行性去加速范围查询过程中结点的加载。为了克服该困难,提出一种基于栈结构的范围查询算法,栈聚集查询算法SBS。它通过栈模拟查询递归范围查询的执行,通过延迟该过程中的范围查询操作,聚集批量提交提高固态盘内部并行性的触发。然后,通过理论证明该算法只需要O(Blog N)级别的内存空间资源。最后,在真实数据上,通过不同查询范围的实验来验证栈聚集查询算法的性能。
郑星[2](2021)在《FreeRTOS在ARM平台的SMP系统方案研究与实现》文中提出在现代技术不断发展的背景下,嵌入式应用对嵌入式操作系统的性能需求越来越高,在减小晶体管、提升主频的方法上遇到瓶颈后,多核策略成为了当下提升系统性能的最佳选择。嵌入式领域中,FreeRTOS依靠自身的实时性、开源性、可靠性、易用性,以及多平台支持等特点,深受广大业内人士的青睐,目前已经被移植到30多种硬件平台。根据全球嵌入式市场分析报告,FreeRTOS连续数年名列前茅,应用范围十分广泛。但是在目前,FreeRTOS仍没有支持多核的官方版本,在多核处理器逐渐占领市场的今天,对多核的支持迫在眉睫,因此对FreeRTOS多核版本的研究意义重大。本文基于FreeRTOS官方的ARM Cortex A53单核版本和现有的嵌入式多核系统方案进行研究,设计并实现了 FreeRTOS在ARM平台的一种SMP(Symmetric Multi-Processing,对称多处理)系统方案。在不破坏FreeRTOS原有特性的原则下,可以保证操作系统中优先级最高的前N个就绪任务被调度并处于运行状态(N为处理器核数),调度可以在任意核上触发,系统进入正常的运行状态后,所有核没有主从关系的区别,功能权限完全平等。并且系统可以根据任务数量自动休眠或者唤醒处理器核心来节省功耗。此外,方案采用了全局多级就绪任务等待队列,以全局调度的方式让任务在核间保持负载均衡,可以充分利用处理器资源,提高系统性能。通过对SMP模式下多任务优先级抢占的研究分析,本文还对任务调度策略进行了优化,可以在一定程度上减少任务的堆积,进一步提升处理器利用率。最后,本文还实现了 SMP系统ARMv8下的核间同步与互斥、核间通信,在ARMv8的AArch64执行状态下完成了对FreeRTOS多核版本的探索。通过在搭载ARM Cortex A53的树莓派3B+硬件开发板上测试验证,本文提出的FreeRTOS SMP系统方案可以成功处理大批量实时任务,并保证任务的互斥与正确运行,达到了在保证FreeRTOS原有特性的基础上提升FreeRTOS系统性能的目标。
李志方[3](2021)在《异构体系结构上的数据处理加速》文中研究表明随着移动互联网、4G/5G、物联网等技术的快速发展,各类应用所积累的数据规模正在飞速增长,大数据时代已然到来,成为眼前的现实。在2003到2008年间,谷歌公司发表了一系列关于大数据系统的论文,引起了延续至今的工业界和学术界的研究热潮。在这一阶段,Hadoop/Spark/Flink等技术已经逐渐成熟,成为了海量数据处理的基本解决方案。然而,由于短视频、智慧城市、数据可视化、交互式分析等新领域的兴起,上述大数据系统受限于CPU在并行计算能力和能源效率上的不足,难以满足时效性以及经济性的需求。一个很自然的想法是采用非CPU的新平台来执行计算。在最初,图形处理器(Graphics Processing Unit,简称GPU)是用于游戏图形渲染的专用加速硬件。但由于GPU架构具有不同的设计取舍,相对于CPU具有更高的并行计算潜力,工业界和学术界着手发掘GPU在非图形学的通用计算领域的应用。目前基于GPU的方案已经在深度学习和高性能计算领域获得巨大成功。很自然地,人们联想到将高并行的GPU引入到大数据处理场景。由于大数据处理从本质上更接近数据密集型负载,与此前的高性能计算负载不同,需要考虑不同的优化策略。特别地,CPU和GPU间分离的物理内存空间通过带宽有限的PCIe总线互连,限制了两者的协同工作。此外,GPU上的显存相对于主存,在容量上也较为有限。在这些特性的限制下,现有技术难以直接迁移到CPU-GPU异构平台下。因此目前迫切需要改进现有技术,以应对新的挑战。本文的研究工作围绕CPU-GPU异构架构展开,并从三个方面研究如何挖掘新型GPU的硬件加速特性,优化数据处理技术。本文主要的工作和贡献如下:(1)异构加速的数据分析框架:现有的大数据系统,如Apache Spark等,计算能力受制于Java虚拟机(JVM)限制,难以满足日益苛刻的需求。近年来,具有高算力的GPU在高性能计算和和深度学习领域获得巨大成功。尽管如此,受制于现有耦合式架构的限制,数据分析系统难以利用GPU等新型硬件加速器。为了从基础架构上解决上述问题,本文将数据分析的执行过程拆解为相互分离的控制平面和数据平面两个部分。其中,控制平面负责维护轻量级的控制信息,并与现有大数据系统相互配合,而数据平面则负责在裸机CPU和GPU上高效地执行计算。在解耦合的架构下,数据平面的底层实现得以绕过已有控制平面的限制,从而充分挖掘CPU和GPU的潜力,实现相对于JVM引擎处理能力具有最多14.7倍的性能提升。(2)GPU推断的缓存与批量执行优化:随着深度学习的流行,GPU推断已经成为大数据系统的重要组成部分。然而,随着GPU算力的逐渐进步,非计算因素将逐渐成为瓶颈。在目前基于推断服务的解决方案中,数据处理和推断执行的分离限制了端到端的优化潜力。本文尝试将两者综合考虑,降低了从输入数据到GPU执行中的非计算性开销。在这个设计上,本文提出了近设备缓存技术,挖掘GPU显存上的数据局部性,降低PCIe传输量。在传统的批量执行上,本文引入聚合/分散原语实现缓存感知的批量执行技术。最后,为了避免缓存更新和执行的并发冲突,并同时利用GPU的传输和计算资源,本文提出了基于交错执行和周期性同步的调度协议。实验显示综合上述技术可以实现相对数据处理和推断分离方式最多3.5倍的性能。(3)分离式CPU-GPU架构的流水线优化:受限于CPU-GPU系统的分离物理内存,异构流水线常基于微批次机制及其变种来实现,主要面向粗粒度执行负载而优化。对于细粒度的执行批次,频繁的GPU软件驱动调用将成为潜在的性能瓶颈。为了解决上述问题,本文研究了面向分离式CPU-GPU系统的连续流水线技术。该技术利用了流水线负载的计算不变性,引入了持久化算子和共享队列两项技术。这两者的设计思想旨在挖掘新型GPU的硬件缺页机制,代替昂贵的基于软件驱动的显存拷贝和核函数启动。其中,持久化算子用于在GPU上高效执行计算,而共享队列负责实现跨设备的高效数据传递。实验显示相对微批次流水线,连续流水线技术最多可获得2.4~3.1倍的性能提升。综上所述,本文结合新型CPU-GPU平台的特性,从异构加速的数据分析框架、GPU推断执行优化、CPU-GPU流水线执行优化三个角度,阐述了将GPU引入大数据处理场景下面临的种种难题,及其优化策略。本文为实现面向异构硬件平台的高效大数据处理提供了借鉴意义,也为未来的相关研究工作提供一定的参考价值。
刘宇皓[4](2021)在《基于ARM的通用型人脸识别系统软件设计与实现》文中进行了进一步梳理随着互联网的发展,人脸识别技术开始被广泛的应用。而传统的在PC上的人脸识别虽然精度较高,但存在难以部署,不具有通用性等问题。基于此背景,本文设计一种通用型人脸识别系统,将对于人脸的检测识别等相关计算,以及对人脸用户,人脸图片以及人脸特征等存储,都集中于基于ARM架构的Hi3559AV100芯片上。整个系统便于二次开发,且对大多数场景,视频,图片等都可以实时地进行人脸检测识别。系统设计了六个模块:接口模块,DP server模块,人脸库管理模块,特征库模块,图片流处理模块,视频流处理模块,来构建整个人脸识别系统。针对监控,门禁等不同的应用场景,在人脸识别算法模块中分别设计了图片流处理模块和视频流处理模块。考虑到算法需要匹配对应的硬件资源,以及系统应用的实时性需求,选择了Retina Net人脸检测算法,在Face Net网络基础上的Mobile Net V2特征提取算法,deepsort人脸跟踪算法,以及余弦相似度特征比对方法来实现整个的人脸识别算法。同时利用模块的划分,实现了多接口可同时检测图片流和视频流的需求。接口模块利用RTSP,HTTP协议等,完成与上位机以及外设的通信,同时对输入的图像进行简单的预处理。DP server模块用于内部通信,通过对各模块接口消息的解析,进行消息的转发接收,使得整个系统成星型结构,各个模块相互独立,便于系统维护,迭代更新,二次开发。人脸库管理模块利用数据库对人脸,用户信息,特征的存储,实现对人脸分组,人脸用户等相关信息的增删查改功能。为了在具体应用时,减少遍历读取时间,设计了特征库模块,利用共享内存等方式,开辟一个内存空间,将特征读入,再由算法模块去读取进行比对。针对系统的交互功能,利用Java Script作为人机交互界面语言来具体完成了系统整个功能平台的搭建,包括存储页面,识别配置页面,识别结果页面。同时利用python写了一套脚本,来模拟客户端进行测试,完成对整个人脸识别系统各个功能的自动化测试,能快速的得出性能结果以及相关指标,也能快速找出系统问题,为之后的开发以及使用提供了方便。在各个功能模块的应用以及算法设计的配合下,整个系统能较为稳定持续且能保证实时性的运行。
许桂栋[5](2020)在《基于RTLinux的软件定义型智能控制系统研究》文中研究表明可编程逻辑控制器(PLC)的出现在工业自动化以及智能制造上有着非凡的意义,但传统PLC的发展中存在着价格较高,结构体系开放度低,兼容扩展性差等问题,这就深深的制约了其发展空间。因此,需要利用软件定义模块化的设计思想来解决传统PLC中的一系列问题。本文研究的软件定义型智能控制系统属于嵌入式软PLC控制技术研究内容,首先分析了研究背景及意义,介绍软件定义型智能控制系统的课题来源,对国内外的相关控制技术的相关研究现状进行分析总结。接着对智能控制系统进行总体的设计,通过分析传统PLC与软PLC的结构及工作原理,引出了智能控制系统的结构与原理,并对系统的硬件设计与核心处理器选型上提出要求。从软件定义控制技术的模型设计到软件平台的整体实现工作,软件设计实现上包括基础软件平台的搭建工作,到智能控制系统中所用到的数据结构的设计工作,再到智能控制系统的平台层与终端层的设计开发。平台层为智能控制系统的开发系统实现的相关功能,终端层为智能控制系统的运行系统实现相关功能。针对传统PLC控制技术中繁杂的开发配置软件,无法使用统一的软件进行灵活地控制,其PLC控制系统无法达到根据应用需求来实现灵活的软件定义,适应不同型号的硬件环境等问题,本文提出了软件定义型的控制技术,来实现硬件型号的软件定义快速配置,以满足系统的不同应用环境需求;并提出多协议兼容的控制技术,在智能控制终端上实现同一串口的不同应用兼容模式,实现通信串口的软件定义控制,以满足控制器串口的不同应用需求。在RTLinux系统上建立一个软件定义控制系统模型,并对RTLinux操作系统中的实时任务调度问题进行了分析研究,使PLC控制系统能够在RTLinux嵌入式操作系统上实现运行。利用软件定义型智能控制系统中的设计研究,实现整个控制系统的重组移植,快速组建不同种类CPU不同操作系统的智能控制系统。最后,将软件定义型智能控制系统控制技术应用于安全控制系统中,并对其研究内容与控制技术进行应用,并对系统中的各项应用功能进行了实验测试验证。通过实验结果显示,软件定义型智能控制系统中的各项应用设计都能满足要求,也验证了课题研究内容的可行性。
林正灵[6](2020)在《AVS2中基于编码预测块预测模式的QP值调整算法研究》文中进行了进一步梳理二十一世纪,科技不断进步,多媒体技术日趋成熟,在多媒体服务中高清、实时成了最重要的指标。在越来越大的视频数据信息的存储和传输挑战下,视频编码技术、码率控制技术成为了最重要的研究技术点。当前AVS2编码标准中的码率控制方案是采用模糊逻辑码率控制法,有一定的局限性,没有考虑到视频不同帧图像的特殊性。在图像复杂度较低或者帧间相关性较大的帧图像中,可以通过适当地调整量化参数QP,进而对码率做出更进一步的压缩调整。本课题研究的量化参数调整方案主要是对AVS2视频编码过程中的编码块划分和编码块预测模式选择进行分析,通过一定的比例反馈,对每帧图像的量化参数QP进行调整,在细节上进一步加深视频图像复杂度和帧间相关性的码率控制影响。本课题在设计和技术实现上主要有下列两个创新点:第一,将AVS2编码标准的编码块划分过程进行细致的分析,利用不同尺寸块划分的比例情况,对图像复杂度进行反映,进而利用调整量化参数QP对码率进行适当压缩。第二,深入分析帧内/帧间预测过程,对块划分后的预测模式选择进行研究,利用采取帧间预测模式的像素所占比例对量化参数QP进行适当的调整,达到适当压缩码率的目的。本论文的主要工作有以下几项:1.AVS2编码平台搭建,主要包括虚拟机系统Linux的安装,FFmpeg多媒体处理框架的搭建,XAVS2代码运行环境构建。2.XAVS2代码的初始化和运行调整。3.原XAVS2块划分和码率控制相关部分的研究分析,在此基础上利用适当的调整方案对量化参数QP进行调整,并用通用测试序列进行测试,验证性能。从测试的结果可以看出,本方案的比特率失真比率(BD-Rate)获得了良好的增益效果,能够在原来码率控制的基础上进一步做到对码率的调控。
盛典[7](2020)在《高通量信息流实时处理与传输关键技术研究与实现》文中提出数据仿真软件作为北斗卫星导航系统项目下导航模拟源的核心组成部分,需要对GPS系统、Galileo系统、GLONASS系统、北斗系统四大导航系统的观测量和导航电文进行实时仿真,然后将仿真信息传输到模拟源硬件,完成对导航信息的仿真。数据仿真软件的仿真过程中包含大量的卫星信息以及用户轨迹信息,计算复杂,并且对时间的要求极其严格,单个导航系统的处理与传输流程的时延要求控制在2ms以内,因此单位时间内数据处理的吞吐量非常大。此外,高通量信息流的处理与传输也是软件化雷达以及北斗导航卫星信号质量评估软件的重要环节,因此对高通量信息流实时处理与传输关键技术的研究与实现就变得极其重要。本文深入分析了数据仿真软件中的数据仿真流程,分别对其信息流处理和传输的时延进行了指标定义和测试,确定了优化的目标,分析了影响其实时性的因素。然后针对影响其实时性的因素,提出了实时性优化技术,并通过可行性分析,设计了数据仿真软件中信息流处理与传输的实时性优化方案。未优化前的数据仿真软件中的信息流处理流程的时延已经超过了2ms,方差也超过了200000μs2,信息流传输的时延也超过了300μs。对于信息流的处理流程的加速,本文先详细分析了当前的信息流处理时延存在瓶颈的原因,然后分别分析了线程绑定CPU核心和内核实时抢占补丁两种方案针对瓶颈进行的优化。线程绑定CPU核心配合CPU隔离,确保仿真线程可以只在绑定的CPU核心上运行,且无其他非系统线程的竞争,降低了信息流处理的时延,提高了时延的稳定性;通过对Ubuntu 16.04系统安装内核实时抢占补丁,提高了系统的硬实时能力,提高了系统的响应速度的同时降低了系统的延迟,减少了信息流处理时延的抖动性。在对Ubuntu 16.04系统安装实时补丁并将仿真线程绑定CPU核心之后,数据仿真软件中各个导航系统的信息流处理的时延降低到了1.7ms以内,方差也控制在了40000μs2以内。针对信息流传输的实时性,本文详细分析了使用传统Socket方式进行报文收发存在的瓶颈,分析Intel开源的数据平面开发套件DPDK对这些瓶颈进行的优化,然后通过使用DPDK来对其优化。DPDK通过旁路内核、用户态IO以及主动轮询等方法提高了数据包从网卡到内存的传输速度。使用腾讯基于DPDK的开源网络框架F-Stack弥补了DPDK无协议栈的缺陷,它在拥有基于DPDK的报文处理能力的同时,还拥有了基于Free BSD的上层协议栈能力,并且具有良好的API兼容能力。针对F-Stack单进程单线程模型的设计,通过多路复用实现了在逻辑线程进行收发报文的能力。最终完成了完了对信息流传输的优化加速,时延降低到了210μs,方差也降低到了10μs2以内,其实时性和稳定性都有了极大地提高。经过对信息流处理和传输的实时性优化,最后数据仿真软件中GPS系统、Galileo系统、GLONASS系统、北斗系统四大导航系统仿真流程的时延均降低到了2ms以内,满足了数据仿真软件的实时性要求,也为软件化雷达以及北斗导航卫星信号质量评估软件的实时性优化提供了方向和经验。
沈俊毅[8](2020)在《高速移动环境多维网络高精度测量评估系统的设计与实现》文中研究表明随着高速列车技术的飞速发展,越来越多的人们选择乘坐高铁出行。在高速移动环境下,由于无线网络的网络特性和频繁的越区切换,导致网络性能的各种指标经常发生变化,因此移动网络运营商往往不能给用户提供满意的网络服务,从而给用户的在线工作和学习带来诸多不便。解决问题的一个重要步骤就是对高速移动环境下的网络性能进行高精度测量和评估。现有的大多数网络性能测量算法在传统有线环境下表现良好,但是在移动无线环境下往往精度无法保证。为了解决上述问题,本论文在在深入研究了网络测量系统和网络测量算法的基础上,结合实际高铁环境,设计了高速移动环境多维网络高精度测量评估系统的实现方案,其主要工作及创新点如下:首先,设计了高速移动环境多维网络高精度测量评估系统的系统架构,系统包括可用性检测和时钟同步模块、参数测量模块和显示评估模块。采取主动测量的测量方法,多个移动测量设备节点可同时向测量中心服务器发送主动探测数据包,可以测量高速移动环境下的地理位置信息、信号强度、误码率、时延、丢包和带宽等多维网络性能指标。其次,针对高速移动环境下的应用场景,设计了运行速度不超过280km/h时的多维网络高精度测量算法,该算法充分考虑移动无线网络的网络特性以及时延、丢包和带宽三个主要网络参数之间的内在联系,对主动探测数据包进行合理设计并将其分为多组,并且动态调整探测包发送参数,实现高精度测量的设计需求。再次,为了给使用本论文设计的网络测量系统的用户更好的使用体验,还设计了Web形式的用户接口,支持用户通过浏览器使用该系统。同时,还支持对选定时刻的网络性能进行评价以及对下一时刻网络性能进行预估。在参数展示方面,还设计了包括地理位置信息地图、信号强度和误码率随地理位置变化柱状图、参数实时监控面板、测量中心服务器和移动测量设备机器自身性能监控等多种样式。最后,对实现方案中的各个功能模块进行测试,验证了本论文提出的多维网络测量评估系统切实可行。同时,还对比了是否使用本论文提出的系统以及在不同速度下使用本论文提出的系统测量得到的时延结果进行对比。结果表明,在运行速度都为280km/h的高铁运行场景下,采用本论文提出的系统相对于不采用该系统时的时延平均值下降了58.2%,时延标准差下降了82.4%,验证了该算法在该环境下能够实现高精度的测量。
邵福骏[9](2020)在《移动平台恶意软件检测算法的设计与实现》文中进行了进一步梳理随着数字技术的快速发展,移动终端的性能越来越高,人机交互越来越智能,特别是随着5G技术的逐步普及,网速也不再是移动终端用户体验的瓶颈。技术的发展给人们带来便利的同时,也为恶意应用提供更加坚实的软硬件环境。因此,手机安全防护在安全领域的地位愈发重要,甚至已经成为国家安全的重要组成部分。PC端基于机器学习的恶意软件检测技术日渐成熟并且达到了较高的准确率,但在移动端防护方面受限于相对有限的计算资源,依旧处于一个较为薄弱的境地。而在机器学习算法特征选择的众多研究中,系统调用序列逐渐成为研究人员最常使用的动态特征之一。但现有系统调用序列的获取方法大多基于模拟软件对安卓应用的随机操作,该方法产生的系统调用序列随机性极高且存在较大噪声,对检测效果造成不小的影响。本文针对上述问题,采用移动端检测和PC端检测相结合的二级风险评判机制。在移动端提出一种轻量级的恶意软件检测方法,以满足计算资源有限的条件下对安卓应用进行第一级风险评判;而在PC端第二级风险评判中提出了一种基于方法调用图的恶意家族聚类算法,该算法克服了系统调用序列随机性大的不足,同时不局限于安卓应用良性或恶意二分类的研究,进一步探索了方法调用图在恶意家族聚类上的效果,对于摸清同一恶意软件家族的恶意行为规律,更有针对性的做好手机安全防护工作有着积极的作用。具体工作内容如下:(1)提出了一种轻量级的移动端恶意软件检测方法。权限是安卓恶意软件静态检测最常使用的特征之一。随着安卓系统的不断升级,安卓权限的数目也不断增加。安卓系统的权限机制要求应用必须显示的申请想要使用的权限,而良性和恶意安卓应用在申请权限的种类和数量上存在明显的差别。相比良性安卓应用,恶意应用需要更多的敏感权限。但是,存在部分权限在恶意或良性安卓应用中几乎都没有被使用,也有一部分权限几乎被所有安卓应用申请,还有部分权限之间往往成对出现,存在着明显的关联性。基于上述分析,同时为了适应移动端轻量级的需求,本文提出了一种基于信息熵和关联规则的特征选择算法,引入信息论中信息熵的概念,放弃对恶意检测贡献度低的部分权限,并结合关联规则算法,挖掘权限之间的强关联规则,进行特征选择。(2)提出了一种基于方法调用图的恶意家族聚类算法。应用程序接口(API)是衔接开发人员与底层系统的桥梁,开发人员通过调用不同的API完成不同的功能。良性安卓应用聚焦于给用户更好的使用体验,API的使用风格简单高效;而恶意应用则更加热衷于窃取、传输私密数据,甚至会尝试获取移动设备的控制权,势必会涉及大量敏感操作。因此,良性安卓应用和恶意安卓应用在API的使用种类和频率上同样存在较大区别。基于上述分析,本文利用污点分析框架构建安卓应用的方法调用图,提出了一种基于社区发现算法和图嵌入技术的恶意程序检测算法,并构建样本关系图,再通过对样本关系图进行社区发现的方法,完成恶意家族的聚类。该算法采用无监督的学习方式,更有利于发现新的恶意家族。(3)设计并实现了智能移动终端恶意程序主动检测系统。该系统分为移动端和云端两部分,采用二级风险判断的方式对样本进行检测。移动端负责第一级风险判断,基于已经训练好的检测模型,完成安卓应用的特征提取和静态检测,将风险较高的应用上传至云端检测平台进行二次评估;云端检测平台负责疑似样本的二级风险判断,给出最终结果并分类存储。考虑到移动端计算资源(例如:电量、内存等)有限的弊端,本系统在云端完成静态检测模型的训练,训练完成后迁移到移动端使用。
陈富泽[10](2020)在《学生实验行为分析预测系统的研究与应用》文中认为随着数字信息技术的发展,海量数据也在不断地被产生,当今社会已经进入一个大数据时代。而在教育教学领域,大数据技术也正发挥着越来越重要的作用。在当今的众多大学里,学生在大学生涯中,总是需要选修许多课程以及进行相关的课程实验。他们在进行课程实验的过程中,会产生大量的实验行为数据。这些实验行为数据主要体现在学生的实验时间、实验地点、实验输入的操作命令等方面,而这些数据往往没能被有效采集利用。如果能对这些相关实验行为数据进行相应的收集,然后运用数据挖掘相关技术对其进行分析,便有可能分析预测出学生实验的某些数据与学生成绩和教师教学相关的联系,进而可以给学校的教学改革提供依据以及对教师的教学质量改善提供帮助。在分析研究了高校实验教学与大数据相关技术的联系的基础上,本文设计实现了一个较为完备的学生实验行为分析预测系统。该系统主要由学生在线实验平台和实验行为分析系统主体构成。其中,学生在线实验平台基于Linux服务器搭建,提供给高校学生实时在线的课程实验环境,同时可以记录收集学生实验行为数据。而实验行为分析系统主体则包括:运用Layui框架开发的前端客户端,运用SpringBoot框架开发的后端服务器,以及基于Hadoop-Spark框架搭建的大数据分布式计算框架。基于对系统的分析预测需求的考虑,本文所设计实现的系统采用了聚类算法和回归算法相结合的方法来对学生成绩进行分析预测。文中首先使用K-means++算法对学生实验行为数据进行快速聚类分块,然后利用KNN回归预测算法对采集处理后的学生信息、实验地点、实验时间以及实验命令等多维度数据进行回归预测建模,最终达到相对准确地分析预测学生实验行为表现,并辅助教师对学生成绩进行评价的效果。最后结合本文所研究系统主体的功能,可以实现将学生实验行为表现预测结果和其他实验行为分析结果,以图表等形式可视化展示到前端页面的效果。经验证本系统方便了教师及学校领导对学生实验行为进行研究分析,起到了辅助教师教学的作用,也为高校教学革新提供了参考依据。
二、让Linux发挥更大的作用(论文开题报告)
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、让Linux发挥更大的作用(论文提纲范文)
(1)基于固态盘的外存排序和区域查询处理优化方法(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 研究背景介绍 |
1.2 闪存芯片介绍 |
1.3 闪存固态盘介绍 |
1.3.1 内部结构介绍 |
1.3.2 固态盘特性 |
1.4 国内外研究现状 |
1.4.1 闪存固态盘上数据管理的研究 |
1.4.2 闪存固态盘上排序算法的研究 |
1.4.3 闪存固态盘上基于R-树范围查询的研究 |
1.4.4 现有研究的主要问题和研究空白 |
1.5 本文主要研究内容和组织结构 |
1.5.1 本文主要研究内容 |
1.5.2 本文的组织结构 |
第2章 闪存固态硬盘上的外存排序算法 |
2.1 引言 |
2.2 FSSort算法 |
2.2.1 理论基础 |
2.2.2 算法介绍 |
2.2.3 算法优化 |
2.2.4 算法分析 |
2.3 实验结果 |
2.3.1 实验方法 |
2.3.2 实验环境 |
2.3.3 实验数据 |
2.3.4 结果与分析 |
2.4 本章小结 |
第3章 闪存固态盘上外存归并算法最优方案研究 |
3.1 引言 |
3.2 问题定义 |
3.2.1 I/O时间代价分析 |
3.2.2 外存归并排序最优方案问题 |
3.3 性质分析 |
3.4 Sort Decision算法 |
3.4.1 Sort Decision算法框架 |
3.4.2 读写函数计算 |
3.4.3 凸优化求解 |
3.4.4 算法复杂度分析 |
3.5 实验结果 |
3.5.1 实验方法 |
3.5.2 实验设置 |
3.5.3 结果与分析 |
3.6 本章小结 |
第4章 闪存固态盘上外存归并排序的内存推荐算法 |
4.1 引言 |
4.2 问题定义和理论基础 |
4.3 内存推荐策略 |
4.4 外存归并排序内存推荐算法 |
4.4.1 最优内存推荐算法 |
4.4.2 读写函数计算 |
4.4.3 读写缓冲区计算 |
4.4.4 算法复杂度分析 |
4.5 实验结果 |
4.5.1 实验方法 |
4.5.2 实验设置 |
4.5.3 结果和分析 |
4.6 本章小结 |
第5章 基于固态盘内部并行性的R-树查询算法 |
5.1 引言 |
5.2 R-树表示 |
5.3 R-树查询优化 |
5.3.1 经典范围查询算法NS |
5.3.2 基准查询算法NBS |
5.3.3 基于队列查询算法QBS |
5.3.4 基于栈查询算法SBS |
5.4 实验结果 |
5.4.1 实验方法 |
5.4.2 实验设置 |
5.4.3 结果和分析 |
5.5 本章小结 |
结论 |
参考文献 |
附录A 固态盘内部并行性的利用 |
A.1 并行性利用原理 |
A.2 并行性触发算法 |
A.3 算法实现 |
A.4 算法分析 |
攻读博士学位期间发表的论文及其他成果 |
致谢 |
个人简历 |
(2)FreeRTOS在ARM平台的SMP系统方案研究与实现(论文提纲范文)
摘要 |
abstract |
第一章 绪论 |
1.1 研究背景和意义 |
1.2 多核操作系统的研究现状及发展趋势 |
1.3 主要工作内容及创新点 |
1.4 论文结构安排 |
第二章 相关技术介绍 |
2.1 FreeRTOS |
2.1.1 FreeRTOS的系统架构 |
2.1.2 FreeRTOS的源码结构 |
2.1.3 FreeRTOS的内存管理 |
2.2 ARM Cortex A53 |
2.3 本章小结 |
第三章 FreeRTOS SMP方案的研究与需求分析 |
3.1 功能性的研究与需求分析 |
3.1.1 系统的引导与初始化 |
3.1.2 任务管理 |
3.1.3 中断处理机制 |
3.1.4 核间通信 |
3.1.5 核间同步与互斥 |
3.2 非功能性需求分析 |
3.3 本章小结 |
第四章 FreeRTOS SMP方案的设计与实现 |
4.1 系统的引导与初始化 |
4.1.1 系统启动引导设计 |
4.1.2 处理器核心的休眠与唤醒 |
4.2 SMP模式任务管理的设计与实现 |
4.2.1 全局多级就绪任务队列 |
4.2.2 任务调度机制的设计 |
4.2.3 任务调度与切换的实现 |
4.3 中断处理机制 |
4.3.1 中断向量的设置 |
4.3.2 中断的开启与屏蔽 |
4.3.3 时间片中断的处理 |
4.3.4 软件中断的处理 |
4.4 核间通信的设计与实现 |
4.5 核间同步与互斥的设计与实现 |
4.5.1 ARMv8下自旋锁机制的分析与设计 |
4.5.2 自旋锁机制的实现 |
4.6 SMP任务调度分析与改进 |
4.6.1 SMP任务调度分析 |
4.6.2 SMP任务调度方案改进 |
4.7 本章小结 |
第五章 测试结果与分析 |
5.1 测试环境 |
5.2 功能测试 |
5.2.1 系统引导与初始化测试 |
5.2.2 核间同步互斥测试 |
5.2.3 核间通信与中断处理测试 |
5.2.4 多核任务调度测试 |
5.3 非功能测试 |
5.3.1 任务切换时间 |
5.3.2 FreeRTOS SMP性能测试 |
5.4 测试结果分析 |
5.5 本章小结 |
第六章 总结与展望 |
6.1 工作总结 |
6.2 研究展望 |
参考文献 |
致谢 |
攻读学位期间取得的研究成果 |
(3)异构体系结构上的数据处理加速(论文提纲范文)
摘要 |
ABSTRACT |
第一章 绪论 |
1.1 研究背景 |
1.2 面临的挑战 |
1.3 研究内容和主要贡献 |
1.4 章节安排 |
第二章 研究综述 |
2.1 GPU硬件特性 |
2.2 CPU-GPU异构体系结构 |
2.3 大数据处理模型与Map Reduce |
2.4 大数据处理的负载特性 |
2.5 GPU加速与大数据处理的结合方式 |
2.6 基于GPU的关系型数据处理 |
2.6.1 GPU数据库 |
2.6.2 GPU大数据框架 |
2.6.3 GPU流式数据处理 |
2.6.4 基于微批次的CPU-GPU流水线执行 |
2.7 基于GPU的高维数据处理 |
2.7.1 基于GPU的大数据训练 |
2.7.2 基于GPU的大数据推断 |
2.8 本章小结 |
第三章 异构加速的数据分析框架 |
3.1 引言 |
3.2 问题描述 |
3.3 Shadow VM框架设计 |
3.3.1 控制平面 |
3.3.2 数据平面 |
3.3.3 部署 |
3.4 基于vkernel的异构执行 |
3.4.1 vkernel代码生成 |
3.4.2 vkernel调度执行 |
3.5 基于被动预取的GPU执行优化 |
3.6 实验分析 |
3.6.1 实验设置 |
3.6.2 实验结果及分析 |
3.7 本章小结 |
第四章 GPU推断的缓存与批量执行优化 |
4.1 引言 |
4.2 问题描述 |
4.2.1 数据处理中的推断负载 |
4.2.2 性能剖析与瓶颈分析 |
4.3 HAIP总体设计 |
4.4 近设备缓存技术 |
4.4.1 前端缓存 |
4.4.2 后端缓存 |
4.5 缓存感知的批量执行技术 |
4.5.1 聚合和分散原语 |
4.5.2 周期性交错执行协议 |
4.6 实验分析 |
4.6.1 实验配置 |
4.6.2 实验分析 |
4.7 本章小节 |
第五章 分离式CPU-GPU架构的流水线优化 |
5.1 引言 |
5.2 问题描述 |
5.2.1 CPU-GPU内存模型 |
5.2.2 核函数与持久化线程 |
5.3 连续式CPU-GPU流水线执行模型 |
5.4 框架实现 |
5.4.1 共享队列实现 |
5.4.2 利用细粒度数据结构降低传输量 |
5.4.3 用户态GPU显存管理 |
5.4.4 持久化算子实现 |
5.5 实验分析 |
5.5.1 实验配置 |
5.5.2 实验分析 |
5.6 本章小节 |
第六章 总结与展望 |
6.1 本文总结 |
6.2 未来展望 |
参考文献 |
致谢 |
发表论文和科研情况 |
(4)基于ARM的通用型人脸识别系统软件设计与实现(论文提纲范文)
摘要 |
abstract |
第一章 绪论 |
1.1 研究工作的背景与意义 |
1.2 国内外研究现状 |
1.2.1 人脸识别研究现状 |
1.2.2 嵌入式系统研究现状 |
1.2.3 嵌入式人脸识别系统研究现状 |
1.3 本文主要内容以及结构安排 |
第二章 系统总体设计 |
2.1 系统总体需求分析 |
2.1.1 系统非功能性需求分析 |
2.1.2 系统功能性需求分析 |
2.2 嵌入式系统硬件平台 |
2.3 系统软件环境搭建 |
2.3.1 嵌入式操作系统 |
2.3.2 配置系统环境 |
2.4 系统人脸识别方法选取 |
2.4.1 相关算法分析 |
2.4.2 卷积神经网络 |
2.5 系统软件总体设计 |
2.6 本章小结 |
第三章 人脸识别算法模块设计与实现 |
3.1 算法模块整体设计 |
3.2 RetinaNet人脸检测模型 |
3.3 Facenet特征提取 |
3.3.1 Facenet网络模型 |
3.3.2 GoogleNet特征提取 |
3.3.3 MobileNetV2 特征提取 |
3.3.4 triplet loss优化 |
3.4 视频流人脸跟踪 |
3.5 余弦相似度特征比对 |
3.6 图片流处理模块流程设计与实现 |
3.7 视频流处理模块流程设计与实现 |
3.8 本章小结 |
第四章 系统其他主要功能模块设计与实现 |
4.1 接口模块设计与实现 |
4.1.1 视频流接口设计与实现 |
4.1.2 图片流接口设计与实现 |
4.1.3 传输接口设计与实现 |
4.2 DP Server模块设计与实现 |
4.3 人脸库管理模块设计与实现 |
4.3.1 MySql数据库 |
4.3.2 人脸数据库设计与实现 |
4.4 特征库模块设计与实现 |
4.5 本章小结 |
第五章 交互功能实现与系统测试分析 |
5.1 系统交互功能实现 |
5.2 系统测试与分析 |
5.2.1 系统功能测试 |
5.2.2 系统录入性能测试 |
5.2.3 人脸检测识别性能测试 |
第六章 总结与展望 |
6.1 全文总结 |
6.2 后续工作展望 |
致谢 |
参考文献 |
附录 |
(5)基于RTLinux的软件定义型智能控制系统研究(论文提纲范文)
摘要 |
ABSTRACT |
第1章 绪论 |
1.1 课题的背景与意义 |
1.2 软件定义型智能控制系统研究现状 |
1.2.1 国外研究现状 |
1.2.2 国内研究现状 |
1.3 论文的主要研究内容 |
第2章 软件定义型智能控制系统总体设计 |
2.1 传统PLC系统结构及工作原理 |
2.1.1 传统PLC的结构部分 |
2.1.2 传统PLC的工作原理 |
2.2 软PLC的结构及工作原理 |
2.2.1 软PLC的结构系统 |
2.2.2 软PLC工作原理 |
2.3 智能控制系统的硬件设计 |
2.3.1 系统硬件设计 |
2.3.2 核心处理器选型 |
2.4 嵌入式智能控制系统的操作系统选型 |
2.5 软件定义型智能控制系统总体方案设计 |
2.6 本章小结 |
第3章 软件定义型智能控制系统关键技术分析 |
3.1 软件定义型控制技术分析 |
3.1.1 软件定义模型设计 |
3.1.2 软件定义模型实现 |
3.2 多协议控制技术分析 |
3.2.1 自定义串口协议设计 |
3.2.2 多协议兼容机制研究 |
3.3 RTLinux操作系统研究 |
3.3.1 RTLinux操作系统概述 |
3.3.2 RTLinux的工作原理 |
3.3.3 RTLinux任务调度策略算法 |
3.3.4 RTLinux实时程序开发 |
3.4 本章小结 |
第4章 软件定义型智能控制系统软件设计 |
4.1 软件定义型智能控制系统软件平台搭建 |
4.1.1 交叉编译环境的建立 |
4.1.2 Bootloader引导程序实现 |
4.1.3 RTLinux系统内核移植 |
4.2 软件定义型智能控制系统数据结构设计 |
4.2.1 系统指令集 |
4.2.2 STL映像码 |
4.2.3 系统文件结构 |
4.3 平台层设计 |
4.3.1 平台层总体框架设计 |
4.3.2 硬件参数配置模块 |
4.3.3 工程配置模块 |
4.3.4 变量管理模块 |
4.3.5 PLC用户程序编辑 |
4.4 终端层程序设计 |
4.4.1 终端层程序总体设计 |
4.4.2 终端层程序总体工作流程 |
4.4.3 主模块解析程序 |
4.4.4 数据输入扫描子模块 |
4.4.5 软件定义功能 |
4.4.6 数据输出子模块 |
4.5 本章小结 |
第5章 软件定义型智能控制系统应用及实验验证 |
5.1 安全控制系统设计 |
5.2 安全控制系统应用测试 |
5.2.1 软件定义快速构建安全控制终端 |
5.2.2 PLC用户程序设计及测试 |
5.2.3 多协议机制测试 |
5.2.4 CAN实时数据采集测试 |
5.3 本章小结 |
第6章 总结与展望 |
6.1 本课题主要内容及成果 |
6.2 后续工作展望 |
参考文献 |
致谢 |
在校期间主要研究成果 |
(6)AVS2中基于编码预测块预测模式的QP值调整算法研究(论文提纲范文)
摘要 |
ABSTRACT |
第一章 绪论 |
1.1 研究背景及意义 |
1.2 国内外研究现状 |
1.2.1 视频编码标准发展现状 |
1.2.2 我国视频压缩标准AVS的制定与发展 |
1.2.3 码率控制的发展及现状 |
1.3 论文主要研究内容 |
1.4 论文工作及章节安排 |
1.5 本章小结 |
第二章 视频编码相关理论和技术 |
2.1 视频编码技术 |
2.1.1 压缩编码 |
2.1.2 预测编码 |
2.1.3 图像基本切割单元 |
2.1.4 码率控制和量化参数 |
2.2 AVS2视频编码技术 |
2.2.1 AVS2编码框架 |
2.2.2 深度优先CU划分过程 |
2.2.3 多假设帧间预测 |
2.3 码率控制的相关技术 |
2.3.1 模糊逻辑码率控制 |
2.3.2 PID反馈码率控制 |
2.4 本章小结 |
第三章 AVS2编码平台搭建 |
3.1 AVS2编码平台需求分析 |
3.2 VM虚拟机 |
3.3 Linux系统介绍 |
3.4 FFmpeg多媒体处理框架 |
3.5 本章小结 |
第四章 AVS2量化参数QP值调整策略 |
4.1 AVS2码率控制局限性 |
4.2 图像复杂度估计和帧间相关性判断 |
4.3 量化参数QP值调整方案 |
4.4 测试环境与结果分析 |
4.4.1 测试环境 |
4.4.2 结果分析 |
4.5 本章小结 |
第五章 总结与展望 |
5.1 论文工作总结 |
5.2 后续工作展望 |
参考文献 |
致谢 |
攻读学位期间发表的学术论文目录 |
(7)高通量信息流实时处理与传输关键技术研究与实现(论文提纲范文)
摘要 |
ABSTRACT |
符号对照表 |
缩略语对照表 |
第一章 绪论 |
1.1 选题的背景与意义 |
1.2 国内外研究现状 |
1.2.1 国外研究现状 |
1.2.2 国内研究现状 |
1.3 研究内容与工作 |
1.4 论文结构 |
第二章 相关技术与理论 |
2.1 信息流传输实时性优化 |
2.1.1 进程/线程绑定CPU核心 |
2.1.2 CPU的亲和性 |
2.1.3 内核实时抢占补丁 |
2.2 信息流处理实时性优化技术 |
2.2.1 DPDK |
2.2.2 F-Stack |
2.3 本章小结 |
第三章 信息流处理与传输流程分析及实时性架构设计 |
3.1 数据仿真软件整体分析 |
3.2 信息流处理流程分析 |
3.2.1 指标定义 |
3.2.2 信息流处理流程测试实验 |
3.2.3 瓶颈分析 |
3.3 信息流处理实时技术可行性分析 |
3.3.1 信息流处理仿真算法优化 |
3.3.2 进程/线程绑定CPU核心 |
3.3.3 系统内核实时抢占补丁 |
3.4 信息流传输流程分析 |
3.4.1 指标定义 |
3.4.2 传统Socket方式发送UDP数据包性能测试实验 |
3.4.3 瓶颈分析 |
3.5 信息流传输实时技术DPDK可行性分析 |
3.6 信息流处理与传输实时性架构设计 |
3.7 本章小结 |
第四章 信息流处理优化加速实现 |
4.1 信息流处理性能瓶颈剖析 |
4.2 线程绑定CPU核心对信息流处理优化加速的实现 |
4.3 系统内核实时抢占补丁 |
4.3.1 内核实时抢占补丁对信息流处理优化加速的实现 |
4.3.2 实时补丁实时性对比测试 |
4.4 实验与分析 |
4.4.1 线程绑定对信息流处理流程实时性影响实验 |
4.4.2 实时补丁对信息流处理流程实时性影响实验 |
4.4.3 信息流处理实时性优化实验 |
4.5 本章小结 |
第五章 信息流传输优化加速实现 |
5.1 信息流传输性能瓶颈剖析 |
5.2 DPDK |
5.2.1 DPDK对信息流传输优化加速的实现 |
5.2.2 问题分析及解决方案设计 |
5.3 F-Stack |
5.3.1 F-Stack分析及实现 |
5.3.2 问题分析及解决方案设计 |
5.4 基于F-Stack的网络设计 |
5.4.1 通信线程设计 |
5.4.2 逻辑线程接收数据包流程设计 |
5.4.3 逻辑线程发送数据包流程设计 |
5.5 实验与分析 |
5.5.1 DPDK对信息流传输实时性的影响实验 |
5.5.2 数据仿真软件整体优化前后对比实验 |
5.6 本章小结 |
第六章 总结与展望 |
6.1 工作总结 |
6.2 工作展望 |
参考文献 |
致谢 |
作者简介 |
(8)高速移动环境多维网络高精度测量评估系统的设计与实现(论文提纲范文)
致谢 |
摘要 |
ABSTRACT |
1 引言 |
1.1 选题背景与研究意义 |
1.2 国内外研究现状 |
1.3 本文主要内容 |
1.4 论文组织结构 |
2 相关技术研究 |
2.1 高速移动环境网络测量相关技术 |
2.2 网络测量相关技术概述 |
2.2.1 网络测量系统功能结构 |
2.2.2 网络测量系统拓扑结构 |
2.2.3 网络测量系统测量方法 |
2.3 监控数据采集、存储和展示相关技术 |
2.3.1 开源时序数据库InfluxDB |
2.3.2 开源数据采集工具Telegraf |
2.3.3 开源度量分析和可视化工具Grafana |
2.3.4 系统实时监控一般架构 |
2.4 时钟同步相关技术 |
2.5 前端后端相关技术 |
2.5.1 非关系型数据库Redis及缓存架构 |
2.5.2 消息队列系统Kafka |
2.5.3 HTTP服务器Apache |
2.5.4 后端HTTP服务相关技术 |
2.5.5 前端用户界面相关技术 |
2.6 本章小结 |
3 高速移动环境多维网络高精度测量评估系统的方案设计 |
3.1 设计需求描述 |
3.2 总体方案设计 |
3.3 可用性检测和时钟同步模块设计 |
3.3.1 可用性检测和时钟同步模块架构 |
3.3.2 网卡可用性检测子模块 |
3.3.3 网络连通性检测子模块 |
3.3.4 时钟同步子模块 |
3.4 参数测量模块设计 |
3.4.1 参数测量模块架构 |
3.4.2 地理位置信息测量子模块 |
3.4.3 信号强度和误码率参数测量子模块 |
3.4.4 时延、丢包和带宽参数测量子模块 |
3.5 显示评估模块设计 |
3.5.1 显示评估模块架构 |
3.5.2 性能评估子模块设计 |
3.5.3 实时监控子模块设计 |
3.5.4 用户展示子模块设计 |
3.6 本章小结 |
4 高速移动环境多维网络高精度测量评估系统的方案实现 |
4.1 高速移动环境多维网络高精度测量评估系统的实现架构 |
4.2 可用性检测和时钟同步模块实现 |
4.2.1 网卡可用性检测子模块实现 |
4.2.2 网络连通性检测子模块实现 |
4.2.3 时钟同步子模块实现 |
4.3 参数测量模块实现 |
4.3.1 地理位置信息测量子模块 |
4.3.2 信号强度和误码率参数测量子模块 |
4.3.3 时延、丢包和带宽参数测量子模块 |
4.4 显示评估模块实现 |
4.4.1 性能评估子模块实现 |
4.4.2 实时监控子模块实现 |
4.4.3 用户展示子模块实现 |
4.5 本章小结 |
5 高速移动环境多维网络高精度测量评估系统的测试与分析 |
5.1 测试环境搭建 |
5.2 方案功能测试与分析 |
5.2.1 参数测量功能测试 |
5.2.2 显示评估功能测试 |
5.3 高速移动环境网络性能测量算法精度对比与分析 |
5.4 本章小结 |
6 总结与展望 |
6.1 全文工作总结 |
6.2 未来工作展望 |
参考文献 |
作者简历及攻读硕士学位期间取得的研究成果 |
学位论文数据集 |
(9)移动平台恶意软件检测算法的设计与实现(论文提纲范文)
摘要 |
abstract |
第一章 绪论 |
1.1 研究背景与意义 |
1.2 国内外研究现状 |
1.3 研究目标与研究内容 |
1.4 论文章节安排 |
第二章 相关理论与技术 |
2.1 安卓系统概述 |
2.1.1 安卓系统架构 |
2.1.2 安卓权限机制 |
2.1.3 污点分析技术 |
2.2 社区发现算法 |
2.2.1 相关概念 |
2.2.2 LOUVAIN算法 |
2.3 图嵌入技术 |
2.3.1 deepwalk算法 |
2.3.2 node2vec算法 |
2.3.3 struc2vec算法 |
2.4 本章小结 |
第三章 基于信息熵和关联规则的移动端恶意软件检测方法 |
3.1 引言 |
3.2 特征选择算法 |
3.2.1 基于关联规则的特征选择 |
3.2.2 基于信息熵的特征选择 |
3.3 移动端恶意软件检测模型 |
3.3.1 权限特征提取 |
3.3.2 模型迁移 |
3.4 实验与分析 |
3.4.1 测试数据 |
3.4.2 参数设置 |
3.4.3 实验评估 |
3.5 本章小结 |
第四章 基于社区发现和图嵌入的恶意家族聚类算法 |
4.1 引言 |
4.2 总体方案 |
4.3 调用图预处理 |
4.3.1 方法调用图的构建 |
4.3.2 方法调用图的精简 |
4.3.3 精简调用图的划分 |
4.4 特征提取 |
4.5 恶意家族聚类 |
4.6 实验和分析 |
4.6.1 测试数据 |
4.6.2 评估标准 |
4.6.3 实验评估 |
4.7 本章小结 |
第五章 智能移动终端恶意程序主动检测系统的设计与实现 |
5.1 系统概述 |
5.2 总体设计 |
5.3 详细设计 |
5.3.1 移动端应用程序详细设计 |
5.3.2 云端检测平台设计 |
5.4 系统展示 |
5.4.1 移动端应用程序展示 |
5.4.2 恶意软件检测平台 |
5.5 性能测试 |
5.6 本章小结 |
第六章 总结与展望 |
6.1 总结 |
6.2 展望 |
致谢 |
参考文献 |
(10)学生实验行为分析预测系统的研究与应用(论文提纲范文)
摘要 |
abstract |
第一章 绪论 |
1.1 研究背景及意义 |
1.2 国内外研究现状 |
1.3 论文研究内容 |
1.4 论文组织结构 |
第二章 相关技术理论 |
2.1 系统开发相关技术框架 |
2.1.1 后端SpingBoot框架 |
2.1.2 前端Layui框架 |
2.1.3 Echarts可视化框架 |
2.2 数据挖掘相关技术及算法 |
2.2.1 Hadoop相关技术 |
2.2.2 Spark相关技术 |
2.2.3 K-means聚类算法 |
2.2.4 KNN回归算法 |
2.3 本章小结 |
第三章 系统需求分析 |
3.1 应用场景分析 |
3.2 系统功能需求 |
3.2.1 在线实验平台 |
3.2.2 大数据处理平台 |
3.2.3 学生实验行为数据分析 |
3.2.4 实验行为分析系统 |
3.3 系统性能需求 |
3.4 通用性设计原则 |
3.5 本章小结 |
第四章 系统总体设计 |
4.1 系统总体架构 |
4.2 系统功能结构 |
4.3 系统数据库设计 |
4.3.1 逻辑结构设计 |
4.3.2 物理结构设计 |
4.4 本章小结 |
第五章 实验行为分析系统的详细设计与实现 |
5.1 系统总体业务流程的详细设计 |
5.2 数据采集存储模块的详细设计与实现 |
5.2.1 在线实验平台的搭建 |
5.2.2 实验数据自动采集备份 |
5.2.3 实验数据预处理 |
5.2.4 大数据平台搭建 |
5.3 分析预测算法的设计与实现 |
5.3.1 K-means算法改进及实现 |
5.3.2 KNN回归预测及实现 |
5.4 系统前端及后端的详细设计与实现 |
5.4.1 界面详细设计与实现 |
5.4.2 系统接口详细设计 |
5.4.3 核心接口功能模块实现 |
5.5 本章小结 |
第六章 实验行为分析系统测试 |
6.1 测试环境及硬件配置 |
6.2 系统测试 |
6.2.1 实验行为分析测试 |
6.2.2 功能测试方法 |
6.2.3 测试用例 |
6.2.4 非功能测试 |
6.3 测试结论 |
6.4 本章小结 |
第七章 总结与展望 |
7.1 全文总结 |
7.2 后期工作展望 |
致谢 |
参考文献 |
攻读硕士学位期间取得的研究成果 |
四、让Linux发挥更大的作用(论文参考文献)
- [1]基于固态盘的外存排序和区域查询处理优化方法[D]. 陈玉标. 哈尔滨工业大学, 2021
- [2]FreeRTOS在ARM平台的SMP系统方案研究与实现[D]. 郑星. 北京邮电大学, 2021(01)
- [3]异构体系结构上的数据处理加速[D]. 李志方. 华东师范大学, 2021
- [4]基于ARM的通用型人脸识别系统软件设计与实现[D]. 刘宇皓. 电子科技大学, 2021(01)
- [5]基于RTLinux的软件定义型智能控制系统研究[D]. 许桂栋. 齐鲁工业大学, 2020(02)
- [6]AVS2中基于编码预测块预测模式的QP值调整算法研究[D]. 林正灵. 北京邮电大学, 2020(05)
- [7]高通量信息流实时处理与传输关键技术研究与实现[D]. 盛典. 西安电子科技大学, 2020(05)
- [8]高速移动环境多维网络高精度测量评估系统的设计与实现[D]. 沈俊毅. 北京交通大学, 2020(03)
- [9]移动平台恶意软件检测算法的设计与实现[D]. 邵福骏. 电子科技大学, 2020(07)
- [10]学生实验行为分析预测系统的研究与应用[D]. 陈富泽. 电子科技大学, 2020(08)