%0 Journal Article
%T 基于机器学习的指令SDC脆弱性分析方法
%A 庄毅
%A 张倩雯
%J 中山大学学报（自然科学版）
%D 2018
%X 摘要 对程序进行SDC脆弱性分析是容错研究重点关注的研究目标.针对传统方法故障注入代价较高的问题,提出一种基于机器学习的指令SDC脆弱性分析方法.首先,分析了故障注入实验的结果,获得与SDC错误相关的统计数据;其次,引入程序切片技术,在程序编译时对指令特征进行提取;最后,通过训练程序训练出的预测模型预测指令的SDC脆弱性,并由此推算出整个程序发生SDC错误的概率.以MiBench基准程序为研究对象,实验结果表明,本文提出的指令脆弱性分析方法能够在不需要故障注入的前提下,保证脆弱性分析的准确率,达到较高的预测相关性,能够用以指导检测机制的部署
%K 单粒子翻转
%K 瞬时故障
%K SDC脆弱性
%K 程序切片
%K 机器学习
%U http://xwxt.sict.ac.cn/CN/abstract/abstract4391.shtml