-
题名基于自注意力深度学习的硬件代码缺陷定位方法
- 1
-
-
作者
刘振磊
胡健
-
机构
重庆大学大数据与软件学院
-
出处
《计算机学报》
2025年第10期2508-2521,共14页
-
基金
国家自然科学基金片上系统高层等价性检验理论与关键技术(No.61902421)资助。
-
文摘
硬件代码缺陷定位是实现硬件设计可靠性、降低设计开发成本和提高硬件设计质量的关键环节。然而,现有缺陷定位方法存在输出与执行信息不匹配、代码覆盖矩阵语义信息不足、可疑值计算方法过于简单等问题,导致缺陷定位精度受限。为了解决这些问题,我们提出一种基于自注意力深度学习的硬件代码缺陷定位方法。该方法利用VCD(Value Change Dump)对比技术,匹配特定时钟周期内硬件程序的仿真结果与语句覆盖信息,构建精准的覆盖矩阵。其次,通过动态切片技术增强语义信息,保留与缺陷相关的语句,缩小代码搜索范围。最后,使用自注意力深度神经网络学习语句与缺陷之间的复杂映射关系,计算每个语句的可疑值,实现高精度的硬件代码缺陷定位。实验结果表明,该方法在缺陷定位效果上优于最新的缺陷定位方法。在Top-1指标下,本文方法的缺陷定位有效性比最新的缺陷定位方法增长了50%至200%;在MFR指标下,本文方法的缺陷定位有效性比最新的缺陷定位方法的有效性下降了51%至59%,表明该方法能更快更精确地识别缺陷位置,从而有效提高硬件设计的验证效率。
-
关键词
缺陷定位
自注意力深度学习
程序切片
覆盖矩阵
可疑值
-
Keywords
fault localization
self-attention deep learning
program slicing
coverage matrix
suspiciousness
-
分类号
TP391.41
[自动化与计算机技术]
-
