题名 基于QEMU的可重构专用处理器模拟器实现
被引量：6
1
作者
李可生 杨博 徐天伟 李丽 何书专 潘红兵
机构
南京大学电子科学与工程学院 南京大学江苏省光电信息功能材料重点实验室
出处
《计算机工程与设计》
北大核心
2016年第5期1335-1339,共5页
基金
国家自然科学基金项目(61176024 61006018 +3 种基金 61370040 61376075) 高等学校博士学科点专项科研基金项目(20120091110029) 江苏省产学研联合创新资金-前瞻性联合研究基金项目(BY2013072-05)
文摘
针对基于SystemC的可重构专用处理器模拟器在整个系统的仿真时(包括操作系统、驱动、API及应用程序)耗时久、影响开发进度的问题,提出一种基于QEMU的模拟器设计方法。根据可重构专用处理器的功能特点和系统架构,对可重构专用处理器进行抽象,利用在仿真速度上优势明显的QEMU,设计并实现一个在功能和内部存储上精确的模拟器。实验测试结果表明,该模拟器提高了全系统仿真时的速度,在硬件开发板尚未就位前,为软件开发人员提供了一个可以进行软件开发和测试的平台,提高了开发效率。
关键词
qemu 虚拟机 可重构专用处理器 模拟器 全系统仿真
Keywords
qemu virtual machine reconfigurable application specific processor emulator full system emulation
分类号
TP391.9
[自动化与计算机技术—计算机应用技术]
题名 基于QEMU的CAN网络仿真
被引量：3
2
作者
金洋 李硕 曾俊宝
机构
中国科学院沈阳自动化研究所机器人学国家重点实验室 中国科学院大学
出处
《计算机应用与软件》
CSCD
2015年第5期80-83,共4页
基金
国家高技术研究发展计划项目(2011A A09A105)
文摘
为了缩短CAN网络的开发周期,降低成本,通常先通过软件进行仿真。在此采用QEMU作为其单个结点,并通过Socket CAN将各个结点链接起来组成CAN(Controller Area Network)虚拟网络。在设计单结点时,采用最新的QOM(QEMU Object Model)模型,设计了通用的独立CAN控制器SJA1000,包括设备模型、设备前后端、设备驱动的设计。最后在QEMU实现了虚拟CAN设备,给出了其功能测试结果,并对搭建的CAN网络进行了性能测试,满足仿真要求。
关键词
CAN qemu QOM LINUX SocketCAN SJA1000 仿真
Keywords
Controller area network （CAN） quick emulator （qemu ） qemu object model （QOM） Linux SocketCAN SJA1000 Simulation
分类号
TP311.56
[自动化与计算机技术—计算机软件与理论]
题名 基于QEMU的Linux应用异常通信行为分析
被引量：1
3
作者
敖权 陆慧梅 向勇 曹睿东
机构
北京理工大学计算机学院 清华大学计算机科学与技术系
出处
《计算机科学》
CSCD
北大核心
2018年第5期89-96,共8页
基金
核高基项目(2012ZX01039-004-4 2012ZX01039-003)资助
文摘
文中提出了一种基于QEMU的异常通信行为的半自动分析方法(Socket Analysis based on QEMU,SAQ),该方法能够及时发现Linux中elf格式应用程序的异常通信,预防信息泄露。通过改写QEMU,开发了一款动态跟踪工具QEMU-TRACER,SAQ可利用QEMU-TRACER定位应用程序中的可疑通信函数;通过二进制代码修改,逐一屏蔽可疑通信函数,并通过对比修改前后程序行为的变化来确定和清除异常的网络通信。针对OpenSSH和ProFTPD的测试表明,SAQ能够发现并成功屏蔽其中的异常通信行为。
关键词
隐蔽通信 动态跟踪 qemu 模拟器函数调用 二进制修改
Keywords
Covert communication Dynamic tracing qemu emulator Function call Binary rewriting
分类号
TP391
[自动化与计算机技术—计算机应用技术]
题名 二进制翻译中动静结合的寄存器分配优化方法
被引量：5
4
作者
王军 庞建民 傅立国 岳峰 单征 张家豪
机构
数学工程与先进计算国家重点实验室(战略支援部队信息工程大学)
出处
《计算机研究与发展》
EI
CSCD
北大核心
2019年第4期708-718,共11页
基金
国家自然科学基金项目(61472447 61802433)~~
文摘
针对二进制翻译器QEMU(quick emulator)在寄存器映射时未考虑基本块之间以及循环体之间对寄存器需求的差异,造成不必要的寄存器溢出而导致的冗余访存开销问题,引入全局寄存器静态映射和局部寄存器动态分配思想,提出高效的基于优先级的动静结合寄存器映射优化算法.该算法首先基于源平台不同寄存器使用的统计特征和各变量的生命周期,静态进行全局寄存器映射;然后依据中间表示与源平台寄存器之间的映射关系,获取基本块中间指令需求寄存器次数并排序确定寄存器分配的优先级;之后依据优先级顺序动态进行寄存器分配,从而减少寄存器溢出次数,降低生成的本地代码的膨胀率以及访存次数,提高目标程序性能.对NBENCH、典型的递归程序和SPEC2006的测试表明:该算法有效地减少了本地代码的访存次数,提高了程序性能,平均比优化前性能分别提升了8.67%, 8.25%, 8.10%.
关键词
二进制翻译 寄存器分配 翻译器qemu 反馈式静态二进制翻译器FD-Sqemu TCG中间表示
Keywords
binary translation register allocation quick emulator (qemu )feedback static qemu (FD-Sqemu ) TCG intermediate code
分类号
TP314
[自动化与计算机技术—计算机软件与理论]
题名 程序自动脱壳数据采集技术研究
被引量：3
5
作者
曾勇军 朱俊虎 奚琪
机构
信息工程大学信息工程学院
出处
《计算机应用》
CSCD
北大核心
2009年第3期813-816,共4页
文摘
自动提取加壳程序隐藏的代码和数据是目前恶意代码检测技术面临的重要问题。分析了加壳程序运行的本质特征,给出了存储器监控算法和动态基本块标记算法,描述了基于QEMU仿真器的程序自动脱壳数据采集系统的设计思路。实验结果表明,该系统可以有效地提取被加壳程序的代码和数据,完整地记录程序脱壳的执行行为。
关键词
脱壳 qemu 仿真器数据采集 基本块
Keywords
unpacking qemu emulator data acquistion basic block
分类号
TP274.2
[自动化与计算机技术—检测技术与自动化装置]
题名 陶瓷洁具数字化设计和制造技术的研究
被引量：4
6
作者
周松青 林伟 刘子建 肖汉宁
机构
佛山科学技术学院 佛山石湾鹰牌控股公司 湖南大学
出处
《中国陶瓷》
CAS
CSCD
北大核心
2007年第6期14-16,25,共4页
文摘
介绍了卫生陶瓷洁具设计技术的现状、数字化设计和制造技术的研究成果。数字化设计和制造技术是将陶瓷工艺、工业产品设计、CAD/CAM、数控加工、流体仿真、计算机软件和数据库技术结合在一起的、具有高度技术集成和智能数字化的先进技术,造型设计参数化、结构设计参数化、快速制模和数字化测试技术是其主要组成部分。利用该技术开发的新产品品质、排污功能优良,极具环保性能、造型价值和文化价值,能降低开发成本。
关键词
洁具 数字化设计技术 快速制模 仿真 计算 原创性设计
Keywords
Sanitary-Wares, Digital Design Technique, quick Moulding, Emulated Calculation, Original and Autonomous Designing
分类号
TQ174.769
[化学工程—陶瓷工业]
题名 一种动静态结合的代码反汇编技术
被引量：5
7
作者
宋威 曾勇军 奚琪
机构
中国通用技术(集团)控股有限责任公司 解放军信息工程大学信息工程学院
出处
《计算机工程》
CAS
CSCD
2012年第1期68-70,73,共4页
文摘
为在不修改二进制代码的情况下提高反汇编的准确性和覆盖率,提出一种静态分析与动态仿真相结合的反汇编技术。在传统静态反汇编算法的基础上,利用代码仿真环境构造动态基本块标记算法,通过监控代码的执行路径达到反汇编求精的目的。测试结果证明了该方法的有效性。
关键词
反汇编技术 线性扫描 递归遍历 基本块 qemu 仿真器
Keywords
disassembly technology linear scan recursive traversal basic block qemu emulator
分类号
TP309
[自动化与计算机技术—计算机系统结构]
题名 基于递归神经网络的恶意程序检测研究
被引量：4
8
作者
王乐乐 汪斌强 刘建港 张建辉 苗启广
机构
国家数字交换系统工程技术研究中心 南京信息技术研究院 西安电子科技大学计算机学院
出处
《计算机科学》
CSCD
北大核心
2019年第7期86-90,共5页
文摘
针对传统恶意程序检测判定效率低及自动分析恶意程序能力不足的问题,在深度学习环境下,研究利用递归神经网络进行恶意程序的检测分类的问题。首先,用快速模拟器(Quick Emulator,QEMU)捕获到恶意程序运行时所调用的API及其参数序列,经过行为抽象,形成恶意程序的特征序列。然后使用对数化的双线性模型(Hierarchical Log-bilinear Language Model,HLBL)将特征序列映射成固定长度的词向量,并将这些词向量合成递归神经网络(Recursive Neural Network,RNN)所需要的输入矩阵。通过对递归神经网络模型的训练,建立恶意程序的多层语义聚合模型,完成对恶意程序的分类检测。实验数据表明,递归神经网络模型在恶意程序检测分类中能够有效地检测出恶意程序,与传统机器学习算法相比,其检测率提高了17%。特别是在引入张量(Tensor)的概念,采用递归张量神经网络(Recursive Neural Tensor Network,RNTN)模型后,通过降低整体的参数数量和计算量,使检测率较RNN模型又提高了7%。实验数据充分说明,采用递归神经网络模型完全可以完成大数据环境下恶意程序的检测分类任务。
关键词
qemu HLBL 词向量 递归神经网络 多层语义聚合模型
Keywords
quick emulator Hierarchical log-bilinear language model Word vector Recursive neural network Multi-level semantic aggregate model
分类号
TP393
[自动化与计算机技术—计算机应用技术]
