分离式内存架构作为一种新兴的硬件架构,近年来在学术界和工业界受到了广泛关注。该架构从物理上解耦数据中心的计算资源和内存资源,然后通过高速网络将分离的资源相互连接,从而提升数据中心的资源利用率、弹性和故障解耦能力。分布式索引作为分离式内存存储系统的核心组件,承担着高效组织与维护数据的关键任务,以满足用户对高吞吐、低时延数据访问的需求。然而,分离式内存架构受限于多方面的资源约束,如何充分适应资源解耦的特性并最大化发挥索引系统的性能,依然是亟待解决的重要问题。对分离式内存索引系统的研究进展进行了系统性综述。首先,介绍了分离式内存架构及远程直接内存访问(remote direct memory access,RDMA)的基本特征,并总结了构建高性能分离式内存索引所面临的主要挑战:并发控制、读写放大与缓存开销。随后,根据数据结构类型(哈希索引、树型索引、混合索引)对现有研究进行梳理和阐述,并以多个代表性系统为实例,分析其对应的设计思路、实现难点以及关键技术。最后,指明了分离式内存索引系统进一步研究中需要着重探索的问题,包括节点协作、容错机制以及新软硬件适配。
针对单颗FPGA资源受限难以加速大规模神经网络,且FPGA集群面临架构设计复杂、任务划分低效及自动化工具链缺失等挑战,提出面向FPGA集群的端到端自动化部署框架TH-FCAD(automated deployment framework for large-scale neural networks on FPGA clusters)。首先,构建基于TH-Express的2级互连集群架构,融合全局互连与局部互连,实现高带宽、低延迟的跨节点通信;其次,提出延迟平衡优化与模型切分方法,将大规模模型均匀切分为多加速核并保持核间延时均衡;最后,设计集群感知映射算法,联合FPGA资源约束与通信拓扑自动生成最优映射,以最小化通信开销。构建了完整的工具链,实现了从PyTorch/TensorFlow模型到集群的端到端自动化编译部署。基于16节点FPGA集群的评估表明,部署ResNet-8,SqueezeNet,ResNet-50时,推理延迟分别为0.051 ms,1.24 ms,1.36 ms,峰值算力达5.95 TOPS;较现有多FPGA方案性能提升28.4%,且优于CPU与GPU平台。
近年来,稀疏矩阵-密集矩阵乘(SpMM)已成为科学计算、图处理和深度学习等多个领域的核心算子和制约系统性能的瓶颈。然而,现有通用GPU上的SpMM实现普遍存在能效比、资源利用率低的问题,而一些专用的加速器虽然在规则计算上展现出了优异的能效比,但缺乏对不规则的稀疏矩阵运算的高效支持。针对此问题,基于高通量数据流众核处理器(DFU),提出了一种面向数据流架构的稀疏矩阵高效处理内核DFU-SpMM。首先提出数据流指令复用的分层稀疏矩阵处理方法,对稀疏数据进行重组织以减少SpMM内核的数据流图重传次数,同时,对于不同稀疏块使用不同的策略对其进行处理。然后提出面向流图优化的自适应汇编代码生成方法,引入观察者-执行者的思想,以突破现有DFU在SpMM内核生成方面的能力限制,并从任务分配和寄存器重用2个角度对代码生成过程中的数据流图构造进行优化。代表性数据集上的实验结果表明:相较于RTX 4090 GPU环境下的现有前沿工作DTC-SpMM和HP-SpMM,DFU-SpMM分别提高了平均1.09倍与1.23倍的能效以及1.71倍与1.10倍的计算资源利用率;相较于DFU加速器上数据重组织前的SpMM内核,优化后的内核实现了1.41倍的性能提升以及1.51倍的能效比提升。
随着云计算、大数据和人工智能的快速发展,数据安全与隐私保护已成为亟待解决的核心问题。2021年Arm提出机密计算架构(confidential compute architecture,CCA),通过硬件级隔离机制为敏感计算任务提供可信执行环境,保障数据与代码在使用过程中的安全性。尽管在用户态机密执行、设备隔离与系统安全增强等基于CCA的研究中已有初步成果,但整体来看,该领域仍处于起步阶段,现有研究较为分散,缺乏对架构发展与技术体系的系统性梳理。同时,部分研究重复构建底层关键机制,却未能总结技术共性。另一些工作则更关注功能实现,而对潜在攻击面及未来风险的分析不足。针对上述问题,对CCA在机密计算中的关键技术机制与研究进展进行系统分析,并对近年来具有代表性的成果进行分类归纳,涵盖执行环境扩展、设备隔离、应用适配与安全增强等方面的设计思路与实现路径。在此基础上,结合典型系统案例,凝练CCA研究中常用的技术路径,包含根世界隔离、多颗粒表内存隔离机制、2阶段页表与系统内存管理单元协同等关键技术。最后,进一步探讨当前CCA面临的主要挑战与研究趋势,为Arm机密计算领域的研究与创新提供参考。
在云计算环境中,等式测试有效解决了加密数据无法进行底层明文比较的问题,其中支持等式测试的标识加密(identity-based encryption with equality test,IBEET)算法有效简化了传统公钥加密的证书管理,具有重要价值。我国自主研发的SM9加密算法已入选ISO/IEC国际标准,但现有基于SM9的等式测试方案普遍难以抵抗颠覆攻击,即通过篡改随机数生成方式掌握后门密钥的敌手可恢复明文,从而破坏算法的安全性。针对该问题,提出了一种RCCA(relaxed chosen-ciphertext attack)安全的支持等式测试的SM9标识加密方案(RCCA secure identity-based SM9 encryption scheme with equality test,RCCA-SM9-IBEET),通过部署密码逆向防火墙(cryptographic reverse firewalls,CRF)重随机化用户输入/输出信息来抵抗颠覆攻击;然后定义了OW-ID-RCCA(one-way chosen-ciphertext security against a relaxed chosen identity attack)安全模型,支持密文可重随机化以兼容逆向防火墙;同时在随机谕言机模型下给出了安全证明。最后,从理论与实验2个维度对方案的计算成本和通信成本进行了分析。
轻量级分组密码算法的自动化分析技术是近些年研究的热点内容。LLLWBC算法是在Inscrypt 2022会议上提出的新型低延迟轻量级分组密码算法,其在软件和硬件实现上具有非常优秀的加解密性能。然而,针对一些新的安全性分析技术,LLLWBC算法是否安全还需要进一步研究。提出分组密码算法新的字传播轨迹构造技术,给出了7种不同布尔代数结构的自动化检测方法,并基于代数结构给出了积分区分器的自动化搜索方法。同时,研究了积分攻击密钥恢复过程中密钥猜测轨迹的构造方法,该方法能够自动地搜索到最优的密钥猜测集合。利用上述方法,构造了LLLWBC算法9轮的积分区分器,需要的数据复杂度为
为防范隐私数据被恶意访问与滥用,数据收集方需保障用户对个人数据处理的明确同意与自主控制权。现有方案大多将用户同意与数据处理目的直接绑定,存在同意推导语义模糊、脱离业务逻辑、缺少冲突消解机制等问题,无法形成合法有效的用户同意。针对上述问题,提出一种基于同意的访问控制模型,将同意权限纳入访问决策流程,将个人数据操作抽象为服务于特定目的的动作。模型从语义层面明确目的与数据操作的关联,搭建“目的—动作—同意”一体化语义链路;遵循最小权限与拒绝优先原则,设计适配目的层级结构的非对称同意继承规则及同意计算方法。采用TLA+(temporal logic of actions plus)完成模型形式化建模,经模型检测验证了核心安全属性。实验表明,相较于现有代表性方法,该方法可有效化解同意冲突,取得更优结果。
物联网终端资源受限与复杂攻击并存的环境,对认证协议的设计提出了严峻挑战。尤其值得关注的是,即便通过形式化工具验证的协议,在攻击者组合多种基础攻击能力(如信道控制、秘密提取)所构成的隐式攻击下仍显脆弱。为解决上述问题,提出一种面向物联网的、可证明安全、资源高效且轻量级的认证协议。该协议采用哈希函数与物理不可克隆函数(physical unclonable functions,PUF)作为核心密码原语,通过动态身份与消息融合机制,同步优化通信与计算开销。在安全层面构建了可刻画复合攻击场景的扩展ROR(real-or-random)模型,并在此模型下严格证明了所提协议会话密钥的语义安全性;启发式安全分析进一步证实,所提协议在面对各类最强隐式攻击时,仍能实现全部9项预设安全属性。性能对比实验表明,所提协议在智能设备上的计算耗时仅为0.583 5 ms,通信开销为
光交换技术得益于其可重配置特性,支持数据中心在运行时根据流量大小动态变化实时调整拓扑,可以有效应对新兴技术催生的全新流量模式。然而,配置的高度灵活性与流量大小的高度动态性是重配置与流量调度算法设计的瓶颈,现有的静态或动态算法方案难以兼顾网络性能与运行时延。基于此,提出一种静态-动态协同重配置与流量调度算法SYNC(static and dynamic network coordinator)。将重配置与流量调度问题形式化为
随着“空-天-地”一体化网络和大规模星座的快速发展,低轨卫星网络(low earth orbit satellite network,LEO-SN)与无人机(unmanned aerial vehicle,UAV)共同构成分层异构的空中接入/回传骨干,实现“空-天-地”3维互补并成为当前6G研究热点。由于LEO-SN链路的高丢包、长时延和高动态,现有地面网络的TCP(Transmission Control Protocol)拥塞控制机制难以保持稳定且高效的带宽利用率。相较于依赖丢包和时延反馈的传统算法,以BBR(bottleneck bandwidth and round-trip propagation time)为代表的探测型TCP拥塞控制算法更适用于此类复杂环境;然而,通过理论分析和实验证明,BBR算法受限于被动感知策略,在卫星链路切换时可能导致持续的带宽下降,即“长波谷效应”。为解决上述问题,提出了一种基于卫星切换预测的TCP拥塞控制机制SHP-BBR,利用历史卫星切换数据和往返时延数据,构建时间序列预测模型,提前预测卫星切换事件。基于预测结果,SHP-BBR能够提前主动感知链路状态变化,获得准确的网络参数估计,保证网络的带宽利用率。实验结果表明,SHP-BBR在低轨卫星网络环境中能够稳定消除“长波谷效应”,实现平均33%的带宽提升。同时,与传统TCP拥塞控制算法相比,SHP-BBR在动态变化的网络环境中表现出了高效、平衡的吞吐量和时延特性。