一、一种大型消息系统下内存管理的方法（论文文献综述）
寿颖杰[1]（2021）在《嵌入式操作系统在分布式系统中的设计与应用》文中提出随着对物联网设备的的不断发展,现在的社会越来越需要在智能家居、智能医疗、智能交通等嵌入式终端节点具备高性能的结构和高速有效的计算功能,使用户满足各种信息科技服务。然而在目前社会中,大都嵌入式系统单独工作,系统与系统之间几无互动,很少能够在终端节点利用互相协作来完成一些复杂的计算。而在分布式系统的应用下,物联网终端节点在理论上可以通过协同工作实现一定的计算。伴随着分布式系统的推广,多个嵌入式系统之间的交互将成为分布式技术和嵌入式技术交叉融合研究方面比较热门的内容。但目前这方面设计研究在市面上还比较少,且存在多方面的问题:第一,嵌入式设备中的资源有限,且设备专用性强,使得用于复杂计算的性能会不高;第二,研究人群较少,研究并未对这方面有深入探讨;第三,几乎无应用方面的研究,研究基本仅止步于在系统测试阶段。因此,本文先将嵌入式系统与分布式系统结合起来,通过多个嵌入式系统构建一个小型分布式系统,称为“多嵌入式系统”;然后在这个可用于分布式计算的多嵌入式系统上,将嵌入式操作系统进行设计和应用,即为分布式系统和嵌入式操作系统结合的“分布式操作系统”。在构建的多嵌入式系统中,每个节点都由一个STM32板和一个分布式操作系统（通过嵌入式实时操作系统RT-Thread修改扩充而成）构成。整个系统中,单个嵌入式系统分为控制节点和计算节点两类,两者的功能有所不同。控制节点负责收集节点信息、管理进程和分配分发计算任务,将任务分发分配到计算节点上执行;计算节点上实现执行任务功能,并将自身节点信息和任务结果发送数据给控制节点或其他计算节点。控制节点和计算节点相互协同工作,构成了整个分布式系统,实现了在终端节点协同完成部分复杂计算工作的目标。在构建整个系统时,对分布式操作系统和分布式通信机制进行了设计。具体为:1)在设计分布式操作系统时,主要对进程管理与调度、协同处理和任务分配完成探讨和设计;在设计过程中,主要是将分布式系统中成熟的研究,甚至已经应用的算法,将其实现在系统中的分布式操作系统里,并提供代码。2)在设计通信机制时,先实现了消息传递的方式,由于系统的运行特点,采用半同步半异步的Client/Server通信模型;然后还设计实现了远程过程调用（RPC）功能,用于实现控制节点调用某计算节点;最后设计了信息传递时的保密机制,由于本系统小型化、分布式等特点,采用并设计了基于属性加密的通讯加密方案,将其应用于系统中。总体上,完成实现了系统的基本功能。根据实际项目,还将构建完成的分布式操作系统应用于实际生产生活中的多嵌入式系统上。通过应用实现在DALI系统中可以看出,嵌入式操作系统与分布式系统所结合而成的分布式操作系统在智能家居中可以得到很好的应用,使原本的系统提升了更良好的性能,且在产品现场安装使用后也取得了不错的效果。
徐鑫辰[2]（2021）在《边缘计算下的Docker容器安全监控系统》文中认为边缘计算拥有低时延和高安全等诸多优点,边缘计算可以看作“微云”,相比云来说其本身的计算资源、存储资源都更受到局限。在边缘设备上会有多种异构终端接入、异构数据存储且多种应用运行其上,边缘设备提供安全的支持系统是边缘设备安全的基础。Docker是基于“沙箱机制”的一种轻量级容器引擎,将底层文件、镜像和应用程序等统一打包的虚拟化技术其具有统一的标准化打包流程、强大的可移植性和隔离各个应用的安全性等优点,高度契合边缘计算的现有需求。基于Docker技术支持的边缘计算可以实现低开销下的高安全性能。所以本课题研究使用Docker技术作为边缘计算设备上的支持引擎及系统的安全监控,本文主要研究内容如下:根据Docker底层实现原理,分析了Docker技术应用于边缘计算系统上面临的安全性问题。针对Docker技术面临的一系列安全性问题,介绍了常用的Docker监控系统作为Docker技术的安全性增强方法。设计了一个边缘计算系统下的Docker安全监控模型并具体说明了监控模型内各个模块的功能。在边缘计算系统下使用Prometheus+c Advisor+Grafana的方法搭建了该监控模型并实现各个模块的功能。针对Docker容器监控系统的不足之处,设计了一个边缘计算系统上的Docker监控交互平台,实现了边缘系统上容器的实时监控、增删容器、控制新建容器计算资源和向开发者提供交互开发环境等功能。提出了一种基于容器监控的节点安全性判定方法。首先提出了两种阈值确定方法,分别根据箱型图法和K-means算法两种方法确定容器监控的阈值,根据监控阈值统计一段时间内各指标告警次数作为容器安全性判定的量化值,然后使用熵权法和CRITIC法分别对Docker容器指标进行客观赋权,根据两种方法的赋权结果对各个节点上的指标项加权评分,通过划分评分值来判定节点安全性。提出了一种基于图计算的无Docker监控节点安全性预测方法,首先在同一边缘侧网络下建立节点的拓扑图模型,使用LPA与SLPA两种图计算算法,对图模型进行了社区划分,将网络内连接关系更紧密的节点划分到同一社区内,在社区内使用基于Page Rank算法的标签预测方法,根据已知监控节点的安全标签预测了无监控节点的安全标签。本文首先分析了边缘计算的现有需求,根据需求提出了使用Docker容器作为边缘计算系统的支持引擎;然后使用容器监控软件搭建了边缘计算监控模型,设计计了一个边缘计算Docker监控交互平台;在边缘计算系统上使用容器监控采集数据,基于客观赋权法提出了一种节点安全性判别方法;在同一边缘计算网络下,根据已知的节点监控安全标签,基于图计算理论提出了一种无监控的节点安全性预测方法。
李明[3]（2021）在《基于多片多核处理器的自动驾驶控制软硬件架构实现研究》文中研究表明随着自动驾驶的不断发展,对自动驾驶控制器的算力提出了越来越高的要求,传统的单核处理器已经无法满足自动驾驶的算力需求,而多核处理器开始得到更多的应用。另外,功能安全也是自动驾驶需要解决的一个重要问题,为了提高自动驾驶控制器的功能安全,冗余技术开始逐渐应用于自动驾驶控制器的设计上。因此,本文对多核处理器在自动驾驶控制中的应用以及自动驾驶控制器的冗余设计方法进行研究,提出了基于多核处理器的双冗余自动驾驶控制器硬件架构,并基于该硬件架构进行了自动驾驶控制软件架构的设计。本文首先对自动驾驶控制器进行了硬件设计。针对控制器的算力和功能安全需求,选择了能够达到最高功能安全等级ASIL-D的多核处理器TC297,并在此基础上对控制器进行了双系统冗余设计。两个系统之间通过HSSL、SPI、CAN和ERU进行通信,一方面使两系统可以相互进行故障检测以实现冗余功能,另一方面使两个处理器能够协同运行,从而进一步提高控制器的算力。在硬件架构设计的基础上,进行了控制器的电路设计,包括电路原理图的设计和印制电路板的设计,并通过PCB的加工和元器件焊接,完成了自动驾驶控制器的实物设计,从而为自动驾驶控制软件架构的开发提供了硬件基础。针对自动驾驶控制器的系统启动和应用程序升级需求,设计了系统基础软件Bootloader。为了使控制器正常启动,设计了系统启动程序,用于对处理器的时钟系统和内存等进行设置,以建立正确的应用程序运行环境,并对各内核的寄存器、堆栈及Cache等进行设置,以保证多核能够正常启动和运行;为了解决应用程序可执行文件的下载、格式转换及烧写等问题,设计了应用程序可执行文件的下载程序;为了使Bootloader在完成系统启动和应用程序升级工作后顺利跳转到应用程序入口并开始运行应用程序,采用相关的指令设计了跳转程序;为了使Bootloader合理地使用程序存储器空间,进行了程序存储器的空间分配方案设计。针对自动驾驶任务的实时运行需求和多核协同运行需求,进行了多核处理器基础软件的设计。为了使自动驾驶任务的运行具有较高的实时性,选择了非对称多处理作为多核处理器的运行模式,并在处理器上移植了实时操作系统Free RTOS;为了满足多核协同运行时的核间任务同步需求,采用核间中断设计了核间任务同步机制;为了解决多核协同运行时由于同时访问共享资源而发生相互冲突的问题,采用处理器的专用硬件指令设计了核间共享资源互斥访问机制;为了满足多核协同运行时的数据通信需求,采用共享内存的方式,结合核间任务同步机制设计了核间通信机制。针对自动驾驶控制器的功能安全需求,在双冗余控制器硬件平台的基础上,进行了双冗余系统软件设计。为了使控制器中互为冗余的两个系统在启动后能够获取自身及对方的工作状态信息,并使两系统进入正确的运行状态,设计了系统状态信息管理程序;为了使两系统同步运行以避免故障误判,设计了系统间的同步协议和相应的同步程序;为了保证系统出现故障时能够快速的检测到故障的发生并进行正确的处理,设计了系统之间和系统内部的系统故障检测及处理程序。为了验证软硬件设计的正确性,分别针对Bootloader、多核处理器基础软件和双冗余系统软件的各功能模块设计了不同的测试用例并进行了测试。根据相关测试结果,验证了本文所设计的自动驾驶控制器软硬件的正确性。
丁宇勋[4]（2021）在《面向云平台的Windows虚拟机监控与控制系统》文中认为从人们第一次提出云计算的概念,距离今天已经有十几年的时间了。在这十几年间,云计算技术获得了飞快的发展以及巨大的变化,越来越多的云平台被投入使用。但随着云平台中虚拟机集群规模的不断扩大,平台运维人员的工作量也在不断增加。面对数量成百上千的虚拟机集群,传统的人工操作和运维方式已经不再适合,传统方式带给工作人员的只有枯燥重复的工作,极易在过程中出现人为错误,而且耗费大量时间。本文主要针对于云平台中Windows虚拟机集群,设计并实现了一个虚拟机集群监控与控制系统,带有硬件资源监控、用户会话监管、文件传输、命令传输和远程调控等功能,以解决面对庞大虚拟机集群不易管理的问题。通过该系统减轻云平台运维人员的工作压力,提高云平台运维人员的工作效率。本文首先对目前国内外的虚拟机管理工具进行调研,再结合本系统的实际使用环境与需求,抽取出系统所需要的功能模块并进行实现。设计监管系统的三级网络拓扑结构,实现监管系统自动化部署功能,通过划分分组和集合,以及采用选举算法选取代理主机来协助进行管理工作,提高了系统的伸缩性能;通过使用Windows平台下的IO复用模型来提高系统的并发能力,减少响应时间;实现虚拟机硬件资源监控和用户会话监管,使工作人员能够对虚拟机负载情况和用户会话情况进行监控和管理;实现文件传输功能和命令传输功能,以达到批量操作和应用快速部署的能力;实现远程调控功能,使运维人员可以突破机房地理空间位置的限制,直接远程解决问题;实现消息推送功能,使在特殊情况下对虚拟机中的每一个用户进行消息提醒。最后对系统的运行以及每个功能的使用情况进行测试,判断系统是否可以正常使用。在论文最后部分对文章的全部内容进行总结,然后对本论文后续的工作做出展望。
孟飒[5]（2021）在《大规模云计算系统的可靠性建模及优化研究》文中研究表明近年来,大规模云计算系统不断成为大数据、物联网、人工智能等应用的重要支撑平台,随着其规模和复杂性的急剧增加,各种硬件和软件故障质变为常态现象,多类型的故障需要及时发现和修复。同时,复杂性不断增加的云计算系统架构对可靠性带来的影响不断凸显（如评估困难、运维低效等）,并受到学术界和产业界的广泛关注。如何量化复杂的云计算系统可靠性特征并加以保障和有效提升已经成为了制约云计算产业持续发展的关键问题。在现有的云计算系统可靠性研究中,可靠性往往被作为单一指标进行研究,而忽略了规模、性能、服务质量、能耗等指标和可靠性之间的关联影响,这不仅不利于准确把握可靠性降低对大规模云计算系统带来的严重影响,更不利于在全面兼顾所有指标的基础上进行合理的可靠性优化工作。同时,大规模云计算系统覆盖的故障类型更加广泛,这使得可靠性和其他指标（如能耗）的关联分析更加困难,需要更加准确有效的建模分析方法和更为灵活的优化技术途径来实现关联优化的可靠性保障功能。在实际的应用中,大规模云计算系统需要提供全方面多层次的服务,大量用户的接入、多样化的应用程序、并行的计算能力需求、常态多类型故障都对云计算系统的系统可靠性、服务可靠性、作业可靠性提出了严峻的挑战。而不同于传统的IT系统,大规模云计算系统具有逻辑虚拟化、资源动态整合、应用灵活迁移等不同的技术特点,这使得云计算系统具有更加复杂的故障关联现象和更加灵活的容错技术。在这种情况下,传统的可靠性评估模型或分析技术已经难以直接应用在大规模云计算系统下,相应地,在对大规模云计算系统进行可靠性优化的过程中,必须充分地考虑这些不同的系统结构、技术特征、以及功能指标对可靠性的评估优化带来的重要影响。本文以大规模云计算系统为研究对象,以大规模云计算系统的可靠性建模与优化问题为研究内容,以基于成本约束的多指标关联建模与优化、面向云服务的可靠性建模与优化和基于容错技术的大数据作业可靠性建模为研究重点,分别从系统、服务、应用三个相互关联的角度研究了大规模云计算系统的可靠性建模及优化问题。相关的研究工作覆盖了大规模云计算系统的系统结构、故障类型、容错技术和应用特点等方面,为全面评估大规模云计算系统的可靠性关联特征和持续优化工作提供了新的视角。本文的主要研究工作由以下几部分构成:（1）针对大规模云计算系统的可靠性-能耗的关联建模分析,提出了一套基于成本约束的可靠性-能耗关联优化的策略。相关工作综合运用了故障树建模和优化备用策略的相关技术,考虑了物理节点与虚拟机的共因故障,实现了可靠性与能耗两方面的优化。首先,基于可靠性关联模型提出了成本约束的设计方法,提出了成本约束的可靠性保障框架RAF-CC,集成了基于热备用、冷备用虚拟机的故障树分析方法;随后,提出了可靠性-能耗关联优化的资源调度算法JORE-RSA,通过虚拟机迁移动态保障整个系统的可靠性;最后,在系统实时运行中,利用成本约束寻找优化的云基础设施物理节点数目,提出了最小化物理节点占用算法MPN,进一步优化能效成本。（2）针对大规模云计算系统新兴的云服务模式,在面向多用户、多服务类型的情况下,将云服务过程合理地划分为请求处理阶段和请求执行阶段。在请求处理阶段,利用排队论分析了请求超时和请求溢出故障,而在请求执行阶段,利用kout-of-n系统的建模方法全面分析了热备份下的系统服务过程。基于可靠性的分析,进一步实现了请求处理阶段的动态优化调度技术和请求执行阶段的故障自修复技术。动态优化调度技术基于请求到达率的强度变化,自主触发动态调度机制,而被触发的调度行为不仅维持服务可靠性在指定的水平之上,还避免不必要的资源浪费;故障自修复技术基于服务虚拟机的运行状态监控,自主进行异常检测,在发现可能出现的故障时触发快速地修复行为,并根据修复后的可靠性变化情况进行自我学习提升,不断提高修复行为对可靠性的保障效果,最终使得大规模云计算系统可以在复杂且动态多变的服务环境下,有效维持其服务可靠性。（3）在大数据处理的重要应用场景下,系统地进行了面向不同大数据作业类型和不同容错技术的可靠性建模研究。首先,针对具有阶段性任务的大数据作业,提出了一种采用检查点容错机制的可执行性模型。该模型以大数据作业为单位,细致地分析了作业执行过程中的随机硬件故障、软件故障和恢复行动;采用了马尔可夫随机过程、拉普拉斯-斯蒂尔切斯变换等数学方法实现了可执行性的量化评估。其次,针对具有并行计算需求的大数据作业,采用了冗余执行的容错技术,并针对实时冗余并行计算的复杂拓扑结构难以分析的难题,提出了一种将整体执行树划分为多个最小作业生成树并进行分析的通用方法,该方法在多个最小作业生成树其元素相互覆盖的复杂情况下有效抽取出影响这些最小作业生成树运行的关键元素集,并最终利用结合贝叶斯理论和容斥原理获得整个大数据作业的可靠性评估。
张松[6]（2020）在《基于云计算的服务机器人系统设计与实现》文中认为随着服务机器人应用领域的发展,服务机器人在执行任务时面临着大量数据存储和计算的压力,但是受硬件水平、能耗和制造成本等条件的限制,服务机器人本地资源及计算能力往往有限,严重制约了服务机器人自主行为及服务能力。云计算具有计算能力强、存储数据量大、按需提供资源的特点。因此结合云计算技术本文提出了一种基于机器人操作系统（Robot Operation System,ROS）的服务机器人系统架构,将服务机器人中实时性要求低、计算密集型任务迁移到云端,减少本地资源消耗从而降低硬件成本。本文主要进行了以下几点的研究。本文首先分析了服务机器人系统需求,以ROS系统中计算密集任务迁移到云端为目标,给出了基于云计算的服务机器人系统总体设计。系统分为服务机器人端和云平台,在服务机器人端设计了集感知、处理与执行的系统结构及数据接口,将云平台端将系统划分为基础层,平台层与服务层。其次着重对系统的通信,服务机器人与云端协同计算以及资源的管理等进行了分析,其中针对ROS自身消息通信机制无法直接通过互联网传输,本文基于Rosbridge实现了消息转换,使得服务机器人能够与云端利用Rosbridge通信并传递ROS消息。对于计算密集型任务同步定位与建图（SLAM）过度消耗服务机器人本地资源问题,本文提出基于云计算的服务机器人分布式SLAM服务架构,通过在云平台层部署ROS作为应用基础,将SLAM服务执行迁移到云端解决本地资源受限问题。在服务机器人的系统资源管理问题上提出了基于容器技术资源隔离机制并设计了服务机器人管理框架实现对多服务机器人的支持。最后,本文实现了相应的原型系统,并通过实验对本文所提的架构进行了验证,结果表明本系统能够提高服务机器人的运算性能,节省本地资源,并满足对服务机器人管理的功能。
王玥[7]（2020）在《光纤传感器B/S架构软件的设计与开发》文中提出基于布里渊散射的分布式光纤传感技术具有着多优点,例如抗电磁干扰、测量精确度高、传感距离长和防腐蚀等,它能同时连续测量温度和应变,适用于诸多领域工程项目的测量应用。实验室基于此技术进行光纤传感系统的研发,该系统可实时监测光缆的温度及应变数据并进行告警,具有测量范围大、精度高的特点。本文设计并实现了该系统中的用户接口平台,进行光纤传感系统的软件开发。论文根据B/S架构将软件分为服务器端与客户端（网页）的开发。服务器端的开发主要涉及与数据采集进程的通信、http请求处理、数据库连接及多并发处理。客户端开发为前端页面开发,接收后端传递数据并将其展示在页面上,提升用户交互体验并解决渲染卡顿。该用户接口平台可实时监控并展示温度及应变数据、在地图上精确显示光纤分布和告警情况、对各板参数进行设置。论文基于Django框架进行开发,并为改善django较为孱弱的模版引擎,嵌入vue渐进式前端框架,对django架构进行改造,实现前后端分离式开发,避免代码混乱易于后续的系统迭代保证维护性,降低服务器ARM板的压力。系统采用Python、Javascript、C开发,完成体验良好满足需求的用户接口平台。
李晓东[8]（2020）在《支持高并发的社交系统的研究与开发》文中研究指明随着互联网的高速发展,人们已不满足于在生活中与朋友分享自己的所见所闻,而是更希望在互联网中分享自己的生活乐趣以结交更多的朋友。因此,很多互联网公司都在搭建属于自己的社交平台以吸引更多的用户。但是,随着用户量的快速增长,系统的访问量也会出现大量的增长,传统的单机应用就会出现响应时间过长甚至服务组件崩溃的问题。对于一些大型互联网公司而言,它们已经具备了一定的高并发处理经验,可以有效的解决高并发问题。但是这些方法由于经验与资金的限制并不适合小型互联网公司模仿。因此,为了满足这些小型互联网公司的需求,本文设计并实现了一款支持高并发的社交系统。本系统主要采用了分层架构和分布式理念的开发思想,将系统划分成了负载均衡层、服务层和数据持久层的三层架构。负载均衡层主要采用LVS、Keepalived、Nginx的组合实现负载均衡层的高可用性。为了提高Nginx请求分发的效果,本文设计并实现了一种基于Nginx加权轮询算法和最小连接数算法的改进动态负载均衡策略,该算法需要实时收集各服务器的节点的性能指标并使用层次分析法确定各性能指标的权系数,然后结合各服务器节点的请求响应时间和实时连接数计算各服务器节点的权值,提高了Nginx负载均衡的效率。服务层主要采用了Spring+Spring MVC+My Batis的架构进行开发,采用Dubbo和Zookeeper对各功能模块服务进行分布式治理,将每个服务进行解耦,采用Active MQ对消息进行异步处理。数据持久层采用My SQL作为核心组件,并使用Mycat数据库中间件实现Mysql集群之间的数据同步、读写分离等功能,保证数据库之间的故障切换,提高数据库集群的可用性。除此之外,搭建Redis集群处理一些热点数据的写入与读取,缓解My SQL数据库的读写压力,使用Elasticsearch分布式搜索引擎提高数据的搜索速度。为了保证本系统的实际应用,本文对系统分别进行了功能测试、高可用测试和压力测试。测试结果表明,本系统功能基本满足用户需求,具有高可用性,可以支持高并发请求访问。
戈孜荣[9]（2020）在《面向ARM架构的HPC系统性能评测及应用移植优化》文中指出世界正朝着多样性计算时代发展,摩尔定律正在被重构。尽管以Intel和AMD代表的x86架构的处理器凭借高性能和通用性强等特点一直在高性能计算（High Performance Computing,HPC）服务器领域占据主要地位,但在构建下一代百亿亿次超级计算机时却面临着能耗问题的巨大挑战。这几年一直活跃于移动、嵌入式终端市场的高级精简指令集处理器（Advanced RISC Machine,ARM）以低功耗和高性能有望在HPC系统的能耗瓶颈上展现优势,它在ARM上的性能到底如何以及哪种应用更适合这种架构成为HPC领域研究者最关注的问题。之前大多数的研究都只关注ARM系统的能耗比,而少有面向HPC领域的性能评测,尤其对ARM计算架构进行HPC应用移植并做优化的研究工作也比较缺少。首先,论文分析了HPC领域主流的计算架构及它们应用市场,着重介绍了ARMv8-A架构及其特点;然后,基于HPC应用的特点提出了一种基于测试对象的HPC系统性能评测体系。利用该评测体系的系统组件对象,采用HPL、HPCG、STREAM、IOZone、OMB等基准程序来着重比较和分析ARM（鲲鹏920处理器）和x86（Intel至强6146处理器）在浮点计算力、持续内存带宽、磁盘读写性能以及网络等方面的性能差异。利用两类典型的HPC应用作为该评测体系的实际应用对象,通过真实算例的运行速度,性能基准等来分析应用在两个系统单核、多核及多节点的实际性能;最后,以分子动力学模拟软件——GROMACS为例,研究了该软件从x86到鲲鹏920 ARM服务器的移植过程,并通过硬件、软件两个层面对移植后的GROMACS进行了优化,分析该软件移植及优化后的性能表现。从本文实验结果来看,鲲鹏920处理器单处理器浮点计算力约为商用至强6146处理器的三分之一;在单节点内可持续内存带宽方面,鲲鹏920处理器凭借多核和多内存通道的优势,能够实现近乎线性的访存带宽增长;在磁盘读写性能方面,ARM平台下的磁盘在新旧文件的读写方面性能表现更为优越;在网络延迟上,ARM较x86系统在点对点通信延迟方面表现更好,而在网络带宽方面,ARM在大文件传输上展现一定的优势。同时实验得出,ARM在计算密集型计算任务（如NAMD）上计算能力要低于x86,而在WRF这类大内存带宽需求的应用,ARM较x86有25倍的性能提升。通过移植并优化后的GROMACS较x86实现了10.7%的性能超越。考虑购置成本,性能损耗等因素,鲲鹏920处理器在构建HPC系统时有着一定的竞争力,具有一定的研究和应用前景。
于恬[10]（2020）在《基于漏洞元特征的漏洞智能分类技术研究》文中指出随着互联网技术的发展与进步,软件的更新速度随之加快,应用范围愈发广泛,为人们的生活带来了极大的便利。与此同时,软件中存在的安全漏洞呈爆发式增长,且漏洞种类多样,对系统造成的危害程度各不相同。能否合理且高效地实现漏洞分类,将直接影响漏洞管理的效率。传统的漏洞分类多以人工判断为主,缺少自动化分析,对于安全工作人员来说,漏洞分类过程繁琐复杂,不仅工作量大,且周期长,不能应对日益增长的安全漏洞问题。基于以上背景,本文提出了一种基于漏洞元特征的漏洞智能分类技术,从漏洞触发过程中的真实数据中提取漏洞特征,以此作为漏洞分类的依据。该方法在软件运行时,将PoC（Proof of Concept）作为软件的输入以触发漏洞,进而造成程序崩溃;利用动态程序插桩技术监控软件运行状态,提取崩溃现场关键数据作为漏洞的原始特征;结合过滤式与包裹式特征选择方法,从漏洞原始特征中筛选出可反映漏洞核心属性的漏洞元特征;并针对不同的漏洞元特征集成性能最优的单特征分类模型,通过模型融合,最终构建出多特征的漏洞分类预测模型,用于对软件漏洞的验证与分类。通过对整体架构的测试,证明了该方法具有良好的预测分类能力,栈溢出漏洞分类的准确率达到了99.83%,可有效用于漏洞的自动验证与分类。
二、一种大型消息系统下内存管理的方法（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、一种大型消息系统下内存管理的方法（论文提纲范文）
（1）嵌入式操作系统在分布式系统中的设计与应用（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 |
| 1.2.1 嵌入式系统研究现状 |
| 1.2.2 分布式系统研究现状 |
| 1.3 本文的研究内容及贡献 |
| 1.4 本文的章节安排 |
| 第二章 相关理论与软硬件平台介绍 |
| 2.1 分布式系统 |
| 2.1.1 分布式系统概述 |
| 2.1.2 分布式系统的特征 |
| 2.1.3 分布式系统的结构 |
| 2.1.4 分布式系统的拓扑结构 |
| 2.2 分布式操作系统 |
| 2.2.1 构造分布式操作系统的途径 |
| 2.2.2 设计分布式操作系统时应考虑的问题 |
| 2.2.3 分布式操作系统的结构模型 |
| 2.3 RT-Thread操作系统 |
| 2.3.1 RT-Thread概述 |
| 2.3.2 RT-Thread的架构 |
| 2.3.3 RT-Thread内核 |
| 2.4 嵌入式系统 |
| 2.4.1 嵌入式系统概述 |
| 2.4.2 STM32概述 |
| 2.5 本章小结 |
| 第三章 系统总架构设计 |
| 3.1 硬件的规划实现 |
| 3.2 分布式架构设计模式 |
| 3.2.1 无操作系统模式 |
| 3.2.2 均衡模式 |
| 3.2.3 非均衡模式 |
| 3.3 系统结构 |
| 3.3.1 控制节点和计算节点 |
| 3.3.2 系统运行结构 |
| 3.4 本章小结 |
| 第四章 分布式操作系统设计与实现 |
| 4.1 进程管理 |
| 4.1.1 分布式进程 |
| 4.1.2 分布式进程的状态与切换 |
| 4.2 分布式协同处理 |
| 4.2.1 分布式互斥 |
| 4.2.2 事件定序与时戳 |
| 4.2.3 资源管理算法 |
| 4.2.4 选择算法 |
| 4.3 任务分配 |
| 4.3.1 任务分配环境 |
| 4.3.2 任务调度策略 |
| 4.4 操作系统的移植 |
| 4.5 本章小结 |
| 第五章 分布式通信机制设计与实现 |
| 5.1 消息传递 |
| 5.1.1 消息传递概述 |
| 5.1.2 消息传递方式的设计 |
| 5.1.3 消息传递的实现 |
| 5.2 RPC的功能 |
| 5.2.1 RPC的通信模型 |
| 5.2.2 RPC的结构 |
| 5.2.3 RPC的实现 |
| 5.3 保密设计 |
| 5.3.1 概述 |
| 5.3.2 加密模型 |
| 5.3.3 加密方案算法描述 |
| 5.3.4 安全性分析 |
| 5.3.5 性能分析 |
| 5.4 本章小结 |
| 第六章 系统的应用 |
| 6.1 引言 |
| 6.2 DALI协议 |
| 6.2.1 协议介绍 |
| 6.2.2 DALI系统结构 |
| 6.3 分布式操作系统的应用 |
| 6.3.1 DALI访问时序与时戳 |
| 6.3.2 主从设备RPC功能 |
| 6.3.3 数据资源管理 |
| 6.4 本章小结 |
| 第七章 主要结论与展望 |
| 致谢 |
| 参考文献 |
| 附录:作者在攻读硕士学位期间发表的论文 |
（2）边缘计算下的Docker容器安全监控系统（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 边缘计算历史与发展现状 |
| 1.2.1 边缘计算 |
| 1.2.2 边缘计算安全问题 |
| 1.3 Docker技术应用研究 |
| 1.4 本文的主要贡献与创新 |
| 1.5 本论文的结构安排 |
| 第二章 Docker技术原理及分析 |
| 2.1 Docker技术简介 |
| 2.1.1 容器发展历史 |
| 2.1.2 Docker工作原理 |
| 2.2 Docker安全性 |
| 2.3 Docker安全问题分析 |
| 2.3.1 Docker容器安全 |
| 2.3.2 Docker镜像安全 |
| 2.3.3 宿主机安全 |
| 2.4 容器监控软件 |
| 2.4.1 Docker stats |
| 2.4.2 cAdvisor |
| 2.4.3 Prometheus |
| 2.5 监控系统 |
| 2.6 本章小结 |
| 第三章 边缘计算下的Docker安全监控模型 |
| 3.1 边缘计算环境 |
| 3.2 三层容器风险监控模型 |
| 3.2.1 时序数据库 |
| 3.2.2 Prometheus数据模型 |
| 3.2.3 私有Docker镜像仓库 |
| 3.3 监控原理 |
| 3.4 边缘计算下的Docker安全监控系统 |
| 3.4.1 系统环境搭建 |
| 3.4.2 数据采集 |
| 3.4.3 监控规则 |
| 3.4.4 告警模块 |
| 3.4.5 可视化模块 |
| 3.5 Docker交互监控平台 |
| 3.5.1 需求分析 |
| 3.5.2 实时监控 |
| 3.5.3 容器控制 |
| 3.5.4 功能展示 |
| 3.6 本章小结 |
| 第四章 Docker监控节点安全性判定方法 |
| 4.1 节点安全性判定方法 |
| 4.2 基于箱型图的监控阈值确定方法 |
| 4.2.1 箱型图 |
| 4.2.2 箱型图结果示例 |
| 4.3 基于K-means的阈值确定方法 |
| 4.3.1 K-means聚类算法 |
| 4.3.2 方法步骤 |
| 4.3.3 结果分析 |
| 4.4 客观赋权法 |
| 4.4.1 熵权法 |
| 4.4.2 CRITIC法 |
| 4.5 实验步骤 |
| 4.6 赋权结果 |
| 4.6.1 熵值法赋权结果 |
| 4.6.2 CRITIC法赋权结果 |
| 4.7 结果分析 |
| 4.8 本章小结 |
| 第五章 基于图计算的无Docker监控节点安全性预测 |
| 5.1 无监控节点的安全性预测方法 |
| 5.2 图模型 |
| 5.2.1 图数据存储方式 |
| 5.2.2 图数据库 |
| 5.3 社区发现算法 |
| 5.3.1 LPA算法 |
| 5.3.2 LPA算法仿真 |
| 5.3.3 SLPA算法 |
| 5.3.4 SLPA算法仿真 |
| 5.3.5 模块度 |
| 5.4 基于PageRank算法的标签预测方法 |
| 5.4.1 PageRank算法 |
| 5.4.2 方法步骤 |
| 5.5 实验结果 |
| 5.5.1 LPA算法实验结果 |
| 5.5.2 SLPA算法实验结果 |
| 5.5.3 节点安全性预测实验结果 |
| 5.6 实验结果分析 |
| 5.7 本章小结 |
| 第六章 总结与展望 |
| 6.1 本文主要工作总结 |
| 6.2 后续工作及展望 |
| 致谢 |
| 参考文献 |
| 硕士研究生期间研究成果 |
（3）基于多片多核处理器的自动驾驶控制软硬件架构实现研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 课题背景及研究意义 |
| 1.2 多核处理器的发展 |
| 1.3 多核关键技术研究现状 |
| 1.3.1 核间通信的研究 |
| 1.3.2 同步互斥机制的研究 |
| 1.3.3 多核任务调度的研究 |
| 1.4 冗余控制系统研究现状 |
| 1.5 本文主要研究内容 |
| 第2章 自动驾驶控制器硬件设计 |
| 2.1 整体硬件架构设计 |
| 2.2 主要元器件的选型 |
| 2.2.1 多核处理器的选型 |
| 2.2.2 电源管理芯片的选型 |
| 2.2.3 CAN收发器的选型 |
| 2.3 控制器电路设计 |
| 2.3.1 电路原理图设计 |
| 2.3.2 印制电路板设计 |
| 2.4 本章小结 |
| 第3章 引导加载程序Bootloader设计 |
| 3.1 Bootloader总体设计 |
| 3.2 多核处理器的启动 |
| 3.3 应用程序的下载 |
| 3.3.1 可执行文件格式Srec |
| 3.3.2 上位机软件工作流程 |
| 3.3.3 可执行文件的下载与烧写 |
| 3.4 Bootloader到应用程序的跳转 |
| 3.4.1 跳转前的准备 |
| 3.4.2 跳转程序的设计 |
| 3.5 程序存储器的空间分配 |
| 3.6 本章小结 |
| 第4章 多核处理器基础软件设计 |
| 4.1 总体软件架构设计 |
| 4.2 实时操作系统的移植与配置 |
| 4.2.1 实时操作系统Free RTOS |
| 4.2.2 Free RTOS的移植 |
| 4.2.3 Free RTOS的配置 |
| 4.3 核间任务同步机制设计 |
| 4.3.1 核间同步信号的传递 |
| 4.3.2 核间任务同步程序设计 |
| 4.4 核间共享资源互斥访问机制设计 |
| 4.5 核间通信机制设计 |
| 4.5.1 共享内存空间的创建 |
| 4.5.2 共享内存的获取 |
| 4.5.3 核间通信的同步 |
| 4.6 本章小结 |
| 第5章 双冗余系统软件设计 |
| 5.1 冗余策略总体设计 |
| 5.2 系统状态信息的管理 |
| 5.2.1 状态信息管理数据结构 |
| 5.2.2 状态信息的存储与更新 |
| 5.2.3 状态信息的初始化 |
| 5.3 主从系统之间的同步 |
| 5.3.1 同步信号的传递 |
| 5.3.2 同步协议设计 |
| 5.4 故障的检测与处理 |
| 5.4.1 系统之间的故障检测与处理 |
| 5.4.2 系统内部故障的检测与处理 |
| 5.5 双冗余系统整体工作流程 |
| 5.6 本章小结 |
| 第6章 软件架构实车应用与测试 |
| 6.1 软件架构实车应用介绍 |
| 6.2 软件架构测试环境 |
| 6.3 Bootloader测试 |
| 6.4 多核处理器基础软件测试 |
| 6.4.1 Free RTOS移植测试 |
| 6.4.2 核间通信及任务同步机制测试 |
| 6.4.3 核间共享资源互斥访问机制测试 |
| 6.5 双冗余系统软件测试 |
| 6.5.1 主从系统同步测试 |
| 6.5.2 故障检测及处理测试 |
| 6.6 本章小结 |
| 第7章 总结与展望 |
| 7.1 全文总结 |
| 7.2 全文展望 |
| 参考文献 |
| 致谢 |
（4）面向云平台的Windows虚拟机监控与控制系统（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究背景与现状 |
| 1.1.1 国外现状 |
| 1.1.2 国内现状 |
| 1.2 研究意义与工作内容 |
| 1.3 本论文的结构安排 |
| 第二章 相关技术基础研究 |
| 2.1 高并发网络IO模型 |
| 2.2 ZAB分布式选举算法 |
| 2.3 MFC编程框架 |
| 2.4 本章小结 |
| 第三章 云平台下虚拟机监控与控制系统研究与设计 |
| 3.1 需求分析 |
| 3.1.1 功能需求分析 |
| 3.1.2 性能需求分析 |
| 3.2 系统架构 |
| 3.2.1 网络拓扑结构设计 |
| 3.2.2 系统整体架构设计 |
| 3.3 系统模块设计 |
| 3.3.1 自动化构建模块设计 |
| 3.3.2 虚拟机硬件资源监控模块设计 |
| 3.3.3 虚拟机用户会话监管模块设计 |
| 3.3.4 文件传输模块设计 |
| 3.3.5 命令传输模块设计 |
| 3.3.6 远程调控模块设计 |
| 3.3.7 消息推送模块设计 |
| 3.4 本章小结 |
| 第四章 云平台下虚拟机监控与控制系统实现 |
| 4.1 系统网络通信模块实现 |
| 4.2 自动化构建模块实现 |
| 4.2.1 主机发现功能实现 |
| 4.2.2 分组管理功能实现 |
| 4.2.3 集合管理功能实现 |
| 4.2.4 主机动态加入退出管理功能实现 |
| 4.3 虚拟机硬件资源监控模块实现 |
| 4.4 虚拟机用户会话监管模块实现 |
| 4.5 文件传输模块实现 |
| 4.5.1 管理主机向代理主机传输阶段 |
| 4.5.2 代理主机向应用主机传输阶段 |
| 4.5.3 大文件传输及断点续传 |
| 4.6 命令传输模块实现 |
| 4.7 远程调控模块实现 |
| 4.8 消息推送模块实现 |
| 4.9 本章小结 |
| 第五章 系统测试与分析 |
| 5.1 测试环境 |
| 5.2 功能测试 |
| 5.2.1 系统自动化构建测试 |
| 5.2.2 虚拟机硬件资源监控测试 |
| 5.2.3 虚拟机用户会话监管测试 |
| 5.2.4 文件传输测试 |
| 5.2.5 命令传输测试 |
| 5.2.6 远程调控测试 |
| 5.2.7 消息推送测试 |
| 5.3 性能测试 |
| 5.3.1 系统高响应及并发性能测试 |
| 5.3.2 系统硬件资源消耗性能测试 |
| 5.3.3 文件传输性能测试 |
| 5.4 本章小结 |
| 第六章 全文总结与展望 |
| 6.1 论文全文总结 |
| 6.2 后续工作展望 |
| 致谢 |
| 参考文献 |
（5）大规模云计算系统的可靠性建模及优化研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究背景 |
| 1.1.1 大规模云计算系统概述 |
| 1.1.2 云计算可靠性概述 |
| 1.2 关键技术与研究现状 |
| 1.2.1 关键技术 |
| 1.2.2 研究现状 |
| 1.3 问题分析 |
| 1.4 研究内容与创新点 |
| 1.5 论文组织结构 |
| 第二章 基于成本约束的多指标关联建模与优化 |
| 2.1 引言 |
| 2.2 基于可靠性的关联建模分析 |
| 2.3 可靠性提升中的成本约束设计 |
| 2.4 基于关联优化的可靠性保障技术 |
| 2.4.1 成本约束的可靠性保障框架 |
| 2.4.2 可靠性-能耗关联优化的虚拟机迁移算法 |
| 2.4.3 满足成本约束的物理节点调度算法 |
| 2.5 实验与分析 |
| 2.5.1 面向SLA的可靠性保障的实验与分析 |
| 2.5.2 成本约束下能耗模型的实现方法 |
| 2.5.3 JORE-RSA的模拟和评估 |
| 2.6 本章小结 |
| 第三章 面向云服务的可靠性建模与优化 |
| 3.1 引言 |
| 3.2 基于服务过程的云服务可靠性模型 |
| 3.2.1 服务请求处理阶段的可靠性模型 |
| 3.2.2 服务执行阶段的可靠性模型 |
| 3.3 云服务可靠性保障的动态优化技术 |
| 3.3.1 服务请求到达率驱动的动态调度技术 |
| 3.3.2 基于服务状态监控的故障自修复技术 |
| 3.4 实验与分析 |
| 3.4.1 服务请求处理阶段的实验与分析 |
| 3.4.2 服务执行阶段的实验与分析 |
| 3.5 本章小结 |
| 第四章 基于容错技术的大数据作业可靠性建模 |
| 4.1 引言 |
| 4.2 基于检查点容错技术的大数据作业可执行性模型 |
| 4.2.1 云计算系统下的检查点技术特征 |
| 4.2.2 基于检查点的可执行性关联模型 |
| 4.2.3 大数据作业可执行指标递归求解 |
| 4.3 基于实时冗余技术的并行大数据作业可靠性模型 |
| 4.3.1 云计算系统下的实时冗余并行计算 |
| 4.3.2 最小作业生成树的定义和表示方法 |
| 4.3.3 基于贝叶斯理论的可靠性评估方法 |
| 4.4 实验与分析 |
| 4.4.1 检查点技术下的可执行性评估实验与分析 |
| 4.4.2 实时冗余计算下的可靠性评估实验与分析 |
| 4.5 本章小结 |
| 第五章 全文总结与展望 |
| 5.1 全文总结 |
| 5.2 后续工作展望 |
| 致谢 |
| 参考文献 |
| 攻读博士学位期间取得的成果 |
（6）基于云计算的服务机器人系统设计与实现（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 课题研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.3 课题主要研究内容 |
| 1.4 论文结构安排 |
| 2 相关技术研究 |
| 2.1 分布式系统 |
| 2.1.1 分布式系统的设计目标 |
| 2.1.2 分布式系统优点 |
| 2.2 机器人分布式计算模型 |
| 2.3 ROS |
| 2.4 云计算 |
| 2.5 SOA模型 |
| 2.6 RaaS |
| 2.7 容器技术 |
| 2.7.1 Docker |
| 2.7.2 Docker核心技术 |
| 2.8 本章小结 |
| 3 服务机器人系统总体设计 |
| 3.1 系统需求分析 |
| 3.1.1 功能性需求分析 |
| 3.1.2 非功能性需求分析 |
| 3.2 系统总体设计 |
| 3.2.1 系统整体架构设计 |
| 3.2.2 系统流程 |
| 3.3 本章小结 |
| 4 服务机器人系统的设计与实现 |
| 4.1 服务机器人系统业务流程 |
| 4.2 服务机器人设计与实现 |
| 4.2.1 传感系统 |
| 4.2.2 信息处理与控制系统 |
| 4.2.3 执行系统 |
| 4.3 基于ROS地图构建功能设计与实现 |
| 4.3.1 gmapping功能概述 |
| 4.3.2 slam_gmapping程序实现 |
| 4.4 ROS实例的云端部署 |
| 4.5 服务机器人与云端通信机制 |
| 4.6 服务机器人云端协同SLAM |
| 4.6.1 SLAM过程分析 |
| 4.6.2 分布式SLAM服务架构 |
| 4.6.3 SLAM服务原型系统实现 |
| 4.7 服务机器人资源隔离 |
| 4.7.1 隔离机制方案 |
| 4.7.2 基于Docker的资源隔离 |
| 4.8 服务机器人管理框架实现 |
| 4.8.1 数据库表的设计实现 |
| 4.8.2 登录功能 |
| 4.8.3 用户管理功能 |
| 4.8.4 服务管理功能 |
| 4.8.5 机器人管理功能 |
| 4.9 本章小结 |
| 5 原型系统开发与实验 |
| 5.1 系统原型实现 |
| 5.1.1 系统环境与配置 |
| 5.1.2 机器人的部署 |
| 5.1.3 服务端部署 |
| 5.2 SLAM实验 |
| 5.3 服务管理框架测试 |
| 5.4 本章小结 |
| 6 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 致谢 |
| 参考文献 |
| 附录 |
（7）光纤传感器B/S架构软件的设计与开发（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 课题研究背景 |
| 1.1.1 光纤传感技术概述 |
| 1.1.2 光纤传感技术的现状与未来发展 |
| 1.2 课题研究意义 |
| 1.3 课题研究内容 |
| 1.4 论文结构安排 |
| 1.5 本章小结 |
| 第二章 相关理论及技术介绍 |
| 2.1 布里渊时域分析光纤传感系统原理及分类 |
| 2.2 B/S架构和C/S架构的比较 |
| 2.2.1 B/S架构和C/S架构概述 |
| 2.2.2 B/S架构和C/S架构的优缺点 |
| 2.3 Django框架 |
| 2.4 Vue框架 |
| 2.4.1 多页应用与单页应用 |
| 2.4.2 Vue概述 |
| 2.4.3 Vue变化侦测原理 |
| 2.4.4 浏览器渲染过程及虚拟DOM |
| 2.4.5 Vuex概述 |
| 2.4.6 Vue-router概述 |
| 2.4.7 Vue的生命周期 |
| 2.5 Webpack概述 |
| 2.6 Axios |
| 2.7 本章小结 |
| 第三章 光纤传感器B/S架构软件的需求分析与软件设计 |
| 3.1 系统需求分析 |
| 3.1.1 确定系统目标 |
| 3.1.2 系统需求获取 |
| 3.1.3 需求整理 |
| 3.2 开发环境与编程语言 |
| 3.2.1 开发环境 |
| 3.2.2 硬件环境 |
| 3.2.3 编程语言 |
| 3.3 技术栈设计 |
| 3.4 系统功能总体设计 |
| 3.3.1 前端功能设计 |
| 3.3.2 进程通信分析与设计 |
| 3.3.3 服务端功能设计 |
| 3.5 本章小结 |
| 第四章 光纤传感器B/S架构软件的编程实现 |
| 4.1 项目搭建及改造 |
| 4.1.1 Django开发环境搭建 |
| 4.1.2 数据库配置 |
| 4.1.3 Vue开发环境搭建 |
| 4.1.4 Django框架中嵌入Vue |
| 4.2 系统界面设计与实现 |
| 4.2.1 代码目录设计 |
| 4.2.2 依赖包安装 |
| 4.2.3 系统工作流程 |
| 4.2.4 登陆模块实现 |
| 4.2.5 目录及权限管理模块实现 |
| 4.2.6 数据曲线模块实现 |
| 4.2.7 参数设置模块实现 |
| 4.2.8 地图模块实现 |
| 4.3 系统后台程序设计与实现 |
| 4.3.1 交互接口设计 |
| 4.3.2 url对应与委派 |
| 4.3.3 数据库设置 |
| 4.3.4 视图函数实现 |
| 4.4 本章小结 |
| 第五章 系统测试 |
| 5.1 测试规划 |
| 5.2 测试用例 |
| 5.3 测试结果 |
| 5.4 本章小结 |
| 第六章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 致谢 |
（8）支持高并发的社交系统的研究与开发（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 选题背景及研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 服务器集群技术 |
| 1.2.2 数据库技术 |
| 1.3 论文研究内容及主要工作 |
| 1.4 论文组织结构 |
| 第2章 关键技术研究 |
| 2.1 负载均衡及关键技术 |
| 2.1.1 负载均衡分类 |
| 2.1.2 负载均衡技术 |
| 2.1.3 常用负载均衡软件 |
| 2.1.4 常用负载均衡算法 |
| 2.2 服务层相关技术 |
| 2.2.1 SSM框架 |
| 2.2.2 Dubbo分布式服务中间件 |
| 2.3 数据持久层相关技术 |
| 2.3.1 Redis缓存 |
| 2.3.2 Mycat数据库中间件 |
| 2.3.3 Elasticsearch分布式搜索引擎 |
| 2.4 本章小结 |
| 第3章 Nginx动态负载均衡策略设计与实现 |
| 3.1 改进动态负载均衡策略设计 |
| 3.1.1 改进动态负载均衡算法设计 |
| 3.1.2 改进动态负载均衡模块设计 |
| 3.2 改进动态负载均衡策略实现 |
| 3.2.1 负载信息收集模块实现 |
| 3.2.2 负载信息处理模块实现 |
| 3.2.3 权值修改模块实现 |
| 3.3 改进动态负载均衡策略测试 |
| 3.3.1 实验环境搭建 |
| 3.3.2 实验方法及结果分析 |
| 3.4 本章小结 |
| 第4章 社交系统的需求分析与整体设计 |
| 4.1 需求分析 |
| 4.1.1 系统功能性需求 |
| 4.1.2 系统非功能性需求 |
| 4.2 系统总体架构设计 |
| 4.3 各模块详细设计 |
| 4.3.1 用户模块设计 |
| 4.3.2 文章模块设计 |
| 4.3.3 微博模块设计 |
| 4.3.4 社交模块设计 |
| 4.3.5 后台管理模块设计 |
| 4.4 数据库设计 |
| 4.5 本章小结 |
| 第5章 社交系统的功能与架构实现 |
| 5.1 前台系统实现 |
| 5.1.1 用户模块实现 |
| 5.1.2 文章模块实现 |
| 5.1.3 微博模块实现 |
| 5.1.4 社交模块实现 |
| 5.2 后台管理系统实现 |
| 5.3 高并发架构搭建 |
| 5.3.1 负载均衡层实现 |
| 5.3.2 数据持久层实现 |
| 5.4 本章小结 |
| 第6章 社交系统的整体测试 |
| 6.1 测试环境 |
| 6.1.1 硬件环境 |
| 6.1.2 软件环境 |
| 6.2 社交系统功能测试 |
| 6.3 社交系统高并发架构测试 |
| 6.3.1 负载均衡层高可用测试 |
| 6.3.2 数据持久层高可用测试 |
| 6.4 社交系统压力测试 |
| 6.5 本章小结 |
| 结论 |
| 参考文献 |
| 攻读硕士期间所获得的研究成果 |
| 致谢 |
（9）面向ARM架构的HPC系统性能评测及应用移植优化（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 论文研究的背景及意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 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 论文研究内容 |
| 1.4 论文结构 |
| 第二章 高性能计算架构及处理器 |
| 2.1 HPC领域主流架构比较 |
| 2.1.1 主流计算架构 |
| 2.1.2 指令集差异 |
| 2.1.3 体系结构差异 |
| 2.2 ARMv8-A架构特性 |
| 2.3 ARM架构处理器特点 |
| 2.4 小结 |
| 第三章 ARM高性能计算系统性能评测 |
| 3.1 引言 |
| 3.2 评测内容 |
| 3.3 评测体系 |
| 3.4 评测方法 |
| 3.4.1 基准测试法 |
| 3.4.2 应用测试法 |
| 3.5 小结 |
| 第四章 实验结果分析 |
| 4.1 实验环境 |
| 4.2 基准测试结果分析 |
| 4.2.1 处理器性能 |
| 4.2.2 内存性能 |
| 4.2.3 磁盘性能 |
| 4.2.4 网络性能 |
| 4.3 应用性能结果分析 |
| 4.3.1 计算密集型应用性能 |
| 4.3.2 内存密集型应用性能 |
| 4.4 小结 |
| 第五章 面向ARM架构的GROMACS移植及优化 |
| 5.1 引言 |
| 5.2 应用移植 |
| 5.2.1 应用移植类型 |
| 5.2.2 软件分析 |
| 5.2.3 软件迁移 |
| 5.2.4 移植结果分析 |
| 5.3 应用优化 |
| 5.3.1 调优流程 |
| 5.3.2 硬件优化 |
| 5.3.3 软件优化 |
| 5.4 小结 |
| 第六章 总结与展望 |
| 6.1 总结 |
| 6.2 不足与展望 |
| 参考文献 |
| 插图索引 |
| 表格索引 |
| 工作经历及在校期间研究成果 |
| 致谢 |
（10）基于漏洞元特征的漏洞智能分类技术研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景 |
| 1.2 研究现状 |
| 1.2.1 基于漏洞描述信息的漏洞分类技术 |
| 1.2.2 基于漏洞程序特征的漏洞分类技术 |
| 1.3 研究内容 |
| 1.4 论文结构 |
| 第二章 相关技术研究 |
| 2.1 内存破坏漏洞 |
| 2.1.1 栈溢出漏洞 |
| 2.1.2 堆溢出漏洞 |
| 2.1.3 格式化字符串漏洞 |
| 2.1.4 释放后重用漏洞 |
| 2.1.5 双重释放漏洞 |
| 2.2 动态程序分析技术 |
| 2.2.1 动态二进制插桩技术 |
| 2.2.2 全系统虚拟机技术 |
| 2.2.3 API Hook技术 |
| 2.3 机器学习 |
| 2.3.1 逻辑回归 |
| 2.3.2 K最邻近 |
| 2.3.3 支持向量机 |
| 2.3.4 随机森林 |
| 2.3.5 GBDT |
| 2.4 本章小结 |
| 第三章 基于漏洞元特征的漏洞智能分类方法技术路线 |
| 3.1 基于动态程序插桩的漏洞深度提取技术 |
| 3.1.1 Intel Pin动态插桩平台 |
| 3.1.2 基于Intel Pin的栈溢出漏洞特征提取 |
| 3.2 漏洞元特征智能选择技术 |
| 3.2.1 基于多种相关性度量的过滤式漏洞特征选择 |
| 3.2.2 包裹式漏洞特征选择 |
| 3.3 栈溢出漏洞预测分类模型构建 |
| 3.3.1 基于集成学习的单漏洞元特征模型构建 |
| 3.3.2 多漏洞元特征模型融合 |
| 3.4 本章小结 |
| 第四章 基于漏洞元特征的漏洞智能分类技术设计与实现 |
| 4.1 整体框架设计 |
| 4.2 主要功能模块设计与实现 |
| 4.2.1 二进制动态程序插桩模块 |
| 4.2.2 漏洞原始特征提取模块 |
| 4.2.3 过滤式特征选择模块 |
| 4.2.4 包裹式特征选择模块 |
| 4.2.5 漏洞分类模型构建模块 |
| 4.3 本章小结 |
| 第五章 框架测试与分析 |
| 5.1 测试环境 |
| 5.2 测试样本及类型 |
| 5.3 漏洞智能分类效果测试与分析 |
| 5.3.1 分类测试度量指标 |
| 5.3.2 单特征测试结果 |
| 5.3.3 集成分类测试结果 |
| 5.3.4 漏洞智能分类的应用 |
| 5.4 本章小结 |
| 第六章 总结与展望 |
| 6.1 工作总结 |
| 6.2 改进与展望 |
| 参考文献 |
| 致谢 |
| 攻读学位期间发表的学术论文目录 |
四、一种大型消息系统下内存管理的方法（论文参考文献）
- [1]嵌入式操作系统在分布式系统中的设计与应用[D]. 寿颖杰. 江南大学, 2021(01)
- [2]边缘计算下的Docker容器安全监控系统[D]. 徐鑫辰. 电子科技大学, 2021(01)
- [3]基于多片多核处理器的自动驾驶控制软硬件架构实现研究[D]. 李明. 吉林大学, 2021(01)
- [4]面向云平台的Windows虚拟机监控与控制系统[D]. 丁宇勋. 电子科技大学, 2021(01)
- [5]大规模云计算系统的可靠性建模及优化研究[D]. 孟飒. 电子科技大学, 2021(01)
- [6]基于云计算的服务机器人系统设计与实现[D]. 张松. 西安科技大学, 2020(01)
- [7]光纤传感器B/S架构软件的设计与开发[D]. 王玥. 北京邮电大学, 2020(05)
- [8]支持高并发的社交系统的研究与开发[D]. 李晓东. 北京工业大学, 2020(06)
- [9]面向ARM架构的HPC系统性能评测及应用移植优化[D]. 戈孜荣. 兰州大学, 2020(01)
- [10]基于漏洞元特征的漏洞智能分类技术研究[D]. 于恬. 北京邮电大学, 2020(04)