【摘要】：深度嵌入式系統(tǒng)(Deeply Embedded Systems)是與真實(shí)環(huán)境聯(lián)系緊密、資源受限的嵌入式系統(tǒng)。隨著物聯(lián)網(wǎng)技術(shù)的發(fā)展,深度嵌入式系統(tǒng)得到了大規(guī)模的應(yīng)用,如智能家居、智慧城市等。深度嵌入式系統(tǒng)運(yùn)行狀態(tài)監(jiān)測(cè)和異常檢測(cè)成為保障系統(tǒng)正常工作、提高系統(tǒng)可用性的關(guān)鍵保障性技術(shù)。然而,由于部署環(huán)境復(fù)雜多樣、計(jì)算機(jī)資源嚴(yán)重受限等特點(diǎn),深度嵌入式異常檢測(cè)面臨諸多的挑戰(zhàn)。本文以數(shù)據(jù)為驅(qū)動(dòng)深入研究了深度嵌入式系統(tǒng)節(jié)點(diǎn)程序運(yùn)行特征,并提出了3種有效的異常檢測(cè)方法。本文主要工作如下:(1)基于指令級(jí)仿真精度的仿真環(huán)境,運(yùn)行了數(shù)十個(gè)典型應(yīng)用,并利用本文研究中開發(fā)的仿真環(huán)境數(shù)據(jù)自動(dòng)化收集補(bǔ)丁,收集了大量的應(yīng)用任務(wù)執(zhí)行數(shù)據(jù),建立了深度嵌入式系統(tǒng)任務(wù)執(zhí)行據(jù)集。通過對(duì)數(shù)據(jù)集的分析,挖掘深度嵌入式系統(tǒng)任務(wù)頻數(shù)特征與任務(wù)轉(zhuǎn)移特征,這些特征將作為深度嵌入式系統(tǒng)異常檢測(cè)方法研究的基礎(chǔ)。(2)利用系統(tǒng)節(jié)點(diǎn)任務(wù)轉(zhuǎn)移在較長(zhǎng)時(shí)間內(nèi)具有穩(wěn)定性的特征,提出基于任務(wù)轉(zhuǎn)移概率矩陣相似性度量的異常檢測(cè)方法T2PAD。T2PAD利用任務(wù)轉(zhuǎn)移概率矩陣描述節(jié)點(diǎn)的工作狀態(tài),轉(zhuǎn)移概率矩陣包含實(shí)際運(yùn)行中,節(jié)點(diǎn)出現(xiàn)的所有任務(wù)間一步轉(zhuǎn)移關(guān)系。通過對(duì)矩陣內(nèi)行向量的相似性度量,判別系統(tǒng)狀態(tài)是否符合預(yù)期狀態(tài)進(jìn)而實(shí)現(xiàn)異常檢測(cè)。導(dǎo)致狀態(tài)異常的行向量作為診斷信息為開發(fā)人員定位異常原因提供幫助。本文基于T2PAD診斷信息的幫助發(fā)現(xiàn)了2個(gè)TinyOS操作系統(tǒng)底層程序缺陷。(3)針對(duì)T2PAD存在的一些問題進(jìn)行優(yōu)化并提出T2PAD.U方法。T2PAD方法存在矩陣稀疏、大量非重要任務(wù)轉(zhuǎn)移占用大量運(yùn)算資源的問題。因此利用任務(wù)頻數(shù)特征:少數(shù)任務(wù)完成節(jié)點(diǎn)生命周期主要工作的特征,大量減少需要觀測(cè)的任務(wù)轉(zhuǎn)移數(shù)量。采用固定T2PAD.U中的一些參數(shù)進(jìn)而固定任務(wù)頻數(shù)自由度的方法,使得T2PAD.U方法對(duì)未被觀測(cè)的低頻數(shù)任務(wù)也具有檢測(cè)能力。針對(duì)T2PAD中向量相似性計(jì)算具有較大開銷的問題與參數(shù)閾值依賴經(jīng)驗(yàn)設(shè)置,利用檢驗(yàn)方法直接檢測(cè)轉(zhuǎn)移頻數(shù),并提供基于統(tǒng)計(jì)意義的置信度。由于觀測(cè)任務(wù)范圍縮小,T2PAD.U相較T2PAD提供的診斷信息粗糙,T2PAD.U方法最顯著的優(yōu)越性是對(duì)計(jì)算機(jī)資源開銷要求極低,可以直接部署于資源受限的微控制器。(4)任務(wù)內(nèi)往往包含大量的函數(shù)調(diào)用關(guān)系,T2PAD方法任務(wù)級(jí)的異常檢測(cè)提供較粗粒度的診斷信息,這是對(duì)資源受限的妥協(xié)。為了在一些測(cè)試臺(tái)(TestBed)環(huán)境或者仿真環(huán)境等計(jì)算資源豐富的部署前測(cè)試場(chǎng)景中提供細(xì)粒度的異常檢測(cè)方法進(jìn)而為異常原因診斷提供更精細(xì)的信息,本文研究提出了細(xì)粒度的異常檢測(cè)方法DeepTP。本文首先設(shè)計(jì)了只占用節(jié)點(diǎn)2字節(jié)RAM開銷、基于函數(shù)內(nèi)追蹤點(diǎn)插裝的程序追蹤方法。類似于自然語(yǔ)言詞語(yǔ)遵循文法邏輯,追蹤點(diǎn)序列遵循嚴(yán)格的程序邏輯。DeepTP在資源豐富的計(jì)算機(jī)平臺(tái)利用GRU深度神經(jīng)網(wǎng)絡(luò)對(duì)程序追蹤點(diǎn)序列進(jìn)行建模,通過對(duì)正常追蹤點(diǎn)預(yù)測(cè)以及通過χ~2檢驗(yàn)對(duì)追蹤點(diǎn)預(yù)測(cè)的概率分布與實(shí)際分布進(jìn)行檢驗(yàn),實(shí)現(xiàn)了細(xì)粒度異常檢測(cè)的目的。DeepTP可以提供語(yǔ)句級(jí)的異常診斷信息,為開發(fā)人員定位異常原因提供最大的幫助。
【圖文】：

NesC聲明事件、任務(wù)，，提交任務(wù)，觸發(fā)事件程序示例

TelosB節(jié)點(diǎn)表2.1TmoteSky/TelosB節(jié)點(diǎn)平臺(tái)特性
【學(xué)位授予單位】：長(zhǎng)安大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2019
【分類號(hào)】：TN929.5;TP391.44

【參考文獻(xiàn)】

相關(guān)期刊論文 前2條

1 馬峻巖;周興社;李士寧;;基于FSM的感知節(jié)點(diǎn)軟件故障檢測(cè)[J];北京郵電大學(xué)學(xué)報(bào);2013年02期

2 鄔賀銓;;物聯(lián)網(wǎng)的應(yīng)用與挑戰(zhàn)綜述[J];重慶郵電大學(xué)學(xué)報(bào)(自然科學(xué)版);2010年05期

本文編號(hào)：2625684