-
题名基于GPU的LLVM程序分析信息并行提取
- 1
-
-
作者
马冬冬
衷璐洁
朱敬茹
-
机构
首都师范大学信息工程学院
-
出处
《计算机工程》
CAS
CSCD
北大核心
2017年第10期23-30,共8页
-
基金
国家自然科学基金(61402303)
北京市教委科技计划面上项目(KM201510028016)
-
文摘
LLVM中间表示(IR)中包含大量的程序分析原始信息,传统基于CPU的程序分析信息提取方法大多采用串行的循环迭代方式处理较大规模程序,可扩展性较差。为此,结合图像处理器(GPU)的通用计算优势,提出一种基于统一计算设备架构的LLVM平台程序分析信息并行提取方法,在CPU上实现程序特征分析及IR预处理、存储结构设计及提取信息的可视化,在GPU上完成并行线程调度的程序分析信息匹配及提取工作。实验结果表明,该方法可提高LLVM平台程序分析信息的提取效率,与串行提取方法相比,最高可获得4倍的加速比。
-
关键词
底层虚拟机
中间表示
程序分析
信息提取
图形处理器
可扩展性
-
Keywords
Low Level Virtual Machine （ LLVM ）
Intermediate Representation （IR）
program analysis
informationextraction
Graphics Processing Unit （GPU）
scalability
-
分类号
TP311
[自动化与计算机技术—计算机软件与理论]
-
-
题名一种基于GPU的危险路径并行提取方法
- 2
-
-
作者
朱敬茹
衷璐洁
马冬冬
黄晓
-
机构
首都师范大学信息工程学院
-
出处
《小型微型计算机系统》
CSCD
北大核心
2017年第10期2363-2368,共6页
-
基金
国家自然科学基金项目(61402303)资助
北京市教委科技面上项目(KM201510028016)资助
-
文摘
在定值引用错误中,错误源到达错误目标的路径往往很长且路径数众多,路径敏感检测分析的规模往往较大,特别是对大规模程序而言.为充分减小待分析问题规模并合理控制时间开销,我们提出一种基于GPU的融合危险路径并行提取策略的路径敏感分析输入规模有效控制方法.实验结果表明,与串行方法相比,基于GPU的并行策略获得了最高22.27x的加速比,可进一步提高路径敏感检测方法的可扩展性.
-
关键词
路径敏感
可扩展性
GPU
路径二分编码
危险路径
-
Keywords
path sensitive
scalability
GPU
binary encode of path
unsafe path extraction
-
分类号
TP311
[自动化与计算机技术—计算机软件与理论]
-
