记录一些学习日常

摘要： 1. 新建LLVM文件夹： 2.LLVM下载： 从LLVM官网上页面上下载clang ，llvm，clang-tools-extra-4.0.0.src，compiler-rt-4.0.0.src，libcxx-4.0.0.src，libcxxabi-4.0.0.src。将其解压至LLVM文件夹下。 阅读全文

摘要： 1. QEMU下载与安装 wget https://download.qemu.org/qemu-5.2.0.tar.xz #下载qemu，版本可选 cd qemu-5.2.0/ #进入目录 tar xvJf qemu-5.2.0.tar.xz#解压文件 ./configure make #编译 m 阅读全文

摘要： 使用Adobe Premiere Pro 将语音转为文字。 阅读全文

摘要： Git 下载安装与配置操作过程和遇到的一些问题。 阅读全文

摘要： WIN10、NVIDIA GeForce RTX 3060 python 3.7，CUDAv11.1.1，PyTorch 1.9.0 阅读全文

摘要： 机器学习(ML)越来越被视为构建编译器优化启发式的可行方法，但许多ML方法甚至不能复制对做出良好优化决策至关重要的最简单的数据流分析。 我们假设，如果ML不能做到这一点，那么它就没有足够的能力对程序进行推理。 我们将数据流分析描述为监督学习任务，并从几个分析中引入了一个大型开放的程序数据集及其相应的标签。 我们使用这个数据集来对ML方法进行基准测试，并表明它们在这些基本的程序推理任务上遇到了困难。 我们提出了PROGRAML（用于机器学习的程序）——一种独立于语言的、可移植的程序语义表示。 该程序克服了以往工作的局限性，提高了下游优化任务的性能。 阅读全文

摘要： 内存相关漏洞对现代软件的安全构成了严重威胁。 尽管基于深度学习的方法在一般性漏洞检测方面取得了成功，但在应用于内存相关漏洞检测时，仍然受到流信息利用不足的限制，导致高误报率。 本文提出了一种基于流敏感图神经网络（FS-GNN）的语句级内存相关漏洞检测方法MVD。 利用FS-GNN联合嵌入非结构化信息（即源代码）和结构化信息（即控制流和数据流）来捕获隐式内存相关漏洞模式。 我们在包含4353个真实世界内存相关漏洞的数据集上评估MVD，并将我们的方法与三种最先进的基于深度学习的方法以及五种流行的基于静态分析的内存检测器进行比较。 实验结果表明，MVD具有较好的检测精度，优于基于状态DL和基于静态分析的检测方法。 此外，MVD在准确性和效率之间做出了很大的权衡。 阅读全文