Jan, 2024

当 eBPF 遇见机器学习：即时操作系统内核分区

PDF
TL;DRO2C 是一个创新的系统，通过在运行时将执行强制性操作的 eBPF 程序嵌入内核，实现了操作系统内核的分区，以有效防止初始腐败变为成功攻击，并通过执行过程保持一致的系统可用性。我们的全面评估显示，O2C 有效地将损害局限在分区内，并验证了决策树在 O2C 中的最佳适应性，包括在处理表格数据方面的优势、可解释性以及与 eBPF 生态系统的兼容性。最重要的是，O2C 是轻量级的，在整个系统范围内显示出可忽略的开销和出色的可扩展性。
发现论文，激发创造
  • 高阶不确定模型中的实时自适应安全关键控制与高斯过程

    本文提出了一种适应不确定参数系统的自适应在线学习框架，以确保非平稳环境下的安全临界控制；该方法包括两个阶段，第一阶段基于稀疏高斯过程算法改进，第二阶段提出了基于高阶控制屏障函数的安全过滤器与学习模型相结合，并通过实时障碍物避免实验证明了算法的有效性。

    Feb, 2024

  • 无存储约束的在线持续学习

    本文提出了一种用于在线连续学习问题的简单算法，该算法采用 kNN 分类器和通用预先训练的特征提取器，可以在小的计算预算下紧凑存储和利用整个数据流，既能减少过往数据的灾难性遗忘，同时也能快速适应快速变化的数据流，同时在 Continual LOCalization (CLOC) 和 Continual Google Landmarks V2 (CGLM) 两个大规模 OCL 数据集上取得了最新的技术水平。

    May, 2023

  • 在线持续学习用于室内物体识别的强健性

    家用机器人上安装的视觉系统需要与不可见的类别在多变的环境中进行交互。我们提出了 RobOCLe 作为一种少样本在线持续学习模型，通过构建富化特征空间和计算样本的高阶统计矩来改善连续学习模型的鲁棒性。

    Jul, 2023

  • CamFlow: 云服务的托管数据共享

    本研究探讨了云数据安全的问题，提出了利用信息流控制 (IFC) 实现数据保护与共享的方法，为云服务及物联网架构提供了新思路。

    Jun, 2015

  • 极限内存约束下的在线连续学习

    本文提出了一个新的问题 ——Memory-Constrained Online Continual Learning (MC-OCL)，我们通过 Batch-level Distillation（BLD）这种基于正则化的 CL 方法来解决这个问题，并在三个公开的基准测试中证明了我们的方法成功地解决了 MC-OCL 问题，同时实现了与需要更高存储开销的先前 distillation 方法相当的准确性。

    Aug, 2020

  • ACPO：基于 AI 的编译器驱动程序优化

    ACPO 是一个提供给 LLVM 的新框架，用于通过机器学习模型进行编译器驱动的程序优化。实验证明，ACPO 在 Polybench、Coral-2、CoreMark 和 Graph-500 上相比于 LLVM 的 O3 优化，Loop Unroll 模型平均能提高 4% 和 3%，Inliner 模型能提高 4.5% 和 2.4%。

    Dec, 2023

  • DeepC2: 基于人工智能的社交网络隐蔽指挥和控制

    本文提出了一种基于人工智能技术的 C&C 攻击方式 DeepC2，用于解决攻击者在在线社交网络上的两个主要问题：如何在不被防御者发现的情况下找到攻击者，以及如何在信息中隐藏命令，从而避免被社交网络检测到。实验表明，该方法可以让恶意软件在不被发现的情况下与攻击者进行通信。

    Sep, 2020

  • 使用核贝尔曼统计量进行负责任离线策略评估

    本文提出一个新的变分框架，将 OPE 中计算紧密置信区间的问题转化为一个可行集上的优化问题，通过利用最近提出的 kernel Bellman 损失的统计特性来构造可行集。实证结果表明，我们的方法在不同环境下都能产生紧密的置信区间。

    Aug, 2020

  • Trident: 高效的 4PC 框架用于隐私保护机器学习

    提出了一种用于隐私保护机器学习的安全四方协议和框架，在广泛使用的四种机器学习算法上进行了应用，并在离线 - online 模式下操作。实验结果表明，在 LAN 和 WAN 环境下，与现有方法相比，该框架在训练和预测阶段的效果提高了 187 倍和 158 倍。

    Dec, 2019

  • 基于深度强化学习的移动边缘计算 QoE 导向的计算卸载算法

    在移动边缘计算领域，通过有效的计算任务卸载可以确保用户无缝的体验质量。本研究以马尔科夫决策过程为基础，提出了一种基于深度强化学习的去中心化 QoS 导向的计算任务卸载算法，通过充分利用边缘节点的计算资源，能够显著提高用户的体验质量。

    Nov, 2023