文档建议反馈控制台
首页
学习
活动
专区
圈层
工具
MCP广场
文章/答案/技术大牛
发布

McSema技术升级：从二进制到LLVM比特码的现代化转换

McSema：我来提升它 - Trail of Bits博客Peter Goodman 2017年3月14日 darpa, mcsema我们的x86机器码到LLVM比特码二进制转换工具McSema刚刚完成了重大升级...成长阶段我们日常使用McSema进行以下工作：发现并事后加固二进制程序以防范安全漏洞独立验证供应商源代码生成高代码覆盖率的应用程序测试该工具不仅是学术研究的一部分，也被应用于DARPA项目。...LLVM 3.8（原使用自定义修改的LLVM 3.5）使用现代C++11特性完全替代Boost依赖简化改进新版命令行接口更统一易用：mcsema-disass反汇编二进制文件，mcsema-lift将反汇编转换为...LLVM比特码移除了自定义二进制反汇编器bin_descend，现仅支持使用IDA Pro作为反汇编引擎的解码器代码布局更直观，CMake构建脚本更精简采用无外部依赖的集成测试框架替代旧测试框架新特性支持更多指令集...未来规划我们将持续投入McSema开发：扩展对大型复杂软件的支持计划采用Binary Ninja替代IDA Pro进行控制流恢复增加ARM二进制码到LLVM比特码的转换支持拓展至移动应用和嵌入式固件分析领域我们正在招募对

22610
    • 您找到你想要的搜索结果了吗？
    是的
    没有找到

    Codeplay开源为Nvidia GPU提供DPC ++版本

    例如，英特尔在将软件移植到即将推出的Xe gpu生产线上的OneAPI计划上，就严重依赖SYCL[I]。到目前为止，SYCL对Nvidia gpu的支持有点麻烦。...“虽然ComputeCpp提供实验支持Nvidia gpu使用OpenCL和Nvidia PTX DPC + +(英特尔SYCL实现)提供了一个机会来添加完全支持Nvidia gpu集成到LLVM编译器没有经历...这个实现的代码库位于主LLVM编译器项目和DPC++分支的独立分支中，这意味着现在您需要使用这个项目来尝试使用SYCL支持Nvidia gpu。...SYCL单源编程使应用程序的主机和内核代码以一种类型安全的方式包含在同一个源文件中，并且具有跨平台异步任务图的简单性。...SYCL包含模板和泛型lambda函数，以使更高级的应用程序软件能够干净地编码，并在OpenCL 1.2实现的广泛范围内对内核代码进行优化加速。

    2.4K30

    如何在浏览器上跑深度学习模型？并且一行JS代码都不用写

    在基准测试中，我们从 Gluon 模型库里下载了 resnet18 模型，并对猫的图像进行端到端的分类。...图3 该基准测试在 4 中不同的设置下运行的： CPU(LLVM)：模型被编译到 LLVM IR 和 JIT'ed 上，因此它完全运行在 CPU 上。 OpenCL：模型被编译到 OpenCL 上。...还有一部分的 glue code 编译在 LLVM 上，用于设置并启动 OpenCL 内核。然后我们在本地的机器上运行该模型。...WebGL：glue code 被编译到 LLVM 平台上，进而通过 Emscripten 的 Fastcomp LLVM 后端转换为 Javascript。...设备的代码被编译到 WebGL 平台上，我们可以在Firefox 浏览器上运行该模型。 从以上得到的结果我们可以看到，TVM OpenGL 后端与 OpenCL 有相似的性能。

    2K50

    【自动编译代码】陈天奇团队TVM重磅更新：直接在浏览器使用GPU

    TVM框架正是为此而生，旨在让研究人员和开发者能够在各种不同的硬件，从手机、嵌入式设备到低功耗专用芯片这些不同的系统上，快速轻松地部署深度学习应用，而且不会牺牲电池电量或速度。...图3 该基准测试在以下4种不同的设置下运行： CPU（LLVM）：模型被编译为LLVM IR和JIT’ed，完全在CPU上运行。 OpenCL：模型被编译成OpenCL。...还有一些glue code被编译到LLVM，负责设置和启动OpenCL内核。然后我们在本地机器上运行。 OpenGL：与OpenCL相同，但编译为OpenGL。...TVM：深度学习“中间表示”之争 从结构上看，TVM是一个完整的深度学习中间表示（IR）堆栈的基础层（base layer），提供了一个可重用的工具链，用于编译高级神经网络算法，生成适合特定硬件平台的低级机器代码...借鉴构建编译器的方法，团队构建了一个两级的中间层，由NNVM（用于任务调度和内存管理的高级IR）和TVM（优化计算内核的低级IR）。

    2.1K50

    【Linux内核及内核编程】Linux 内核的发展与演变：从 UNIX 到开源帝国的崛起

    到 1990 年，GNU 已拥有完整的工具链，唯独缺少一个可用的内核 ——GNU Hurd 进展缓慢，陷入技术困境。...开发者友好：POSIX 兼容使得程序员可轻松将代码从 BSD 或 System V 移植到 Linux，加速了社区的壮大。 然而，Linux 并非完全复制 POSIX。...Usenet 讨论：comp.os.linux 新闻组日均数百条消息，讨论内容从驱动开发到内核设计哲学。...到 1994 年 Linux 1.0 发布时，内核已包含 176,250 行代码，支持 TCP/IP、ext2 文件系统和多个硬件架构，标志着 Linux 从 “玩具” 蜕变为可用的操作系统。...RISC-V 与 Rust：适配开源硬件架构，探索内核开发的新范式。 Linux 的成功证明了开源协作的力量：一个由全球志愿者维护的系统，竟能超越商业巨头，统治从手机到超算的全场景。

    21310

    英伟达CUDA太难！OpenAI出手要取代它，新语言性能相当但编程更简单

    OpenAI的研究人员已经使用Triton，来生成比同等Torch效率高出1倍的内核。...Triton可以将这些优化过程完全自动化，让开发者可以更好地专注于并行代码的高级逻辑。 以矩阵乘法为例，能够为逐元素运算和归约编写融合内核很重要，但考虑到神经网络中矩阵乘法任务的重要性，这还不够。...手写矩阵乘法内核的一个重要优点是它们可以根据需要进行定制，以适应其输入和输出的融合变换。 如果没有Triton，对于没有特殊GPU编程经验的开发者来说，矩阵乘法内核的修改是非常困难的。...Triton背后的原理 Triton 的良好性能，来自于以Triton-IR为中心的模块化系统架构，这是一种基于LLVM的中间表示。...生成的IR代码随后由编译器后端进行简化、优化和自动并行化，然后转换为高质量的LLVM-IR（最终转换为 PTX）。

    1.3K10

    CANN 编译器深度解析（一）：从 ONNX 到 CANN IR 的图优化全流程

    CANN 编译器深度解析（一）：从 ONNX 到 CANN IR 的图优化全流程 相关资源链接 cann组织链接：cann组织 ops-nn仓库链接：ops-nn仓库 当你运行： atc --model...但在这短暂的编译过程中，ATC 实际执行了数百项图变换与优化决策。 这些优化不是魔法，而是一套精密的基于规则与成本模型的图重写系统。...二、阶段 1：ONNX 解析与图标准化（Graph Normalization） 目标：构建统一中间表示（IR） ONNX 模型可能包含： 多版本算子（如 Relu vs ReLU）； 冗余常量（未折叠的...三、阶段 2：基于模式的算子融合（Pattern-Based Fusion） 这是 ATC 性能提升的核心。它通过 预定义融合模板 识别常见计算模式。...结语：编译器是 AI 系统的“隐形建筑师” ATC 的价值，不在于它“能编译”，而在于它“知道如何编译得更好”。每一次融合、每一次内存复用、每一次布局调整，都是对硬件极限的逼近。

    11110

    《PytorchConference2023 翻译系列》6-Triton编译器

    如果你用CUDA编写同样的内核，它实际需要更多的努力。我们可以注意到一些有趣的事情。例如，你可以控制如何在计算机上分配工作。多亏了这些编程思想。...之后我将讨论，如何在典型的设备上使用triton，除了内核他还可以集成到完整的graph编译器堆栈中： Triton为你提供了一个非常容易、非常自然的从graph表示直接到实现的lowering过程，并且它实际上允许更简单的...如果我们放大这个有趣的部分，即基本上发生在Triton IR和最终的LLVM IR之间的事情，LLVM IR是最终的目标。...基本上，编译器首先接收Triton IR，Triton IR与语言本身非常相似。然后，编译器要做的第一件事是为描述张量如何分布到线程上的布局进行关联。...如果机器有tensorcore，我们会尝试使用非常适合tensorcore的布局。然后，我们会尝试避免任何布局转换，应用一系列典型的编译器传递，然后在此基础上进行转换，基于分析转到llvm ir。

    1.4K10

    进程调度的艺术：从概念本质到 Linux 内核实现

    本文将沿着 “概念→实践→内核实现” 的脉络，拆解进程调度的核心知识：从最基础的 “孤儿进程如何被系统收养”，到 “进程优先级（PRI 与 NI）如何影响 CPU 分配”；从如何通过命令查看系统进程的...无论你是想搞懂 “为什么调整 NI 值能让程序跑得更快”，还是想理解 “Linux 如何在千差万别的进程中分配资源”，这篇文章都将带你从表象到本质，看透进程调度的 “套路” 与 “智慧”。...恢复学籍--恢复进程上下文数据，保存起来，恢复到CPU内寄存器里 当兵--进程从CPU剥离出来 现实场景（小胡当兵） 操作系统概念（进程调度） 核心逻辑一致点 学校 CPU 是 “运行” 的核心载体（学校是学习的场所...恢复学籍 恢复上下文（Context Restore） 回到核心载体时，需加载之前的状态（小胡返校后接着上学，进程被调度时从 PCB 加载寄存器数据到 CPU）。...从孤儿进程被 1 号进程收养的设计，到 PRI 与 NI 共同决定的优先级体系；从进程切换时上下文的精准保存与恢复，到 Linux 调度算法中活动队列与过期队列的巧妙轮转，每一个细节都体现了 “让系统更流畅

    14710

    FUSE，从内核到用户态文件系统的设计之路

    从我们的实践经验来看，FUSE 在大多数 AI 场景下能能够满足性能需求，相关细节将在文章中阐述。...当应用程序调用系统调用时，它就会进入一段内核空间代码，等执行完毕后，再把结果返回给用户空间。值得注意的是，这个从用户态到内核态，然后再返回用户态的整个过程，它都属于同一个进程范畴。...3 FUSE：从内核到用户态的文件系统创新 随着计算机技术的不断发展，许多新兴业务场景需要使用自定义文件系统。传统的内核态文件系统存在实现难度高和版本兼容性问题。...基于此，有人提出了一个构想：是否可以将 NFS 网络协议移植到单机端，将服务端功能转移到用户态进程，同时保留客户端在内核中运行，用系统调用代替网络通讯，从而在用户态实现文件系统功能？...守护进程通过调用 read() 函数主动从该设备读取请求： 若内核的 FUSE 请求队列为空，read() 会进入阻塞状态，此时守护进程暂停执行并释放 CPU，直到队列中出现新请求（通过内核的等待队列机制实现

    77201

    25行代码≈SOTA！OpenAI发布Triton编程语言，比PyTorch快2倍

    Triton，你从哪里来 正如上文所说，Triton的历史可以追溯到2019年，作者Tillet在哈佛大学读博时发表的一篇论文。 ?...在优化CUDA代码时必须考虑到每一部分。 来自DRAM的内存传输必须经过合并，从而利用现代内存接口的总线带宽。 数据在被重新使用之前必须被手动存储到SRAM中，从而在检索时减少共享内存库的冲突。...矩阵乘法中V100 Tenser核心的性能 高级系统架构与编译器后端 能达到如此优秀的性能，是因为Triton有一个以Triton-IR为中心的模块化系统架构。...Python函数的抽象语法树（Abstract Syntax Tree，AST），能够使用常见的SSA构造算法生成Triton-IR。 ?...Triton的架构 生成的IR代码由编译器后端进行简化、优化和自动并行化。 转换为高质量的LLVM-IR（最终转换为 PTX）后，能够在最新的NVIDIA GPU上执行。

    1.3K40

    AI 技术讲座精选：技术前沿——CUDAnative.jl 支持 GPU 原生编程

    幸运的是，从源代码处安装的 Julia 程序被完好的保存在了主知识库的 README 文件中。...请注意，你需要使用 NVIDIA 二进制驱动程序来安装 CUDA 工具包。...与 LLVM 交互（使用 LLVM.jl）：优化指令寄存器，然后编译成 PTX。 与 CUDA 交互（使用 CUDAdrv.jl）：把 PTX 编译成 SASS，然后把它上传到 GPU 中。...IR] } # ... but you can also invoke without @cuda julia> @code_ptx kernel_vadd(d_a, d_b, d_c) .visible...在块级别中，线程都归集到同一个核心处，但是没有必要一起执行，这就意味着他们需要通过局部储存器的核心进行交流。在其他高级别中，只有 GPU 的 DRAM 储存器是一个可使用的通讯媒介。

    1.8K100

    构建高性能Web服务：从内核到应用的全面优化指南

    构建高性能Web服务：从内核到应用的全面优化指南 在现代互联网应用中，高并发和高性能是每个开发者追求的目标。...面对每秒5000次请求（QPS=5000）的需求，如何从系统内核、Nginx配置到后端应用（如Tomcat）进行全面优化，是一个值得深入探讨的话题。...本文将基于CentOS 6系统，结合实际场景，详细讲解如何通过调整内核参数、优化Nginx配置以及调整Tomcat参数，构建一个高性能的Web服务。...减少TCP连接的开销，充分利用Keep-Alive特性。 避免因线程切换或资源竞争导致的性能瓶颈。 2. 内核参数优化 内核参数的调整是提升系统性能的基础。...总结与建议 优化总结 内核参数优化：通过调整TCP相关参数，提升系统的并发处理能力和稳定性。 Nginx配置优化：通过调整worker进程数、连接数和Keep-Alive参数，提升反向代理性能。

    22710

    PTX快速入门

    OpenCL：虽然OpenCL也是一种并行编程框架，但它的设计理念与PTX不同。PTX更贴近NVIDIA硬件，而OpenCL则强调跨厂商的兼容性。...这种抽象使得开发者编写的代码能够在不同代际的NVIDIA GPU上运行，而无需关心具体的硬件细节。例如： 跨架构兼容性：PTX代码可以被编译成适用于不同GPU架构的二进制文件。...这意味着开发者只需维护一份源代码，即可覆盖从Pascal到Ampere的多个GPU系列。...例如： mov.f32 f1, f2; // 将寄存器f2的值赋给f1 2、 内存访问 PTX支持对不同类型的内存进行访问，包括全局内存、共享内存和常量内存： ld.global：从全局内存加载数据到寄存器...例如： ld.global.f32 f1, [addr]; // 从地址addr加载单精度浮点数到寄存器f1 st.global：将寄存器中的数据存储到全局内存。

    1.2K10

    微信安全下一代特征计算引擎的探索与实践

    注意Clang前端并不是Clang二进制程序, 而是Clang编译器提供的前端库，LLVM IR经过LLVM优化器，根据优化级别生成优化后的LLVM IR存储在内存中, 常见的优化有常量传播，常量折叠，...优化后的LLVM IR被 LLVM ORC JIT执行，输出结果。JIT的执行使用了LLVM后端代码生成技术，输入LLVM IR 输出二进制指令到内存，然后调用指定的函数符号执行。...LLVM将传统的三段式结构中优化阶段单独提取出来，并引入了一个通用的代码中间表示LLVM IR，这样前端研发人员只需要关注Source Code到LLVM IR的过程，专注前端的相关的算法 如新的parser...基于Clang开发 执行下面的命令，使用-emit-llvm选项编译一个cpp文件到LLVM IR，Clang内部使用了哪些类和数据结构呢，执行流程是怎样的，如果我们想在这个编译流程上加上自定义的内容呢...clang -S -emit-llvm factorial.cpp Clang的编译流程和数据结构设计，给开发这预留了大量的重写和自定义Hook的地方，下图展示了从cpp代码到LLVM IR的内部流程。

    97910

    AI驱动的编译器优化：Azure与LLVM的自动化代码加速方案

    本文将探讨如何通过AI技术重构编译器优化流程，并结合云平台的算力资源与LLVM框架，构建端到端的自动化代码加速方案。...1.2 LLVM框架的技术突破与待解难题LLVM作为第三代编译器的代表，通过革命性的中间表示设计和模块化架构解决了传统编译器的诸多痛点：（1）架构创新解析多层次IR系统：其分层中间表示体系包含：前端IR...模型架构扩展支持跨语言语义理解，可处理Python/Julia算子描述到LLVM-IR/SYCL等多中间表示的转换。...（如从保守的-O1快速切换至激进的-O3）4.2.2 硬件专用化实践在 FPGA加速场景中的技术实现：流式编译流水线前端：将LLVM IR转换为OpenCL内核描述中间层：执行硬件感知优化流水线深度自动调节...当前研究热点聚焦于建立端到端的编译优化框架，例如通过构建PyTorch动态计算图到LLVM中间表示（IR）的自动化映射系统，实现算法模型与硬件指令集的无缝衔接。

    4.8K20

    leetcode树之从根到叶的二进制数之和

    序 本文主要记录一下leetcode树之从根到叶的二进制数之和 题目 给出一棵二叉树，其上每个结点的值都是 0 或 1 。每一条从根到叶的路径都代表一个从最高有效位开始的二进制数。...例如，如果路径为 0 -> 1 -> 1 -> 0 -> 1，那么它表示二进制数 01101，也就是 13 。 对树上的每一片叶子，我们都要找出从根到该叶子的路径所表示的数字。...sum-of-root-to-leaf-binary-numbers.png) 输入：[1,0,1,0,1,0,1] 输出：22 解释：(100) + (101) + (110) + (111) = 4 + 5 + 6 + 7 = 22 提示： 树中的结点数介于...sum; } return sumNode(node.left, sum) + sumNode(node.right, sum); } } 小结 这里采用递归的方法...doc 从根到叶的二进制数之和

    40930
    点击加载更多

    相关资讯

    热门标签

    更多标签

    活动推荐

      运营活动

      活动名称
      广告关闭

      腾讯云开发者

      扫码关注腾讯云开发者

      扫码关注腾讯云开发者

      领取腾讯云代金券

      热门产品

      热门推荐

      更多推荐

      Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有

      深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 粤公网安备44030502008569号

      腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号

      领券