GPU在HPC和云计算平台中被广泛部署来加速通用计算任务。其丰富的线程级并行可以提高GPU的利用率并且最大化系统吞吐量,因此在如机器学习、数据查询等场景中被广泛使用。在这些场景中,多个用户的进程在GPU上并行执行,确保用户间程序的独立性与安全性就成为了一个不可忽视的问题。但是有研究表明,GPU上存在着缓冲区溢出问题,一个进程可以利用缓冲区溢出去攻击同一GPU上的其他用户的进程。现有的针对GPU上的缓冲区溢出的研究都侧重于对缓冲区溢出的检测而不能从根本上对缓冲区溢出进行防范。本文在实验中发现GPU上的缓冲区溢出主要是由于堆管理器不合理的分配机制以及缺乏正确的访问控制策略导致的。GPU上的堆管理器在分配内存时连续地进行分配,并且程序每次运行分配的内存地址都保持不变。地址随机化是一种可以有效防范CPU上的内存错误的方法,但是在GPU上却缺乏类似的方法来防范由于内存溢出导致的越来越多的安全问题。基于此,本文提出将地址随机化技术集成到GPU堆管理器中,从而有效地防范GPU上的缓冲区溢出攻击。论文的主要工作如下:(1)本文为GPU上的堆管理器设计并实现了一种高效的地址随机化方法。(2)为了有效地选择随机算法,本文实现了三种高效率的随机算法,并对本文实现的随机算法和CUDA中随机算法的性能进行了比较分析。(3)本文设计了有效的机制来解决线程之间的冲突问题,还设计了地址动态变化机制使程序的堆地址每次运行都不同。(4)本文精心的分析本文设计的地址随机化方法的有效性、安全性及实用性。通过分析地址随机化的破解难度,并与CPU上的堆管理器中实现的地址随机化技术进行对比,从理论上验证本文方法的有效性和安全性。在实验中通过精心的设计测试程序验证了地址随机化的有效性;通过GPU上的缓冲区溢出攻击案例验证了本文方法防范缓冲区溢出攻击的有效性;通过多个场景,从多个角度分析了本文方法的性能开销,验证了本文的地址随机化技术的实用性。