基于硬件虚拟化的客户虚拟机内部执行环境隔离机制

来源 :上海交通大学 | 被引量 : 0次 | 上传用户:xqd2cd
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
操作系统是系统中最重要的部件之一,承载着从桌面软件到服务器程序的各种应用,确保应用的稳定、高效、安全运行。目前服务器中大部分系统都使用宏内核,例如Linux,其共享内核地址空间的架构减少了不同模块交互的性能开销,然而这种宏架构却使得其安全风险越来越突出。代码量的巨大导致内核几乎不可避免的包含诸多漏洞,隔离性的缺乏则使得内核安全性更加脆弱,且内核的权限极高,一旦其中任何一个部件被攻破,整个系统都暴露于安全威胁之中。因此,如何加强操作系统内部,尤其是内核的隔离性,一直是一个热门的研究方向。结合硬件虚拟化机制,上述问题有了一些新的思路,硬件虚拟化提供的扩展页表和其他扩展机制使得对于地址空间的隔离变得更加有效。然而,当前很多利用硬件虚拟化进行防护的方法未能减小不同扩展页表之间的切换开销,部分利用VMFUNC指令进行扩展页表切换过程加速的工作也没有充分考虑多个扩展页表互相切换的安全性问题。此外,大部分工作都没有考虑到利用虚拟机监控器对异常访问进行检查时的与语义不完整问题。本文针对虚拟机系统内部的隔离问题,结合硬件虚拟化提供的扩展页表、虚拟异常机制和VMFUNC扩展指令,设计和实现了对于虚拟机内部执行环境的安全高效隔离机制,并将其应用到对于虚拟机操作系统内核的保护中,使得内核中某些部件的漏洞不会影响到其他部件,该方案也可方便移植到其他内核部件或用户程序。具体而言,本文完成了如下工作:设计并实现了在硬件虚拟化环境下基于扩展页表进行客户虚拟机地址空间隔离,保证了不同执行环境之间的强隔离性,使得攻击者无法读取或篡改其他执行环境的未授权数据,同时保证了原有系统接口的兼容性。利用VMFUNC硬件指令设计了不同执行环境之间的安全高效切换机制,提升切换过程安全性的同时大幅降低了扩展页表的切换开销,对于Apache和Memcached程序产生的性能影响小于2%,对系统其他部分正常运行产生的性能影响也十分轻微。设计并实现了基于虚拟异常的、针对非法内存访问的检查机制,让虚拟异常先由虚拟机处理而不再立即下陷到虚拟机监控器。虚拟机内部拥有完整的语义信息,可以进行有效的访问安全性检查,避免虚拟机与虚拟机监控器之间的语义差异导致的有效性问题。
其他文献
随着硬件设备、网络传输的不断发展,多媒体内容已经成为我们日常生活的重要组成部分,人们可以随时随地通过各种便携式显示设备观看图像/视频。图像/视频内容通常是在考虑特定目标分辨率的情况下制作的,而不同的显示设备往往没有统一的长宽比。图像/视频重定向技术就是将图像/视频适配到目标屏幕上进行更好的播放。但是目前所广泛采用的朴素的重定向方法缺乏了对图像/视频内容特性的考虑,都有着不同的本质上的缺陷。因此,基
对于图像去噪问题的研究长期以来都在计算机视觉领域中占据十分重要的地位,这是因为基础图像的质量将在很大程度上制约后续图像信息处理的效果。图像噪声的类型多种多样,而高斯噪声的特性使其成为图像去噪算法研究中最为核心的一种,本文的研究重点也正是图像的高斯去噪问题。过去传统的图像高斯去噪方法建立在图像先验知识模型的基础上,这依赖人的经验,可能导致在建模的过程中难以利用到图像的一些高级特征,存在一定的局限性。
随着VR技术的发展,VR游戏逐渐盛行,线下出现了一批VR体验店、VR自助机,同时也有越来越多的VR游戏爱好者,入手VR设备开启VR游戏。游戏发展到一定阶段也往往伴随着游戏平台客户端的产生,但是当前VR游戏市场不健全,玩家挑选游戏耗时费力,VR游戏运行需要安装各类插件,入手难度高;以及账号过多难以管理,游戏的下载、安装更新比较繁琐,这时一款合适的VR游戏平台客户端显得尤为重要。国内VR游戏客户端如造
近年来,目标检测在智能安防、智慧城市、智能工厂、智能汽车等多个领域应用广泛。由于目标检测的核心技术是深度学习,所以目前大多数的目标检测模型部署在服务器端,但这种方式存在两个弊端:一是随着部署的需求量骤增,大量配置高性能服务器在经济上会造成巨大压力;二是摄像机等边缘设备采集的待检测数据需要经过网络传输才能到达服务器,当数据量非常庞大时会影响到检测的时效性。随着边缘设备的日渐流行,其小体积、高性价比、
自人工智能技术发展以来,各领域都在寻找有利的结合点,最近几年,人工智能技术也不断涌现出与医疗领域结合的趋势,同时大量的数据资源、快速的计算能力、算法的不断优化等基础准备的成熟与创新也成为发展医学领域智能化技术的重要基石。在这种趋势下,我国医疗智能化的发展面临着前所未有的机遇和挑战,图像和语音技术的成熟为医疗行业带来新的机遇,但是由于语言的复杂性使得自然语言处理在医疗领域的应用仍然面临着诸多挑战。例
行人再识别是智能监控研究的重点之一,它是利用计算机视觉相关技术,判断不同摄像头间非重叠区域是否存在同个行人,进而可实现可疑人物的快速检索、预测异常事件等相关分析。然而在实际应用场景中,由于存在光照变化、背景杂乱、行人姿态多样以及遮挡等问题,行人再识别研究存在诸多挑战,引起学术界和工业界广泛关注。如何提取更鲁棒且可区分度高的行人特征以提高行人的识别效果,成为该课题的研究核心之一。利用手工设计得到的特
随着物联网的发展,边缘计算已成为时下的研究热点之一。边缘计算是在靠近用户或数据源头的网络边缘,包含了网络传输、计算任务、数据存储存储和应用等功能的平台,其核心在于将部分计算、网络或存储任务从云计算中心转移到边缘设备上。相比云计算,边缘计算具有更实时、更快速的数据处理能力和响应能力,部署成本更低,对网络带宽的压力也更小。但是,传统的边缘计算框架也有其潜在的问题。由于边缘节点承担了一部分计算任务,云平
资源描述框架(RDF)作为表示和记载图结构数据的技术规范之一,被广泛应用于知识图谱、社交网络、金融风控等场景。用户使用RDF图查询系统进行信息检索,发掘图数据集中特定的信息。随着人类进入大数据时代,实际场景中的图数据集正变得日益庞大。海量数据给RDF图查询系统带来了存储效率上的挑战:如何在保障系统性能的前提下提升系统的存储效率,用更少的空间存储更多的RDF图数据,降低系统运行的硬件成本,成为学界和
资源描述框架(RDF)是W3C组织制定的一个标准数据模型,用来表示万维网上的关联数据。RDF将相互关联的数据描述成一系列的三元组,这些三元组构成一个高度连通的图(RDF图)。用户可以通过SPARQL查询语言检索RDF数据。在线图查询是访问关联数据的重要方式,其目标是在图数据中找到符合查询约束条件的顶点集合。图查询任务可以分为两种类型:小查询和大查询。小查询在执行时只需要遍历一小部分顶点和边,而大查
目标检测技术在计算机视觉扮演着根本性的作用,是许多高级视觉任务的基础,同时在许多场景中得到大规模的应用,像智慧城市、智慧医疗、智慧农业等。虽然随着近些年深度学习的发展,目标检测的性能得到显著的改善,但是现有方法依然面临着目标尺度及场景多样复杂性的挑战。本论文针对现有目标检测算法的不足,分别从网络结构及损失函数两方面提出具有现实意义及原创性的算法。一方面,现有的目标检测算法一直面临着对小尺度且模糊的