楊鴻珍 王云燁 吳建偉 浦正國

摘? 要： 嵌入式操作系統(tǒng)體系架構的可信性是保障其穩(wěn)定運行的關鍵。文中設計基于人工智能的高可信嵌入式操作系統(tǒng)，配置操作系統(tǒng)有效空間與系統(tǒng)資源。依據(jù)任務安全等級劃分處理器模塊分區(qū);依據(jù)任務類型配置分區(qū)屬性分配所需內(nèi)存;依據(jù)分區(qū)任務從機器學習算法庫中選取合適機器學習算法，獲取各分區(qū)與主時間框架內(nèi)的分配策略以及調度策略;依據(jù)任務需求配置分區(qū)通信，完成分區(qū)通信配置后配置健康監(jiān)控以及任務容錯實現(xiàn)人工智能的高可信嵌入式操作系統(tǒng)。實驗結果表明，該系統(tǒng)在不同任務數(shù)量時，操作可信率均高于96%;處理不同類別任務精準率以及召回率均高于98%。

關鍵詞： 高可信; 嵌入式操作系統(tǒng); 人工智能; 系統(tǒng)設計; 分區(qū)配置; 系統(tǒng)測試

Abstract： The credibility of system structure in the embedded operating system is the key to ensure its stable operation. A high?credibility embedded operating system based on artificial intelligence is designed， which is configured the effective space and system resources. In the system， the processor module partition is divided according to the task security level， the partition attributes are configured according to the task type to allocate the required memory， and appropriate machine learning algorithms is selected from the machine learning algorithm database according to the task requirement configuration， so as to obtain the allocation strategy and scheduling strategy of each partition within the main time frame; the partition communication is configured according to the task requirements， after which the health monitoring and task fault?tolerant are configured， so as to achieve a high?credibility embedded operating system of artificial intelligence. The experimental results show that the operation credibility rate of the system is beyond 96% with different quantity tasks; the accuracy rate and recall rate for processing different types of tasks are all higher than 98%.

Keywords： high credibility; embedded operating system; artificial intelligence; system design; partition configuration; system testing

0? 引? 言

嵌入式操作系統(tǒng)是固化于硬件里的系統(tǒng)，是嵌入式產(chǎn)品中應用較為廣泛的系統(tǒng)軟件。嵌入式操作系統(tǒng)具有實時性好、可同時執(zhí)行多任務的優(yōu)勢[1]，并隨著市場產(chǎn)品進步而不斷更新。嵌入式操作系統(tǒng)不斷發(fā)展，眾多研究人員將大量高科技技術應用于嵌入式操作系統(tǒng)中[2]，嵌入式操作系統(tǒng)的高可信度是人們選擇產(chǎn)品的重要因素。網(wǎng)絡安全問題已經(jīng)成為人類主要關注的問題[3]，嵌入式操作系統(tǒng)可應用于航空、軍事等重要安全系統(tǒng)中，若發(fā)生信息泄露等情況，將會造成嚴重傷害，因此應致力于嵌入式操作系統(tǒng)高可信研究[4]。

人工智能技術是近年來興起，被應用于眾多領域的高效技術，人工智能技術可解決眾多領域中的重要問題，具有極高的應用性。機器學習算法是人工智能技術中的重要算法，貝葉斯分類、決策樹分析、遺傳算法以及人工神經(jīng)網(wǎng)絡算法等都屬于機器學習算法，選擇合適的算法可增加嵌入式操作系統(tǒng)的操作性能[5]。設計基于人工智能的高可信嵌入式操作系統(tǒng)，利用眾多機器學習算法建立嵌入式機器學習算法庫，并通過信息流控制機制實現(xiàn)嵌入式操作系統(tǒng)高可信度，提升嵌入式操作系統(tǒng)可靠性與實用性，使嵌入式操作系統(tǒng)應用于更多領域中。

1? 高可信嵌入式操作系統(tǒng)

1.1? 系統(tǒng)總體框架

所設計基于人工智能的高可信嵌入式操作系統(tǒng)總體結構圖如圖1所示。

通過圖1可以看出，所設計高可信嵌入式操作系統(tǒng)增設機器學習算法庫。系統(tǒng)總體采用分區(qū)結構，利用時空隔離技術提升系統(tǒng)安全操作性，利用系統(tǒng)隔離保護提升系統(tǒng)可靠性[6]。依據(jù)可靠性和功能性需求加入信息流控制機制，構建高可信嵌入式操作系統(tǒng)[7]。

1.2? 機器學習算法庫

機器學習算法庫是高可信嵌入式操作系統(tǒng)的人工智能領域組件，為嵌入式操作系統(tǒng)提供機器學習算法支撐[8]。其包括基礎運算庫、通用算法庫以及領域算法庫三部分，各部分具體功能如下：基礎算法庫包括矩陣運算與向量運算兩個模塊，其中矩陣運算模塊提取不同任務矩陣基本屬性[9]，重載矩陣運算中應用頻繁的運算符，對矩陣實施求逆運算，并對矩陣實施Cholesky，SVD以及LU和QR分解等操作;向量運算模塊提取向量維數(shù)和大小，并重載向量中的加、減、乘等常用的運算符。通用算法庫中的算法可有效調用基礎運算庫中矩陣與向量運算，包含眾多機器學習算法，可服務于領域應用中。

領域算法庫依據(jù)嵌入式操作系統(tǒng)應用類型設置，通過通用算法庫內(nèi)各算法功能實現(xiàn)相同類型的應用算法[10]。

1.3? 信息流控制機制

高可信嵌入式操作系統(tǒng)中所有訪問請求需經(jīng)過信息流控制機制授權與同意，訪問請求得以執(zhí)行。通過信息流控制機制實現(xiàn)高可信嵌入式操作系統(tǒng)的可信性。信息流控制機制結構圖如圖2所示。

利用可信服務分區(qū)提升系統(tǒng)分區(qū)可信度，可信監(jiān)控器置于用戶模式的客戶模塊中，訪問控制模塊置于嵌入式操作系統(tǒng)內(nèi)部。信息流控制機制需保證各模塊可靠，利用可信驗證器保證各模塊可信度。

1.3.1? 可信服務分區(qū)

可信服務分區(qū)負責管理分區(qū)可信屬性表、可信驗證器以及可信功能模塊，提升嵌入式操作系統(tǒng)可信度。

利用可信驗證器檢測各分區(qū)模塊可信度，依據(jù)檢測結果將各檢測模塊標記為“可信”與“不可信”。利用可信功能模塊實現(xiàn)嵌入式操作系統(tǒng)各分區(qū)安全性、可靠性[11]。

1.3.2? 可信監(jiān)控器

嵌入式操作系統(tǒng)各分區(qū)子系統(tǒng)中應設置可信監(jiān)控器，利用可信監(jiān)控器管理與控制各分區(qū)間信息流，并判定各分區(qū)信息流能否滿足系統(tǒng)可信策略需求?？尚疟O(jiān)控器是信息流控制機制中的驗證部分，因此其自身應保證足夠可靠。

1.3.3? 訪問控制模塊

訪問控制模塊控制嵌入式操作系統(tǒng)各分區(qū)間信息流，以及安全等級分區(qū)較高數(shù)據(jù)寫入安全等級較低分區(qū)內(nèi)。設嵌入式操作系統(tǒng)中存在兩個分區(qū)分別為分區(qū)1和分區(qū)2，分區(qū)1為安全等級較高分區(qū)，分區(qū)2為安全等級較低地區(qū)。分區(qū)間信息流控制過程如下：

分區(qū)2接收分區(qū)1數(shù)據(jù)時，判斷各分區(qū)安全等級，安全等級相同時，允許分區(qū)1數(shù)據(jù)發(fā)送至分區(qū)2內(nèi)，分區(qū)1的可信監(jiān)控器同時將數(shù)據(jù)發(fā)送至分區(qū)2;兩分區(qū)安全等級不同時，需訪問控制模塊判斷分區(qū)1是否可以將數(shù)據(jù)發(fā)送至分區(qū)2;兩分區(qū)均為不可信分區(qū)時，分區(qū)1不可將信息以及數(shù)據(jù)發(fā)送至分區(qū)2內(nèi)，分區(qū)1的可信監(jiān)控器停止操作，立刻返回。分區(qū)1可信監(jiān)控器依據(jù)訪問控制模塊判斷結果處理，當可信監(jiān)控器判斷為“可行”時，分區(qū)1可以將數(shù)據(jù)發(fā)送至分區(qū)2，并將“發(fā)送成功”結果返回至應用程程序;可信監(jiān)控器判斷為“不可行”時，將“禁止”標記返回至應用程序，并結束操作。

通過信息流控制機制實現(xiàn)嵌入式操作系統(tǒng)的高可信度，信息流控制機制具有嚴格控制、系統(tǒng)開銷小等優(yōu)勢。

2? 實驗分析

為驗證本文設計的基于人工智能的高可信嵌入式操作系統(tǒng)的有效性，在CPU為Intel 酷睿i7 7500，內(nèi)存為8 GB的計算機中安裝本文系統(tǒng)，登錄高可信嵌入式操作系統(tǒng)后，完成所需應用配置，輸入配置數(shù)據(jù)，獲取相應配置文件。確定通道鏈接配置表是通信配置最關鍵步驟，設對模塊2分區(qū)，利用模塊2分區(qū)檢測通道鏈接配置生成有效性，模塊2分區(qū)結果如表1所示。

檢測采用本文系統(tǒng)在不同任務數(shù)量時的操作可信率，與Hades系統(tǒng)以及應用特制系統(tǒng)對比，對比結果如圖3所示。

從圖3實驗結果看出，不同任務數(shù)量時，采用本文系統(tǒng)的操作可信率均高于96%，而Hades系統(tǒng)以及應用特制系統(tǒng)在不同任務數(shù)量情況下，操作可信率明顯低于本文系統(tǒng)，尤其是Hades系統(tǒng)，在任務數(shù)量為1 024時，操作可信率僅為86.7%。因此，驗證了本文系統(tǒng)的高可信度。對比采用不同系統(tǒng)在不同任務數(shù)量時的CPU最高允許使用率，檢測本文系統(tǒng)操作可靠性，對比結果如表3所示。

從表3實驗結果可以看出，采用本文系統(tǒng)在不同任務數(shù)量時，CPU最高允許使用率明顯高于Hades系統(tǒng)以及應用特制系統(tǒng)。本文系統(tǒng)在任務數(shù)量為無限大時，CPU最高允許使用率為0.684，而Hades系統(tǒng)以及應用特制系統(tǒng)在任務數(shù)量為無限大時，CPU最高允許使用率僅為0.425以及0.315。實驗結果說明本文系統(tǒng)具有較高的可靠性。

3? 結? 論

嵌入式操作系統(tǒng)是嵌入式系統(tǒng)的基礎運行平臺，嵌入式操作系統(tǒng)的優(yōu)劣直接影響嵌入式系統(tǒng)的穩(wěn)定與可靠運行。嵌入式操作系統(tǒng)目前已經(jīng)被廣泛應用于工業(yè)、機械、航空各個領域中，并成為操作系統(tǒng)開發(fā)的主要目標。本文設計基于人工智能的高可信嵌入式操作系統(tǒng)，將人工智能技術中的機器學習算法應用于嵌入式操作系統(tǒng)中，增加其實用性。通過實驗驗證了該系統(tǒng)的可信性，所設計嵌入式操作系統(tǒng)可應用于實際嵌入式系統(tǒng)中。

參考文獻

[1] 孔德江，湯斯亮，吳飛.時空嵌入式生成對抗網(wǎng)絡的地點預測方法[J].模式識別與人工智能，2018，31（1）：49?60.

[2] 鐘義信.機制主義人工智能理論：一種通用的人工智能理論[J].智能系統(tǒng)學報，2018，13（1）：2?18.

[3] 景佳.基于大數(shù)據(jù)分析的人工智能文獻研究[J].西南師范大學學報（自然科學版），2018，43（5）：80?85.

[4] 戴小氐，王婷.基于RapidIO的機載嵌入式系統(tǒng)通信設計與實現(xiàn)[J].電光與控制，2017，24（12）：95?99.

[5] 周海華，高俊姣.實時多路雷達視頻處理的嵌入式設計方法[J].現(xiàn)代雷達，2018，40（9）：84?87.

[6] 王穎潔，周寬久，李明楚.實時嵌入式系統(tǒng)的WCET分析與預測研究綜述[J].計算機科學，2019，46（z1）：16?22.

[7] 蔡袁琦，唐雷雷，周澤然.基于嵌入式EPICS的合肥光源儲存環(huán)束流損失監(jiān)測系統(tǒng)[J].強激光與粒子束，2019，31（8）：88?93.

[8] 申耀武.綜采面液壓支架嵌入式監(jiān)控系統(tǒng)設計[J].煤炭技術，2018，37（1）：265?267.

[9] 牛國臣，袁婕，谷潤平.嵌入式助航燈具定位系統(tǒng)設計與實現(xiàn)[J].計算機應用，2018，38（1）：290?294.

[10] 武書彥，朱坤華，王輝，等.人工智能系統(tǒng)設計在園藝栽培生產(chǎn)中的運用[J].農(nóng)機化研究，2018，40（2）：216?220.

[11] 汪培莊.因素空間理論：機制主義人工智能理論的數(shù)學基礎[J].智能系統(tǒng)學報，2018，13（1）：37?54.