論文の概要: Efficient Linkage-Based Compartmentalization on CHERI
- arxiv url: http://arxiv.org/abs/2609.36731v1
- Date: Tue, 29 Sep 2026 05:04:49 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-30 21:28:47.199445
- Title: Efficient Linkage-Based Compartmentalization on CHERI
- Title（参考訳）: CHERIの効率的なリンクベース比較
- Abstract要約: 本稿では,CHERIメモリの安全性に基づくプロセス内コンパートナライズのための効率的なリンケージベースモデルを提案する。
このモデルの"push-button"コンパートナライゼーションでは,Chromiumなどの大規模アプリケーションに対して,プロセス毎に500以上のコンパートナライズが実施されている。
我々は,コンパイラツールチェーンとオペレーティングシステムのサポートを通じて,CHERI拡張バージョンのArmv8-AとRISC-Vを実装した。
- 参考スコア（独自算出の注目度）: 3.171233866776118
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: We present an efficient linkage-based model for in-process compartmentalization built on CHERI memory safety, which enables fine-grained compartmentalization of the entire UNIX user-space, scaling to 10K+ compartments on desktop systems. The model's "push-button" compartmentalization along existing library boundaries regularly hosts 500+ compartments per process for large applications such as Chromium, far exceeding the number of concurrently available protection domains supported by other mechanisms (e.g., up to 16 for Intel MPK). Custom policies can further subdivide libraries. Of the thousands of C/C++ programs tested, only the V8 JavaScript engine required source-level adaptation (<300 lines of changed code concerning garbage collection and JIT compilation). We implement the model for CHERI-extended versions of Armv8-A and RISC-V through support in the compiler toolchain and operating system. Case studies illustrate the smooth delegation of memory between compartments, compartment-aware debugging and visualization, as well as extensibility to a complex managed language runtime, demonstrating the benefits of our single-address-space model. We evaluate using multiple processors, including Arm's superscalar Morello and, notably, the first commercial CHERI-enabled RISC-V application core---Codasip's in-order dual-issue X730.
- Abstract（参考訳）: 本稿では,CHERIメモリの安全性をベースとしたプロセス内コンパートナライズのための効率的なリンケージベースモデルを提案する。
既存のライブラリ境界に沿った"push-button"のコンパートナライゼーションは、Chromiumのような大規模アプリケーションに対して、プロセス当たり500以上のコンパートナを定期的にホストしており、他のメカニズム(例えば、Intel MPKで16まで)でサポートされている同時利用可能な保護ドメインの数をはるかに上回っている。
カスタムポリシーはライブラリをさらに分割することができる。
テストされた数千のC/C++プログラムのうち、ソースレベルの適応が必要なのはV8 JavaScriptエンジンのみである(ガベージコレクションとJITコンパイルに関する300行のコード変更)。
我々は,コンパイラツールチェーンとオペレーティングシステムのサポートを通じて,CHERI拡張バージョンのArmv8-AとRISC-Vを実装した。
ケーススタディでは、コンパートメント間のメモリのスムーズなデリゲート、コンパートメント対応のデバッグと視覚化、複雑なマネージド言語ランタイムの拡張性などを説明し、単一アドレス空間モデルの利点を示しています。
我々はArmのスーパースカラーMorelloや、CHERI対応RISC-Vアプリケーションコア--CodasipのインオーダーデュアルイシューX730など、複数のプロセッサを用いて評価を行った。
関連論文リスト
- LACE: Large Language Model Aided Multi-Agent Framework for Agile RISC-V Instruction Extension [14.290484938298524]
ドメイン固有の命令セットアーキテクチャ eXtensions (ISAX) は、新興ワークロードを高速化するためにRISC-Vエコシステムで広く採用されている。
既存のフレームワークはいまだにコアごとのインタフェース適応を必要としており、マイクロアーキテクチャやISAXの変更によって差分テストは失敗することが多い。
自然言語ISAXインテントをコンパクトな2レベルIRに変換するLLM支援型マルチエージェントワークフローであるLACEを提案する。
論文 参考訳（メタデータ） (2026-08-03T22:07:06Z) - A High-Throughput Compute-Efficient POMDP Hide-And-Seek-Engine (HASE) for Multi-Agent Operations [0.0]
我々はC++で構築された計算効率の高いDec-POMDPエンジン、Hide-And-Seek-Engineを紹介した。
我々のエンジンは、AMD 9950X (16コア)上の1エージェント1024環境の分散観測において、毎秒最大33,000,000ステップのスループットを維持できる。
エンジンは、ベースラインのシングルスレッドベクトル化NumPy実装よりも約3,500$times$のスループット向上を実現している。
論文 参考訳（メタデータ） (2026-04-29T20:09:13Z) - ForkKV: Scaling Multi-LoRA Agent Serving via Copy-on-Write Disaggregated KV Cache [8.323914332215598]
Low-Rank Adaptation (LoRA)は、サービス中に重要なメモリフットプリントボトルネックを導入する。
LoRAの構造特性を活用することで、ForkKVはKVキャッシュを巨大な共有コンポーネントに物理的に分離する。
ForkKVは最先端のマルチLORAサービスシステムのスループットを最大3.0倍に向上することを示す。
論文 参考訳（メタデータ） (2026-04-07T18:52:25Z) - nncase: An End-to-End Compiler for Efficient LLM Deployment on Heterogeneous Storage Architectures [7.460240094212613]
さまざまなターゲットに対して最適化を統合するために設計された、エンドツーエンドのコンパイルフレームワークであるnncaseを提示する。
nncaseは、異種コンピューティングユニットに適応するためのAuto Vectorize、並列戦略を検索するためのAuto Distribution、オンチップキャッシュのローカリティを最大化するAuto Scheduleの3つの重要なモジュールを統合している。
論文 参考訳（メタデータ） (2025-12-25T08:27:53Z) - A Retrieval-Augmented Generation Approach to Extracting Algorithmic Logic from Neural Networks [48.83701310501069]
NN-RAGは,大規模で異種なPyTorchを検証済みニューラルネットワークの検索可能なライブラリに変換する検索拡張生成システムである。
19のリポジトリに適用して、パイプラインは1,289の候補ブロックを抽出し、991(73.0%)を検証し、80%以上が構造的にユニークであることを実証した。
論文 参考訳（メタデータ） (2025-12-03T23:28:30Z) - xLLM Technical Report [57.13120905321185]
我々は,知的かつ効率的なLarge Language Model (LLM)推論フレームワークであるxLLMを紹介する。
xLLMは、新しい分離されたサービスエンジンアーキテクチャを構築する。
xLLM-Engineは、システムとアルゴリズムの設計を最適化し、コンピュータリソースを完全に飽和させる。
論文 参考訳（メタデータ） (2025-10-16T13:53:47Z) - vTensor: Flexible Virtual Tensor Management for Efficient LLM Serving [53.972175896814505]
大規模言語モデル(LLM)は様々なドメインで広く使われ、数百万の日次要求を処理する。
大規模言語モデル(LLM)は様々なドメインで広く使われ、数百万の日次要求を処理する。
論文 参考訳（メタデータ） (2024-07-22T14:37:58Z) - Capacity: Cryptographically-Enforced In-Process Capabilities for Modern ARM Architectures (Extended Version) [1.2687030176231846]
Capacityは、機能ベースのセキュリティ原則を取り入れた、ハードウェア支援のプロセス内アクセス制御設計である。
独自のPAキーで認証されたプロセス内ドメインにより、Capacityはファイル記述子とメモリポインタを暗号化された参照に変換する。
Capacity対応のNGINX Webサーバプロトタイプや他の、機密性の高いリソースをさまざまなドメインに分離する一般的なアプリケーションを評価します。
論文 参考訳（メタデータ） (2023-09-20T08:57:02Z) - Harnessing Deep Learning and HPC Kernels via High-Level Loop and Tensor Abstractions on CPU Architectures [67.47328776279204]
この研究は、効率的でポータブルなDeep LearningとHigh Performance Computingカーネルを開発するためのフレームワークを導入している。
1)プロセッシングプリミティブ(TPP)を用いた計算コアの表現と,2)高レベルな宣言的手法でTPPのまわりの論理ループの表現の2つのステップでカーネルの開発を分解する。
我々は、スタンドアロンカーネルと、さまざまなCPUプラットフォームにおける最先端実装よりも優れたエンドツーエンドワークロードを使用して、このアプローチの有効性を実証する。
論文 参考訳（メタデータ） (2023-04-25T05:04:44Z) - QParallel: Explicit Parallelism for Programming Quantum Computers [62.10004571940546]
並列量子プログラミングのための言語拡張を提案する。
QParallelは、現在の量子プログラミング言語における並列性に関する曖昧さを取り除く。
並列化によって最も利益を上げるサブルーチンを識別し,並列領域の配置にプログラマを誘導するツールを提案する。
論文 参考訳（メタデータ） (2022-10-07T16:35:16Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。