AI-安全-功耗 CUBE-CSDN博客

原创 Arm功耗管理精讲与实战

1、功耗管理背景及挑战2、功耗管理架构演进及变迁3、系统分区-电压域和电源域4、功耗状态及功耗模式5、功耗管理框架-SCP&PPU&LPI6、功耗管理软件7、功耗管理标准接口8、多核处理器启动9、睡眠锁与唤醒源10、功耗管理实战11、功耗数据与功耗收益评估12、功耗管理与安全

2024-04-24 10:01:19 1253 5

原创 OPTEE的GDB调试技术实战

【按语】：如果需要调试OPTEE，那么在远程调试配置中使用GDB可能会很有用。远程调试意味着GDB在您的PC上运行，它可以访问源代码，而被调试的程序在远程系统上运行(在本例中，在QEMU环境的OPTEE中)。本博客来探讨OPTEE的GDB调试技术实战。

2024-04-23 19:49:15 727

原创 AI-安全-功耗 CUBE 博客目录导读

一、ARM&RISC-V安全架构二、TF-A/TEE/Hafnium之安全三、GP安全认证&IDA逆向分析四、静&动态代码分析五、低功耗六、可信计算与可信启动七、AI之GPGPU编程与实践八、其他

2023-08-12 19:57:12 4446 15

原创 OPTEE之ARM安全扩展

OPTEE之ARM安全扩展一、BTI(Branch Target Identification)二、如何使能OP-TEE core的BTI三、如何使能TA的BTI

2023-08-05 18:21:40 1068

原创 ATF(TF-A)安全通告汇总

ATF(TF-A)安全通告汇总，包含10个相关安全通告，12个CVE。

2023-08-04 18:27:00 2166

1、静态代码分析基础知识及分析工具2、静态代码扫描分析sonarlint使用一——windows下的makefile工程3、静态代码扫描分析sonarlint使用二——windows下的cmake工程4、静态代码扫描分析sonarlint使用三——linux下的makefile工程5、静态代码扫描分析sonarlint使用四——linux下的cmake工程6、TF-A静态代码分析实战7、OPTEE静态代码分析实战8、Sonarqube扫描结果存入数据库并网页显示，提升团队代码质量

2023-07-04 13:05:13 949

原创 TEE之GP(Global Platform)认证汇总

一、为什么需要GP认证？二、TEE GP认证规范三、TEE GP认证方案四、TEE GP安全认证方案五、TEE GP功能认证方案六、TEE GP安全认证实验室七、TEE GP功能认证实验室八、TEE GP安全认证产品九、TEE GP功能认证产品十、TEE GP技术委员会及中国任务小组

2023-07-03 20:57:04 1299

原创 RISC-V TEE(可信执行环境)方案初探

本文对RISC-V TEE整体概览、硬件层面支持、各家TEE方案（Multizone、Keystone、Penglai、VirtualZone）介绍分别进行了初探。

2023-06-15 08:56:09 2478

原创 OPTEE常见13类问题与解答

OPTEE常见13类问题并解答

2023-06-14 21:06:29 1103 1

原创 Altium designer10---PCB添加Logo

看到这篇的时候，想必你以前做过或正在学习印刷电路板（PrintedCircuitBoard）的制作，可能以前你把板子做好后，检测硬件连接正常后，就投入到软件编程了。其实，我们可以在制作板子的同时，制作一些自己喜欢的Logo等来美化一下你的电路板。此篇是我在天津科技大学就读本科时，于电信学院新电社所做，当时和范文龙一拍即合，作为内部教学资料所写，满满的社团回忆，现作为本人第一篇博客，现将具体方法

2015-06-02 09:43:32 13754 8

原创【CVE-2025-0647】ARM CPU漏洞安全通告

Arm处理器存在安全漏洞(CVE-2025-0647)，当特权级guest执行CPPRCTX指令时，可能抑制TLB失效操作，导致guest访问已重新分配的内存，破坏隔离机制。受影响产品包括Cortex-A710/X系列、Neoverse-V/N系列等。建议每次执行CPPRCTX指令后强制TLB失效操作以规避风险。该漏洞由Arm自行发现并于2026年1月发布。

2026-02-23 15:26:38 519

原创 CUDA C++编程指南(8.4.1)——协作组之隐式分组

本文介绍了CUDA中的隐式分组机制，包括线程块组(ThreadBlockGroup)、集群组(ClusterGroup)、网格组(GridGroup)和多网格组(MultiGridGroup)。这些分组为并行计算提供了不同粒度的线程组织方式，支持同步操作和线程查询功能。关键点包括：1) 隐式分组必须在所有线程可达的位置创建以避免死锁；2) 各分组类型提供特定的同步接口和线程/块查询方法；3) 网格组和多网格组需要协作式启动API支持；4) 多网格组已在CUDA11.3中弃用。

2026-02-23 14:54:57 626

原创 CUDA C++编程指南(8.1&2&3)——协作组及编程模型概念

摘要：CUDA的协作组(CooperativeGroups)是自CUDA9引入的编程模型扩展，用于组织可通信的线程组。它提供了线程组同步的安全机制，解决了传统__syncthreads()的局限性。最新版本(CUDA12.2)新增了barrier_arrive/barrier_wait等API，并优化了大型分块支持。协作组通过将线程集合作为一等对象，实现了更灵活的并行模式，包括全局同步和生产者-消费者并行。其核心包含数据类型、集合操作和同步接口等元素，需包含<cooperative_groups.h&

2026-02-23 14:52:23 617

原创 CUDA C++编程指南(7.31&32&33&34)——C++语言扩展之性能分析计数器函数和断言、陷阱、断点函数

摘要：本文介绍了CUDA编程中的几个调试和性能分析功能。硬件性能计数器功能允许通过__prof_trigger()递增8个可用计数器（0-7），可通过nvprof工具读取。断言功能(assert)在表达式为0时停止内核执行并输出调试信息，建议生产代码禁用。陷阱函数(__trap())会中止内核并引发主机中断，断点函数(__brkpt())则暂停内核执行。这些功能主要用于调试目的，可能影响性能，其中断言可通过定义NDEBUG宏禁用。

2026-01-31 22:01:51 593

原创 CUDA C++编程指南(7.25)——C++语言扩展之DPX

摘要：DPX提供一组优化函数，用于处理16/32位有符号/无符号整数的极值运算，支持三参数比较、融合加法比较和ReLU激活功能。包含__vimax3、__vibmin等系列函数，可返回极值及比较结果。在计算能力≥9的设备上硬件加速，旧设备软件模拟。特别适用于动态规划算法（如Smith-Waterman、Floyd-Warshall）。示例展示了三数取最大、和值比较等典型用法，支持结果钳制到零的ReLU操作。该API完整文档参见CUDA Math API。

2026-01-31 21:38:20 834

原创 CUDA C++编程指南(7.23)——C++语言扩展之纳秒休眠函数

__nanosleep(ns)函数用于将线程挂起约ns纳秒，最大休眠时长约1毫秒，需计算能力7.0+。示例展示了该函数在实现带指数退避的互斥锁中的应用：当获取锁失败时，休眠时间从8纳秒开始逐次倍增（上限256纳秒），避免忙等待。配套的mutex_unlock函数通过原子操作释放锁。

2026-01-27 21:55:54 377

原创 CUDA C++编程指南(7.21&22)——C++语言扩展之Warp归约函数和Warp Shuffle 函数

本文介绍了CUDA中的Warp归约函数和Shuffle函数。归约函数包括__reduce_add_sync等算术操作和__reduce_and_sync等逻辑操作，要求指定线程掩码并同步线程。Shuffle函数（__shfl_sync等）支持warp内线程间变量交换，提供四种寻址模式，需要指定参与线程的掩码。这些函数都不隐含内存屏障，且要求所有参与线程使用相同掩码。文章还提供了广播、扫描和归约的代码示例，展示了这些函数的实际应用。这些功能适用于计算能力5.0及以上的设备，其中同步版本是推荐用法。

2026-01-27 21:33:14 840

原创 CUDA C++编程指南(7.19&20)——C++语言扩展之Warp投票函数和Warp匹配函数

本文介绍了CUDA中的warp投票和匹配函数。投票函数(__all_sync、__any_sync、__ballot_sync)用于线程束内归约-广播操作，需指定参与线程的掩码，比较各线程的谓词值并返回组合结果。匹配函数(__match_any_sync、__match_all_sync)则在线程间同步后比较广播值。注意：1)旧版函数已弃用；2)所有同步变体函数都需正确设置线程掩码；3)这些函数不提供内存屏障或内存排序保证。适用于计算能力7.x及以上设备。

2026-01-26 21:37:54 762

原创 CUDA C++编程指南(7.17&18)——C++语言扩展之Alloca 函数和编译器优化提示函数

摘要：本文介绍了CUDA编程中的alloca函数和编译器优化提示函数。alloca函数用于在调用者栈帧中分配临时内存（自动释放），需注意栈溢出风险。优化提示函数包括：__builtin_assume_aligned()（指针对齐提示）、__builtin_assume()/__assume()（条件假设）、__builtin_expect()（分支预测）和__builtin_unreachable()（不可达代码标记）。这些函数可帮助编译器优化代码，但需注意平台兼容性和使用限制。

2026-01-26 21:25:09 675

原创 CUDA C++编程指南(7.15&16)——C++语言扩展之内存空间谓词和转化函数

本文介绍了CUDA中的地址空间谓词函数和转换函数。谓词函数包括__isGlobal()、__isShared()、__isConstant()、__isGridConstant()和__isLocal()，分别用于检测指针是否指向特定内存空间。转换函数如__cvta_generic_to_global()等实现通用地址与特定空间地址的相互转换，对应PTX指令功能。这些函数在参数为空指针时行为未定义。__isGridConstant()仅支持计算架构7.x及以上版本。

2026-01-25 19:36:36 1293

原创 CUDA C++编程指南(7.14)——C++语言扩展之原子函数

本文详细介绍了CUDA中的原子操作函数，包括算术运算(atomicAdd/Sub等)、位运算(atomicAnd/Or/Xor)和其他原子操作函数。原子操作支持不同作用域(设备级、系统级、块级)和内存顺序语义，可在全局或共享内存中对32/64/128位数据进行原子读-修改-写操作。特别说明了不同计算能力设备对浮点原子操作的支持情况，并介绍了CUDA 12.8引入的带内存顺序和作用域参数的新型原子函数。文章还提供了通过atomicCAS实现不原生支持原子操作的示例代码。

2026-01-25 19:28:11 1225

原创 CUDA C++编程指南(7.10&11&12&13)——C++语言扩展之加载、存储、时间函数

本文介绍了CUDA计算能力5.0及以上设备支持的缓存操作函数，包括只读数据缓存加载函数(__ldg)、带缓存提示的加载函数(__ldcg等)和存储函数(__stwb等)。这些函数支持多种数据类型，包括基本整型、浮点型及其向量类型，以及半精度(__half)和bfloat16(__nv_bfloat16)类型。此外还介绍了设备时钟函数clock()和clock64()，可用于测量线程执行时间，但需注意由于线程分时执行，测量结果会大于实际指令执行周期数。

2026-01-25 18:49:13 445

原创 CUDA C++编程指南(7.5&6)——C++语言扩展之内存栅栏函数和同步函数

CUDA采用弱序内存模型，线程间共享内存访问可能导致未定义行为。内存栅栏函数(__threadfence_block/device/system)可强制内存访问的顺序一致性，其作用域从线程块到整个系统不等。典型应用场景包括线程间的生产者-消费者模式，如原子计数器与内存栅栏配合确保数据可见性。同步函数__syncthreads及其变种(and/or/count)用于线程块内同步，计算能力2.x+设备还支持warp级同步__syncwarp。正确使用这些同步机制可避免数据竞争，确保内存操作的正确顺序和可见性。

2026-01-25 16:19:10 805

原创 CUDA C++编程指南(7.3&4)——C++语言扩展之内置向量类型和内置变量

摘要：本文介绍了CUDA编程中的内置向量类型和变量。向量类型包括char、int、float等基本类型的派生类型，可通过x、y、z、w访问分量，并使用make_<typename>构造函数创建。dim3类型用于指定维度，未指定分量默认为1。内置变量如gridDim、blockIdx、blockDim和threadIdx用于定义网格、块和线程的维度及索引，仅在设备函数中有效。warpSize变量表示warp的线程数大小。这些特性为CUDA并行计算提供了基础支持。

2026-01-25 15:43:08 248

原创 CUDA C++编程指南(7.2)——C++语言扩展之变量内存空间指定符

摘要：本文介绍了CUDA编程中的内存空间限定符，包括__device__、__constant__、__shared__、__grid_constant__、__managed__和__restrict__。这些限定符用于指定变量在设备上的内存位置和访问特性。

2026-01-24 22:03:04 736

原创 CUDA C++编程指南(7.1)——C++语言扩展之函数执行空间指定符

CUDA函数执行空间限定符包括__global__（设备执行，主机调用）、device（设备执行，仅设备调用）和__host__（主机执行，仅主机调用）。其中__device__和__host__可组合使用实现跨平台编译。此外，CUDA提供内联控制限定符：noinline（避免内联）、forceinline（强制内联）和__inline_hint__（优化提示）。需要注意跨执行空间调用的未定义行为，以及通过__CUDA_ARCH__宏区分主机/设备代码路径。

2026-01-24 21:38:17 421

原创 CUDA C++编程指南(3.3&4&5&6)——版本控制与兼容性&计算模式与模式切换

摘要：CUDA开发需关注计算能力和驱动API版本（CUDA_VERSION），驱动API具有向后兼容性但无向前兼容性。系统驱动版本需不低于应用程序构建的API版本，且运行时库版本需一致（静态链接除外）。Tesla GPU产品引入前向兼容升级路径。计算模式包括默认（多线程共享）、独占进程（单进程独占）和禁止（禁用CUDA上下文）。计算能力6+设备支持指令级计算抢占。显示输出GPU模式切换可能导致内存重分配，引发CUDA操作失败。Tesla设备可通过nvidia-smi启用TCC模式禁用图形功能。这些特性对CU

2025-11-16 18:10:04 152

原创 CUDA C++编程指南(3.2.10&11&12&13)——统一虚拟地址空间&IPC&错误检查&调用堆栈

摘要：本文介绍了CUDA编程中的关键特性：统一虚拟地址空间允许64位进程下主机与设备共享单一地址空间，便于内存管理；进程间通信(IPC)API支持Linux系统下64位进程间的设备内存和事件共享；错误检查机制强调异步错误处理需配合同步操作；调用堆栈管理在计算能力2.x及以上设备中可动态设置大小，需注意递归函数可能导致的堆栈溢出问题。这些特性优化了GPU编程的灵活性和可靠性。

2025-11-16 17:40:37 356

原创 CUDA C++编程指南(3.2.9)——多设备系统

本文介绍了CUDA多设备编程的关键操作：1. 设备枚举与管理：展示如何查询设备属性并设置当前设备，影响内存分配和内核执行。2. 流与事件行为：说明流与设备的关联规则，指出内核必须在当前设备流中执行，但内存复制可跨设备流。3. 点对点内存访问：解释通过cudaDeviceEnablePeerAccess()实现设备间直接内存访问的条件和方法。4. 特殊注意事项：Linux系统需注意IOMMU设置对PCIe点对点访问的影响。5. 内存复制操作：介绍cudaMemcpyPeer等函数实现设备间内存复制的方法，以及

2025-11-16 11:35:06 92

原创 CUDA C++编程指南(3.2.8)——异步并发执行2

CUDA 9.0引入了程序化依赖启动机制，允许次级内核在主内核完成前启动，实现部分并行执行。该技术通过cudaTriggerProgrammaticLaunchCompletion和cudaGridDependencySynchronize等API实现，需在计算能力9.0+设备使用。文中还介绍了CUDA事件机制，包括事件创建、销毁和计时功能，以及同步调用的控制方式。这些特性为优化GPU并行计算提供了新的技术手段，特别适用于存在部分独立计算任务的应用场景。

2025-11-16 11:23:57 210

原创 CUDA C++编程指南(3.2.8)——流(Streams)

本文介绍了CUDA编程中流的概念与使用方法。主要内容包括：1）流的创建与销毁过程，通过示例展示如何定义包含内存拷贝和内核启动的流；2）默认流的特性及其编译选项；3）显式和隐式同步方法；4）不同流之间的执行重叠行为及其影响因素；5）主机回调函数的插入机制；6）流优先级的设置与作用。文章详细说明了流作为命令序列的执行特性，强调了不同流之间的并发操作不能保证顺序，并提供了内存操作、内核执行和主机回调等典型场景的实现示例。最后介绍了通过优先级调整流任务执行顺序的方法。

2025-11-16 08:10:38 432

原创 CUDA C++编程指南(3.2.8)——异步并发执行

摘要：本文介绍了CUDA中的异步并发执行。1）主机与设备间通过异步函数实现并发；2）部分设备支持多个内核并发执行；3）支持异步引擎的设备可实现数据传输与内核执行重叠；4）高计算能力设备支持并发数据传输操作。文中详细说明了各项功能的使用条件、查询方法及注意事项，如内存页锁定要求、调试选项等，并指出并发级别取决于设备特性和计算能力。这些并发机制能显著提高GPU计算效率。

2025-11-11 21:07:37 83

原创 CUDA C++编程指南(3.2.1&2)——运行时和设备内存

本文介绍了CUDA运行时环境的关键功能与使用方法。主要内容包括：1）运行时初始化机制，从CUDA 12.0开始cudaSetDevice()会显式初始化运行时；2）设备内存管理，详细说明线性内存和CUDA数组的分配方式（cudaMalloc/cudaMallocPitch/cudaMalloc3D）及内存复制操作；3）特殊内存类型的使用，包括共享内存、页锁定主机内存、纹理/表面内存等；4）多设备系统、异步执行、错误检查等高级功能。文中通过代码示例演示了二维/三维数组分配、内核访问方式以及全局变量的操作方法，

2025-11-11 21:07:28 219

原创 CUDA C++编程指南(3.2.7)——内存同步域

摘要：本文介绍了CUDA中的内存栅栏干扰问题及其解决方案。某些CUDA应用程序会因过度等待内存栅栏操作而性能下降。Hopper架构引入内存同步域功能来隔离流量，通过分配不同域ID给内核启动来减少干扰。系统范围围栏用于跨域同步，而设备范围栅栏可用于域内同步。文中还说明了如何使用cudaLaunchAttributeMemSyncDomain等API来管理域分配，包括默认域和远程域的使用场景。这种机制可优化并行计算与通信场景的性能，同时保持向后兼容性。

2025-11-08 08:19:52 588

原创 CUDA C++编程指南(3.2.6)——页锁定主机内存

本文介绍了CUDA中的页锁定主机内存（Page-Locked Host Memory）管理技术。主要内容包括：1)页锁定内存的分配方式及其优势，如支持异步拷贝、内存映射和更高带宽；2)可移植内存的实现方法，使其能被系统中所有设备使用；3)写合并内存的特性，包括性能提升和使用注意事项；4)映射内存的机制与注意事项，包括地址获取、同步要求和硬件限制。文章还特别说明了在Tegra设备上的限制情况，并提供了使用这些内存类型时的具体API调用方法和标志参数设置建议。

2025-11-08 08:16:37 586

原创 CUDA C++编程指南(3.2.5)——分布式共享内存

摘要：本文介绍了CUDA计算能力9.0中引入的线程块集群功能，重点阐述了分布式共享内存(Distributed Shared Memory)的创新应用。通过集群内线程块间的内存共享机制，开发者可以优化如直方图计算等并行任务。文章详细说明了分布式共享内存的访问规则、同步要求，并提供了直方图计算内核的完整代码示例，展示如何根据直方图大小动态选择使用本地或分布式共享内存。该技术为需要跨线程块数据共享的应用提供了性能优化的新途径，同时保持了CUDA编程模型的灵活性。

2025-11-08 08:13:56 451

原创 CUDA C++编程指南(3.2.4)——共享内存

本文介绍了两种CUDA矩阵乘法实现方案。基础版本直接操作全局内存，每个线程读取矩阵A的一行和B的一列计算对应元素，导致A被读取B.width次，B被读取A.height次，效率低下。优化版本利用共享内存作为缓存，通过分块计算技术将矩阵划分为子矩阵块：1）每个线程块负责计算结果矩阵的一个子块；2）先将子矩阵从全局内存加载到共享内存；3）通过协同计算减少全局内存访问次数。该方法使A仅需读取(B.width/block_size)次，B读取(A.height/block_size)次，显著提升了内存访问效率。

2025-11-07 19:54:30 526

空空如也

空空如也