内存管理是指软件运行时对计算机内存资源的分配和使用的技术。其最主要的目的是如何高效，快速的分配，并且在适当的时候释放和回收内存资源。本次报告分三个方面来讲：基础知识，Glibc的该书，源码分析。
原创文章，作者：admin，如若转载，请注明出处：https://www.isclab.org.cn/2019/06/13/%e5%ad%a6%e6%9c%af%e6%8a%a5%e5%91%8a-glibc%e5%86%85%e5%ad%98%e7%ae%a1%e7%90%861/
ISCC2019个人挑战赛证书信息确认通知
上一篇
2019年6月7日
真人CS与别墅轰趴
下一篇
2019年6月14日
相关推荐
-
二进制程序中加解密函数的定位
模糊测试是一种应用广泛的自动化漏洞挖掘方法，但当被测程序使用加密算法处理输入数据时，对输入数据的直接变异并不…
-
面向NIDS的流量对抗样本检测
在AI攻击复杂性和密集性不断提升的大背景下，ML-NIIDS面临巨大挑战，其中流量对抗样本严重威胁其安全稳定。本次报告从NIDS的迭代发展，聚焦到对抗性安全威胁，再引出主流流量对抗…
-
深度神经网络后门攻击
人工智能模型安全是人工智能应用落地需要考量的重要问题，后门攻击威胁是人工智能模型安全的重要议题。本次学术报告以深度神经网络为后门攻击的对象，从深度神经网络训练的内部机理出发，通过了…
-
对抗样本攻防的两种奇思妙想
围绕图像对抗样本攻防这一核心主题，介绍以 Block Shuffle & Rotation（BSR） 为代表的迁移攻击增强策略，以及以 Delta Data Augment…
-
面向数据异构与通信高效的联邦大模型优化与应用研究
联邦大模型将联邦学习与大语言模型相结合，遵循“数据不动、模型动”的原则，在无需集中原始数据的前提下，共同训练与优化大模型。该技术能有效破解数据孤岛，为医疗、教育等领域提供隐私安全的…
-
深度神经网络模型水印保护方法
摘要：本报告介绍了深度神经网络模型水印的基本概念和嵌入方式，并讲述了两种深度神经网络模型水印保护方法，从水印嵌入、提取和验证三个角度分析了保护模型的原理，提升对模型知识产权保护的认…
-
扩散模型加速采样方法与应用
扩散模型在数据生成的众多领域上呈现出了非常好的效果。然而，在实际应用过程中，扩散模型的采样原理导致其生成速度非常缓慢，严重限制了模型的实际应用效果。为了对采样生成过程进行优化，近年…
-
联邦学习及其后门攻击方法初探
本次报告对联邦学习及其后门攻击方法展开介绍，阐述了联邦学习的发展脉络和三大主要框架，介绍了联邦学习安全性问题及后门攻击分类方法，重点讲解经典的集中式/分布式联邦后门攻击方法，启发思…
-
Android安全体系结构简介
Android操作系统是一个开放式的操作系统，保护这样一个开放平台，需要强有力的安全体系结构。Android系统拥有多层次的安全机制，可以灵活地满足用户各层次的安全需求。 1…
-
关系抽取之远程监督
远程监督方法用于关系抽取任务，会给数据集带来噪声样本，为此，本文介绍了两种基于多示例学习的去噪方法，能够有效的去除训练集中存在的噪声样本。
