[论文解读] Software-Based Fault Recovery via Adaptive Diversity for COTS Multi-Core Processors

Andrea Höller, Tobias Rauter+3 more|arXiv (Cornell University)|Nov 10, 2015

Radiation Effects in Electronics参考文献 14被引用 8

一句话总结

本文提出了一种基于软件的故障恢复机制，用于COTS多核处理器，通过自适应软件多样性技术从永久性硬件故障中恢复。通过静态编译技术（如特定寄存器的编译器标志）动态生成多样化的软件副本，系统可绕过故障硬件组件，实现无需硬件修改的故障掩蔽。

ABSTRACT

The ever growing demands of embedded systems to satisfy high computing performance and cost efficiency lead to the trend of using commercial off-the-shelf hardware. However, due to their highly integrated design they are becoming increasingly susceptible to hardware errors (e.g. caused by radiation-induced soft-errors or wear-out effects). Since such faults cannot be fully prevented, systems have to cope with their effects. At the same time there is the trend of multi-core processors in embedded systems. Approaches to achieve fault tolerance by using the multiple cores to establish redundancy have been presented in literature. However, typically only homogeneous redundancy techniques are considered to tolerate soft errors. However, there is a lack of appropriate reaction mechanisms for restoring the system in case of permanent hardware faults. Here, we propose the basic idea of enhancing multi-core redundancy techniques with a cost-efficient automated introduction of diversity in the executed software replicas. Recently, these automated software diversity techniques have attracted attention in the security domain. We propose to use these techniques to recover from permanent hardware faults. This is achieved by adapting the software execution in such a way that permanent faults are mitigated.

研究动机与目标

• 应对在安全关键嵌入式系统中使用的COTS多核处理器中永久性硬件故障日益增长的挑战。
• 克服多核容错中同质冗余的局限性，后者无法从冗余核心中的永久性故障中恢复。
• 通过利用最初为网络安全开发的自动化软件多样性技术，实现成本效益高的故障恢复。
• 开发一种运行时机制，以自适应方式调整冗余核心上的软件执行，从而绕过检测到的永久性硬件故障。
• 引入远程二进制生成过程，利用静态多样性技术生成可掩蔽故障的软件变体。

提出的方法

• 使用远程服务器，通过静态多样性技术（如源代码变异和编译器标志操作，例如 -ffixed-reg）生成多样化的软件二进制文件。
• 通过基于QEMU的框架进行故障注入，以模拟硬件故障（如寄存器、指令解码器、内存故障），并评估故障掩蔽覆盖率。
• 通过将故障注入模拟的输出与无故障硬件上的黄金参考输出进行比较，评估故障掩蔽概率。
• 选择并传输对特定硬件故障具有最高掩蔽概率的二进制变体至嵌入式设备。
• 将选定的多样化二进制文件集成到多核系统中，以替换或重新配置故障核心上的执行。
• 使用内置自检和冗余机制（如TMR）检测故障，随后触发基于自适应多样性的恢复过程。

实验结果

研究问题

• RQ1 自动化软件多样性技术能否有效适应，以实现在多核系统中从永久性硬件故障中恢复？
• RQ2 哪些静态多样性技术（如编译器标志、代码变异）在掩蔽特定硬件故障类型（如寄存器或指令解码器故障）方面最为有效？
• RQ3 如何通过基于软件的故障注入和测试输入集准确估计故障掩蔽概率？
• RQ4 在实时嵌入式系统中引入动态软件多样性时，性能和确定性之间的权衡如何？
• RQ5 系统如何通过在冗余核心上动态调整执行多样性来检测并响应重复故障？

主要发现

• 使用如 -ffixed-reg 等编译器标志可有效避免使用故障寄存器，从而生成可掩蔽寄存器级硬件故障的二进制文件。
• 基于QEMU的故障注入框架能够通过在软件二进制文件上模拟硬件故障，实现对故障掩蔽覆盖率的准确估计。
• 输出与无故障硬件上黄金参考结果匹配的测试输入比例，可作为故障掩蔽概率的可靠近似。
• 当与故障注入和概率评估结合时，静态多样性技术可生成绕过已知永久性硬件故障的软件变体。
• 所提方法可在无需硬件修改的情况下实现对永久性故障的恢复，为传统容错机制提供一种低成本替代方案。
• 将自动化软件多样性集成到多核冗余系统中，为提升嵌入式应用中的系统可用性提供了切实可行的路径。