[论文解读] ZOFI: Zero-Overhead Fault Injection Tool for Fast Transient Fault Coverage Analysis

Vasileios Porpodas|arXiv (Cornell University)|Jun 22, 2019

Radiation Effects in Electronics参考文献 39被引用 6

一句话总结

ZOFI 是一种零开销、基于定时的故障注入工具，可在真实硬件上以原生速度执行未经修改的二进制文件，从而实现快速且精确的瞬态故障覆盖分析。通过暂停执行、注入寄存器位翻转并原生恢复，ZOFI 相较于基于仿真或插桩的工具实现了数量级的速度提升，同时在基于软件的错误检测研究中保持了故障覆盖评估的统计准确性。

ABSTRACT

The experimental evaluation of fault-tolerance studies relies on tools that inject errors while programs are running, and then monitor the execution and the output for faulty execution. In particular, the established methodology in software-based transient-fault reliability studies, involves running each workload hundreds or thousands of times, injecting a random bit-flip in the process. The majority of such studies rely on custom-built fault-injection tools that are based on either a modified processor simulator, or a code instrumentation framework. Such tools are non-trivial to develop, and are usually orders of magnitude slower than native execution. In this paper we present ZOFI, a novel timing-based fault-injection tool that is aimed at being used in fault-coverage studies for transient faults. ZOFI is a zero-overhead tool, meaning that the analyzed workload runs at native speed. This is orders-of-magnitude faster compared to common approaches that are designed around simulators or code instrumentation tools. ZOFI is free software and is available at https://github.com/vporpo/zofi.

研究动机与目标

• 解决现有故障注入工具依赖仿真或二进制插桩所导致的性能瓶颈问题，这些工具的执行速度比原生执行慢几个数量级。
• 通过利用原生硬件执行，实现快速、可扩展且精确的瞬态故障覆盖分析，以支持基于软件的错误检测技术研究。
• 提供一个免费、开源的工具，支持统计故障覆盖评估，且不会造成性能下降或架构不准确的问题。
• 验证在真实硬件上基于定时的故障注入能否产生与周期精确仿真器相当、具有统计可靠性的故障覆盖结果。

提出的方法

• ZOFI 通过在原生 x86_64 Linux 系统上直接运行未经修改的二进制文件，以全速执行，无需插桩或仿真。
• 它在用户定义的时间点暂停执行，向指定寄存器（如输入寄存器、输出寄存器或指令指针）注入单个位翻转，并恢复执行。
• 该工具监控程序输出和执行行为，将结果分类为数据损坏、异常、无限执行或被掩蔽的错误。
• 故障注入通过调试器（如 GDB）在受控暂停期间修改寄存器状态实现，以确保对运行时影响最小。
• 统计结果在数千次运行后收集并汇总，支持可配置的测试参数和输出对比。
• 该工具使用 C++ 实现，采用 GPL v2.0 许可证发布，托管于 GitHub，供社区使用和扩展。

实验结果

研究问题

• RQ1 在真实硬件上基于定时的故障注入方法能否获得与周期精确仿真器相当、具有统计可靠性的故障覆盖结果？
• RQ2 在真实工作负载中，ZOFI 的执行速度与传统基于仿真或插桩的故障注入工具相比如何？
• RQ3 测试运行次数对使用 ZOFI 进行故障覆盖测量的准确性和标准差有何影响？
• RQ4 当向关键寄存器（如指令指针）注入位翻转时，ZOFI 是否仍能保持故障覆盖分析的准确性？

主要发现

• ZOFI 实现了原生速度执行，与基于仿真或插桩的工具相比，故障覆盖评估速度提升了数量级。
• 在 10 次重复实验中，故障覆盖结果的算术平均值迅速稳定，即使仅使用 50 次测试运行也能获得可靠的估计。
• 随着测试运行次数的增加，故障覆盖结果的标准差减小，但减小速率逐渐降低，表明在某一临界点后收益递减。
• 向指令指针注入故障会导致异常数量显著增加，这与跳转至无效地址的预期一致。
• ZOFI 在故障覆盖分析中表现出高度的统计准确性，其结果在多次重复实验中保持一致，并在 NPB2.3 套件的不同基准测试中表现出良好的可扩展性。
• 该工具在评估错误检测技术方面非常有效，能够以高保真度正确分类数据损坏、异常、无限执行和被掩蔽错误等结果。