[发明专利]基于人工智能处理器的实时恶意样本检测方法及电子装置

权利要求书

1.一种基于人工智能处理器的实时恶意样本检测方法，适用于由片上通用CPU处理器、人工智能处理器与编译器组成的系统，其步骤包括：

1)根据目标网络和恶意样本检测机制，对人工智能处理器的全局片上缓存、脉动阵列及非DNN计算单元进行资源划分，得到目标网络片上缓存、检测网络片上缓存、目标网络脉动阵列、检测网络脉动阵列，以使当恶意样本检测机制为检测网络时，恶意样本检测机制的非DNN计算单元运行在片上通用CPU处理器上，目标神经网络与恶意样本检测网络同时运行在人工智能处理器上；当恶意样本检测机制为机器学习算法时，恶意样本检测机制运行在片上通用CPU处理器上，目标神经网络运行在人工智能处理器上；

2)编译器根据目标网络和恶意样机检测机制对人工智能处理器的资源划分，生成各自对应的指令文件；

3)当恶意样本检测机制判定输入数据为恶意样本时，则通知目标神经网络停止处理输入数据的计算。

2.如权利要求1所述的方法，其特征在于，人工智能处理器与片上通用CPU处理器采用紧耦合设计。

3.如权利要求1所述的方法，其特征在于，非DNN计算单元中的算法包括：哈希计算和凸松弛激活。

4.如权利要求1所述的方法，其特征在于，在深度学习平台训练的目标神经网络和恶意样本检测网络；所述深度学习平台包括：TensorFlow、Keras、Caffe和PyTorch。

5.如权利要求1所述的方法，其特征在于，通过以下步骤对全局片上缓存进行资源划分：

1)设计全局片上缓存的所有bank为物理逻辑bank，并对每一个物理逻辑bank设定唯一的标号；

2)根据目标网络和恶意样本检测机制对片上缓存的需求完成对全局片上缓存进行资源划分。

6.如权利要求5所述的方法，其特征在于，物理逻辑bank以乒乓缓存的方式组成目标神经网络与恶意样本检测神经网络的权重缓存和输入输出缓存。

7.一种基于人工智能处理器的实时恶意样本检测系统，包括：

片上通用CPU处理器，用以当恶意样本检测机制为检测网络时，运行恶意样本检测机制的非DNN计算单元；当恶意样本检测机制为机器学习算法时，运行恶意样本检测机制；

编译器，用以根据目标网络和恶意样机检测机制对人工智能处理器的资源划分，生成各自对应的指令文件；

人工智能处理器，用以当恶意样本检测机制为检测网络时，同时运行目标神经网络与恶意样本检测网络；当恶意样本检测机制为机器学习算法时，运行目标神经网络；当恶意样本检测机制判定输入数据为恶意样本时，则通知目标神经网络停止处理输入数据的计算；其中，根据目标网络和恶意样本检测机制，对人工智能处理器的全局片上缓存、脉动阵列及非DNN计算单元进行资源划分，得到目标网络片上缓存、检测网络片上缓存、目标网络脉动阵列、检测网络脉动阵列。

8.如权利要求7所述的系统，其特征在于，人工智能处理器与片上通用CPU处理器采用紧耦合设计。

9.如权利要求7所述的系统，其特征在于，通过以下步骤对全局片上缓存进行资源划分：

1)设计全局片上缓存的所有bank为物理逻辑bank，并对每一个物理逻辑bank设定唯一的标号；

2)根据目标网络和恶意样本检测机制对片上缓存的需求完成对全局片上缓存进行资源划分。

10.如权利要求9所述的系统，其特征在于，物理逻辑bank以乒乓缓存的方式组成目标神经网络与恶意样本检测神经网络的权重缓存和输入输出缓存。