大纲 一、问题背景 二、Rust指针缺陷检测方法 三、实验结论 四、论文发表心得 实验效果 ❑ 基于已知CVE评 估检测能力 ❑ 基于GitHub上其 它开源Rust项目 的实验 高召回率 低误报率 double free和悬空指 针问题比较多 案例分析 Panic将导致双重释放 提前 性能：SafeDrop vs 原始Rust编译器 总结和思考 ❑ 问题根源是Rust的自动析构机制

方法的 存取權。 – Write and compare let s3 = s1.deref(); and let s3 = &*s1;. • String 是以包裝函式的形式在位元組向量的四周實作，許多在向量上支援的作業也適用於 String，但需要某些額外保證。 • 請比較各種為 String 建立索引的方法： – 使用 s3.chars().nth(i).unwrap() 變為字元，其中 也能做為泛型型別，但您不必明確指定 T。和往常的 Rust 型別推論一樣，系統會在 第一次 push 呼叫期間建立 T。 • vec![...] 是用於取代 Vec::new() 的標準巨集，且支援在向量中加入初始元素。 • 如要為向量建立索引，請使用 [ ]，但如果超出範圍會引發恐慌。或者，使用 get 則可傳回 Option。 pop 函式會移除最後一個元素。 • 我們會在第 3 天談到切片。現階段，學生只需知道 Vec in the example above. • 可透過 dyn Pet 這個方法向編譯器告知實作 Pet 的動態大小型別。 • 在本例中，pets 和向量資料分別在堆疊和堆積上分配。這兩個向量元素都是「虛指標」： – A fat pointer is a double-width pointer. It has two components: a pointer to

方法的 存取權。 – Write and compare let s3 = s1.deref(); and let s3 = &*s1;. • String 是以包裝函式的形式在位元組向量的四周實作，許多在向量上支援的作業也適用於 String，但需要某些額外保證。 • 請比較各種為 String 建立索引的方法： – 使用 s3.chars().nth(i).unwrap() 變為字元，其中 也能做為泛型型別，但您不必明確指定 T。和往常的 Rust 型別推論一樣，系統會在 第一次 push 呼叫期間建立 T。 • vec![...] 是用於取代 Vec::new() 的標準巨集，且支援在向量中加入初始元素。 • 如要為向量建立索引，請使用 [ ]，但如果超出範圍會引發恐慌。或者，使用 get 則可傳回 Option。 pop 函式會移除最後一個元素。 • 我們會在第 3 天談到切片。現階段，學生只需知道 Vec in the example above. • 可透過 dyn Pet 這個方法向編譯器告知實作 Pet 的動態大小型別。 • 在本例中，pets 和向量資料分別在堆疊和堆積上分配。這兩個向量元素都是「虛指標」： – A fat pointer is a double-width pointer. It has two components: a pointer to

过程可定制，若给予上下文切换更多的信息，它的性 能就可得到进一步提升 • 上下文调用时先保存部分寄存器，让高级语言判断是 否进入完整流程，或给定需要设置的寄存器数量 • 尽量减少上下文切换对空间局部性的破坏 • 向量化陷入：硬件取向量，分流mtime、msoft等中断 过程和异常过程，进一步细化通路，明确上下文保存 需求 • 不同等级的上下文保存到不同结构体中，地址存于突 发寄存器，快速处理程序可为完整处理程序提供参数

的企业或个人群体 舆情传导 营销传导 风险传导 …  计算某个事件在关联的企业、个人 之间的传递过程和传递概率 图深度学习及其应用场景 图嵌入 • 将高维的图信息映射到低维向量中 • 通过图嵌入将客户关系表示为低维向量，可以结合其 他客户行为特征进行机器学习训练 图卷积神经网络 • 对图结构数据进行卷积计算 • 通过已有的企业数据，通过 GCN 进行半监督学习和分 类，预测企业的违约概率

WasmEdge 安全容 器中 • 平台封装了一些常用 LLM 和 SaaS 的 API ，并发布成了 crate ，比如 ChatGPT 、 telegram 、 GitHub 、 Discord 、向量数据库比如 qdront 。 • 整个 serverless 平台是为 Rust 和 WebAssembly 设计的 视频演示如何使用 serverless 的方式部署 一个 PR review

中，创建自定义类型需要用到结构体和枚举。 第七章介绍 Rust 的模块（module）系统，其中的私有性规则用来组织代码和公开的 API（应 用程序接口）。第八章讨论标准库提供的常见集合数据结构，例如 Vector（向量）、字符串和 Hash Map（散列表）。第九章探索 Rust 的错误处理的理念与技术。 第十章深入介绍泛型（generic）、Trait 和生命周期（lifetime），这些功能让你能够定义适用 随着 程序的运行增长或缩小。每种集合都有着不同功能和开销，而根据当前情况选择合适的集合， 这是一项需要逐渐掌握的技能。在这一章里，我们将详细的了解三个在 Rust 程序中被广泛使 用的集合： • 向量（vector）允许我们一个挨着一个地储存一系列数量可变的值。 • 字符串（string）是字符的集合。我们之前见过 String 类型，不过在本章我们将深入了解。 • 哈希 map（hash ma run with `RUST_BACKTRACE=1` environment variable to display a backtrace 错误指向 main.rs 的第 4 行，这里我们试图访问向量 v 中的索引 99。 note: 告诉我们可以设置 RUST_BACKTRACE 环境变量来得到一个 backtrace。backtrace 是一个 执行到目前位置所有被调用的函数的列表。Rust

查找表：当需要快速查找一个元素或其对应关系时，可以使用数组作为查找表。假如我们想实现字符到 ASCII 码的映射，则可以将字符的 ASCII 码值作为索引，对应的元素存放在数组中的对应位置。 ‧ 机器学习：神经网络中大量使用了向量、矩阵、张量之间的线性代数运算，这些数据都是以数组的形式 构建的。数组是神经网络编程中最常使用的数据结构。 ‧ 数据结构实现：数组可以用于实现栈、队列、哈希表、堆、图等数据结构。例如，图的邻接矩阵表示实

查找表：当需要快速查找一个元素或其对应关系时，可以使用数组作为查找表。假如我们想实现字符到 ASCII 码的映射，则可以将字符的 ASCII 码值作为索引，对应的元素存放在数组中的对应位置。 ‧ 机器学习：神经网络中大量使用了向量、矩阵、张量之间的线性代数运算，这些数据都是以数组的形式 构建的。数组是神经网络编程中最常使用的数据结构。 ‧ 数据结构实现：数组可以用于实现栈、队列、哈希表、堆、图等数据结构。例如，图的邻接矩阵表示实

查找表：当需要快速查找一个元素或其对应关系时，可以使用数组作为查找表。假如我们想实现字符到 ASCII 码的映射，则可以将字符的 ASCII 码值作为索引，对应的元素存放在数组中的对应位置。 ‧ 机器学习：神经网络中大量使用了向量、矩阵、张量之间的线性代数运算，这些数据都是以数组的形式 构建的。数组是神经网络编程中最常使用的数据结构。 ‧ 数据结构实现：数组可以用于实现栈、队列、哈希表、堆、图等数据结构。例如，图的邻接矩阵表示实