分类： 编程

各位听众，大家好，欢迎来到今天的“C++ 内存清洁工”研讨会。 今天我们不谈虚函数表，不谈模板元编程，也不谈那些让你们写代码写到秃头的复杂设计模式。今天，我们要聊的是更底层、更黑暗，但也更性感的话题——当你的程序结束，当对象死亡，当指针被释放，那些藏在内存里的秘密，真的消失了吗？ 想象一下，你是一个间谍，或者一个银行家。你刚刚把你的核弹发射密码、或者用户的信用卡号，塞进了 C++ 对象里。然后，你调用了 delete ptr，或者函数结束了，作用域关闭了。 你觉得安全了吗？编译器笑而不语，CPU 摇了摇头，内存控制器只是把那块内存标记为“空闲”，并没有真的把里面的电荷抹平。这就是我们要解决的问题：如何在 C++ 析构的最后一刻，利用强制指令，把那些敏感数据像擦黑板一样，彻底擦干净，防止被物理手段读取。 第一部分：内存的“幽灵”——为什么 delete 不够用？ 首先，我们要打破一个美好的幻想。在 C++ 里，delete 这个操作，其实是个伪君子。 当你写 delete mySecretData; 时，C++ 运行时库（RTTI）会做什么？它只是告诉内存管理器：“嘿，这块内存现在没人用 …

继续阅读“C++ 安全删除协议：在 C++ 关键对象析构时利用强制指令清空内存敏感数据以防御物理内存读取”

C++ 保安养成记：如何用间接跳转表校验把内存劫持拒之门外 各位好，我是你们的 C++ 技术向导。 今天我们不聊 std::vector 的扩容机制，也不谈 RAII 的内存回收艺术。我们要聊的是一点“硬核”的东西——安全。 在 C++ 这个充满自由、激情（和内存泄漏）的语言世界里，如果你没有足够的安全意识，你的程序可能就像一个没锁门的豪宅，而黑客则是那些拿着撬棍的夜贼。尤其是在现代攻击手段日益高明的今天，简单的缓冲区溢出（Buffer Overflow）已经过时了，现在的攻击者玩的是“控制流劫持”。 今天，我要带大家深入 C++ 编译器的腹地，看看它是如何通过 控制流完整性 技术，特别是 间接跳转表校验，来给我们的代码穿上防弹衣的。 准备好了吗？系好安全带，我们开始这场“内存安全”的冒险。 第一章：C++ 的“野孩子”属性与间接跳转 首先，我们要搞清楚敌人是谁。C++ 之所以强大，是因为它给了程序员极大的控制权。这种控制权体现在哪里？体现在间接跳转上。 想象一下，你是一个指挥官，你有一群士兵。直接跳转就像是命令士兵：“左边那个，去执行任务。”这很直接，但很死板。 而间接跳转呢？你手里 …

继续阅读“C++ 控制流完整性（CFI）：在 C++ 编译器加固中通过间接跳转表校验防御高级内存劫持攻击”

C++ 算子后端自动化适配：利用 C++ 模板元编程实现对不同硬件厂商（NVIDIA/AMD/Intel）算子库的统一路由 各位好，我是你们的 C++ 服务器端架构师兼深度学习框架维护者。 今天我们不聊虚的，我们聊点“痛”的。痛在何处？痛在当你试图让你的深度学习模型在 NVIDIA 显卡上跑得飞起，在 AMD 显卡上也能跑，甚至还想在 Intel 的 CPU 上跑的时候，你的代码库变成了一团乱麻。 想象一下，你是一个大厨（程序员）。你的菜单（算子库）里有一道菜叫“矩阵乘法”（GEMM）。NVIDIA 厨师擅长用 CUDA 火炒，AMD 厨师擅长用 HIP 爆炒，Intel 厨师擅长用 OpenCL 煎。如果每次点菜，你都得问服务员：“哎，请问这位客人是用 NVIDIA 还是 AMD 的锅做的？” 如果服务员每次都要问，那这个餐厅（代码）就太慢了，而且容易出错。最好的情况是，客人在点菜前就把自己的锅（硬件类型）报备了，服务员直接把菜端给对应的厨师。这就是我们今天要讲的主题：利用 C++ 模板元编程（TMP）实现的自动化后端适配。 别被“模板元编程”这四个字吓到了，这听起来很高大上，其实它 …

继续阅读“C++ 算子后端自动化适配：利用 C++ 模板元编程实现对不同硬件厂商（NVIDIA/AMD/Intel）算子库的统一路由”

C++ 协程与推理流水线：告别 std::thread，拥抱异步之美 各位同学，大家好！ 欢迎来到今天的“C++ 极客大会：如何用协程把 LLM 推理跑出光速”专场。 坐在我旁边的这位老兄（假设他是一块显卡），他脾气很暴躁。如果你让他做一件事，他就要花 10 毫秒。如果你让他做十件事，他就得花 100 毫秒。如果你让他同时做十件事，他……他只会生气，因为他的算力是有限的。 而在我们写代码的时候，往往需要同时做三件事：把你的文本变成数字（预处理），让显卡算出下一个字（推理），再把数字变回文本（后处理）。如果用老派的写法，就像是用一只手同时剥十个橘子，汁水四溅，最后还得自己擦桌子。 今天，我们要讲的就是怎么用 C++ 协程，像指挥交响乐团一样指挥这三个阶段。我们要构建一个高并发、异步编排的推理流水线。 准备好了吗？让我们开始这场“异步之旅”。 第一回：同步代码的“便秘”时刻 在 C++ 里，如果你不想用协程，最常用的手段就是 std::thread。这就像是让厨师A炒菜，厨师A炒完一道菜，必须喊一声“好了”，厨师B才能开始炒下一道。 问题来了： 资源浪费： 厨师A（CPU）在等待厨师C切菜 …

继续阅读“C++ 与 推理流水线：基于 C++ 协程实现预处理、模型计算与后处理的高并发异步编排架构”

别让你的模型裸奔：C++ 中的流式解密保卫战 各位同学，大家好！ 今天我们不谈那些花里胡哨的 Prompt Engineering，也不聊怎么调教那个有点“小脾气”的 GPT-4。今天，我们要聊点硬核的，甚至可以说是有点“血腥”的话题。 想象一下，你辛辛苦苦，熬了三个通宵，调优了参数，终于训练出了一个在图像识别领域能打败 99% 同行的神经网络模型。这个模型，就是你公司的“摇钱树”，是你吃饭的家伙。然后，你把它部署到了 C++ 推理服务里。一切看起来都很完美，服务跑得飞快，推理延迟低得感人。 但是，问题来了。 如果有人把你的程序关掉，用十六进制编辑器打开那个模型文件（比如 .bin 或者 .onnx），他会看到什么？他会看到一长串密密麻麻的浮点数。这些数字，就是你的“商业机密”。如果这些数字被别人拿去，重新训练，甚至直接用，你的护城河瞬间就会干涸。 这就好比你把家里的保险柜钥匙挂在了门把手上，还贴了个标签写着“请随意使用”。 所以，今天我们要讲的主题非常严肃：在 C++ 推理服务中，如何利用对称加密与内存解密流，给我们的神经网络权重穿上防弹衣。 准备好了吗？让我们开始这场保卫战。 第一 …

继续阅读“C++ 模型加密加载：在 C++ 推理服务中利用对称加密与内存解密流保护神经网络权重的商业机密”

各位好，欢迎来到今天的“深度学习后端优化”专题讲座。我是你们的老朋友，一个在 C++ 模板元编程和神经网络引擎之间反复横跳的资深“搬砖工”。 今天我们要聊的话题，听起来可能有点枯燥，甚至有点像是在给计算机系大一新生讲基础课，但请相信我，这可是能让你的神经网络模型推理速度提升 20%、30% 的黑魔法。 主题：C++ 与神经网络拓扑优化——利用 C++ 在编译期对计算图进行算子合并与冗余转置消除的静态分析。 听起来是不是很高大上？别被这些术语吓到了。简单来说，神经网络在跑的时候，就像一个精力过剩的搬家公司。它把数据从 A 地搬到 B 地，再从 B 地搬到 C 地。中间有很多搬运工（算子），他们有时候会把箱子转个身（转置），有时候会停下来擦擦汗（中间存储）。而我们今天要做的，就是在这个搬家公司开业之前，也就是在编译的时候，抓着老板的领子，告诉他：“嘿，你把那个箱子转了180度，结果发现还是原来的方向，这简直是浪费生命！还有，那个搬箱子的人和擦汗的人能不能合并成一个？别让箱子落地了！” 让我们开始吧。 第一部分：神经网络里的“转置之舞” 首先，我们要理解为什么神经网络里会有转置。 在深度学习 …

继续阅读“C++ 与 神经网络拓扑优化：利用 C++ 在编译期对计算图进行算子合并与冗余转置消除的静态分析”