中科院軟件所智能操作系統FactOS及配套工具公開發布

文章來源:  |  發布時間:2019-05-07  |  【打印】 【關閉

  

    近年來我國AI產業增長快速,據統計2019年中國人工智能核心產業規模預計達到960億元,增長率達到40%。人工智能與多行業也在快速融合,從智能無人駕駛、智能投顧與算法交易、智能醫療,到智能制造、城市大腦等,“AI+”相關產業成為熱門賽道。政府層面也對人工智能產業大力扶持,通過印發《新一代人工智能發展規劃》等政策鼓勵人工智能領域的創新創業。隨著5G的來臨和普及,通過更加實時的海量數據傳輸,勢必進一步激活人工智能的潛在應用,出現更多的重要應用場景。 

  然而,當前無論是政府還是產業資本,項目、資金的支持主要集中在芯片(如AI加速芯片)和應用(人臉識別等)。與之形成對比的是,谷歌、微軟、Facebook等國外巨頭都在積極布局系統軟件方向,如TensorFlow、Caffe、PyTorch等編程框架和平臺軟件,并且已經在人工智能的競爭中取得初步的生態主導優勢。 

  中科院軟件所在2018年初成立智能軟件研究中心,致力于研發面向人工智能的系統軟件。一年多來,圍繞操作系統、編程語言、開發環境、漏洞檢測工具、AI安全測試工具等方面取得了顯著進展。 

  2019426日下午,武延軍研究員在中科院軟件所主辦的首屆智能軟件國際論壇上,在華為、騰訊、寒武紀等合作伙伴的見證下,正式公開發布了的智能操作系統FactOS v1.0及配套工具,如下所示。 

 

1、智能操作系統FactOS

比利亚雷亚尔vs里斯本 www.pecibp.com.cn   人工智能應用往往希望通過深度學習框架來屏蔽底層不同的AI加速硬件,同時實現對關鍵算法的加速。然而深度學習框架本身不能解決底層硬件體系結構的融合驅動。因此,當前操作系統面臨的一個挑戰是如何實現多種芯片架構(如CPU、GPU、AI芯片等)的融合并適配多個不同的深度學習框架(TensorFlow、Caffe、PyTorch、MXNet等)。此外,操作系統還需要提供開發環境與運行部署環境的一致性,真正實現從開發人員到用戶的端到端交付。 

  為了實現以上目標,中科院軟件所研發了與智能芯片和深度學習框架適配、容器化封裝的智能操作系統FactOSOS with Frameworks、Algorithms、Chip drivers and Training data)。智能操作系統的框架示意圖如下。 

 

  FactOS可廣泛應用于深度學習等場景,具備以下特點: 

  1.框架一鍵部署:Docker集裝箱模式,無需復雜安裝,無軟件包依賴沖突; 

  2.模型一鍵轉化:通過中間語言編譯器實現模型統一轉譯,支持pb/ckpt等格式; 

  3.推理自優化:包括操作圖優化、fix8優化,以及SOPA等平臺級優化; 

  4.驅動自適配:華為昇騰、英偉達GPU、寒武紀等多種硬件加速設備的驅動自安裝。 

  FactOS智能操作系統支持多款處理器和加速器、編程框架、數據集,以及神經網絡模型,具體而言: 

  1.在硬件上,目前支持X86、ARM、GPU、RISC-V4種架構,是國內少有的支持RISC-V的產品。同時支持英偉達GPU、華為昇騰Atlas系列、寒武紀1A/MLU、嘉楠耘智的勘智NPU、英特爾Movidius加速棒。正在適配比特大陸和瑞芯微的最新AI芯片。 

  2.在編程框架上,支持TensorFlow、MXNet、Caffe 、pyTorch60多種機器學習框架,通過軟硬件的適配、優化和測試,形成了140多個機器學習專屬鏡像。 

  3.在數據集上,匯集了100多種常用開源數據集,包括公共政府數據、財經金融數據、圖片數據、自然語言數據、交通數據、酒店旅游數據、醫療健康數據、視頻/音頻數據等。 

  4.在典型的神經網絡上,支持40多個經典神經網絡模型,包括AlexNet、GoogleNet、VGGNet、YOLOV1/V2/V3)、ResNet、Inception、SSD、FastRCNN、RetinaNet、M2Det等。 

  特別值得一提的是,FactOS與華為昇騰處理器Atlas系列、寒武紀智能芯片進行了深度適配,并采用騰訊優圖人臉識別引擎進行了檢驗,對于業務開發和運行的加速效果非常顯著,從而說明FactOS可作為自主無人系統開發、部署和運維的基礎,為芯片廠商、應用開發人員和最終用戶提供便利。 

  FactOS部分鏡像的使用和下載網址:https://github.com/isrc-cas/Bingo     

2、智能操作系統配套語言、平臺與工具

2.1 智能領域專用編程語言Tenon

  智能時代應該有新的編程語言,為智能應用提供更高層次的抽象,降低使用智能算法的難度,提升普通開發人員的開發效率。 

  中科院軟件所牽頭,聯合合作單位,歷時一年半,共同研發了智能機器人高級編程語言Tenon。程序員使用Tenon編寫機器人程序(如控制機械臂的運動等),可直接調用復雜功能,效率提升數十倍。以Tenon語言為基礎,可以開發自主可控的上層IDE和模擬器等組件,為智能機器人編程開發奠定了生態基礎。 

 

  Tenon支持錯誤恢復、中斷處理、多任務等特性,跨平臺、可擴展,是目前國內已知的第一款專門針對智能機器人領域的編程語言,填補了國內在機器人高級編程語言領域的空白,也為后續泛智能的其他領域專用編程語言提供了完整的參考實現。 

    

2.2 智能軟件持續集成與持續交付平臺iFactory

  在大型復雜智能軟件的開發實踐中,中科院軟件所形成了一套完整的持續集成(CI)與持續交付(CD)平臺,名為iFactory。平臺組成如下圖所示。 

  iFactory大量使用了開源軟件,保證開發環境不被特定廠商鎖定,能夠不斷更新維護。iFactory集中了當前敏捷開發、DevOps等先進的軟件工程理念,挑選軟件開發不同階段的開源管理工具的優勢,將其有機組合在一起,形成了完整的平臺。iFactory的使用,將極大緩解項目管理人員對于大型復雜智能軟件研發和運維過程的焦慮。 

2.3 可自主演化的“開源盾”網絡空間漏洞知識圖譜

  針對操作系統等大型復雜軟件的安全,中科院軟件所研發了“開源盾”網絡空間漏洞知識圖譜構建與自主演化系統。示意圖如下: 

  該成果提出并完整實現了面向開源軟件的、可持續演化的漏洞知識圖譜。具備如下功能: 

  1.自主識別軟件資產:自動識別每臺設備中已經安裝的軟件,為企業提供可視化資產清單 

  2.自動追蹤漏洞情報:與漏洞情報知識庫聯動,實現7*24*365漏洞情報追蹤 

  3.漏洞實時檢測:打通漏洞情報獲取到漏洞識別步驟,漏洞情報獲取后2小時內即可自動發現高風險設備并提出修復方案 

  4.威脅動態評估:知識圖譜技術從時間、企業軟件環境、影響設備數量等多個維度對漏洞威脅程度進行動態評估,幫助安全團隊制定修復策略,盡快修復最關鍵漏洞 

  5.關注系統與日志系統CIO/CSO/企業安全團隊可對重要漏洞與軟件進行關注,便捷查看修復進度。日志系統對每臺設備的漏洞檢測與修復情況進行記錄,隨時跟蹤設備安全狀態與修復進程 

    

  目前,“開源盾”以及積累超過143,000多條漏洞條目,完全涵蓋國際主流漏洞數據庫;支持2,200多個開源組件的安全監控,覆蓋超過90%操作系統基礎軟件;累計2,300,000,000行代碼檢測,相當于完成了100Linux內核檢測;兼容C、C++、Python、Java10余種主流編程語言,定義了1,100多條檢測用例,仍在持續擴充;存儲1,000,000+行開源倉庫安全修復代碼,提供權威的代碼修復方案;近5萬個通用庫版本,完全覆蓋Linux、OpenSSL、OpenStack等主流軟件的全部版本。相關工作已通過成果轉化推向市場。 

  訪問體驗網址://www.vulab.com.cn/ 

2.4 智能系統仿真、測試與評估工具AISafety

  為了評測和增強人工智能系統的安全性和魯棒性,中科院軟件所研發了自主智能無人系統仿真、測試與評估工具AISafety,包含無人駕駛仿真、對抗性樣本的生產與防御、退化數據集構建與退化能力評估三個部分組成。 

  1)無人駕駛仿真系統 

  基于虛擬仿真的面向無人駕駛的訓練、測試與評估平臺; 

  提供可見光、激光雷達、語義、深度信息和GPS等多種模態仿真數據; 

  覆蓋城市、野外等多種天氣及光照仿真場景; 

  覆蓋北京自動駕駛測試T1-T3級別牌照測試場景; 

   覆蓋江蘇《道路運輸車輛主動安全智能防控系統》團體標準測試場景需求; 

  AISafety的自動駕駛仿真界面示意如下: 

  (2)對抗性樣本的生產與防御 

  實現面向圖像、語音等領域智能算法的對抗性樣本生成; 

  覆蓋了投毒攻擊、逃避攻擊、模仿攻擊和逆向攻擊等多種安全性測試方式; 

  實現海量對抗性樣本的自動化生成; 

  支持算法訓練階段和測試階段的安全加固; 

  對攻擊樣本的防御能力達到90%以上。 

  3)退化數據集構建與退化能力評估 

  針對復雜場景下感知能力退化的挑戰,開展復雜環境下多模態感知能力測試技術、評估數據集構建等方面研究,并建立復雜環境下感知能力測試基準。數據集包括: 

  復雜場景下小目標數據集; 

  復雜場景下遮擋數據集; 

  復雜場景下中國交通標志數據集; 復雜交通場景下圖像、激光雷達、GPS等多模態融合數據集。 

  構建了復雜場景感知能力驗證平臺,體驗網址://www.evaluateai.cn    

3、應用前景

  FactOS及其配套工具為AI應用和底層芯片之間搭起了橋梁,實現了對完整軟件棧的容器化封裝,也提供了智能軟件全生命周期的安全保障。在前期與華為、騰訊和寒武紀等業界頭部公司的合作中,已經展現了FactOS對于典型智能芯片和主流人臉識別算法引擎的支持能力。除此之外,FactOS還可以支撐語音識別、文本分類、無人駕駛等諸多應用領域,也希望能夠驅動更多的人工智能芯片,構建智能領域的軟硬件生態體系。 

  通過在云平臺和邊緣計算設備中的部署,智能操作系統FactOS及其配套產品可被廣泛應用于智能機器人、智能家居、智慧醫療、智慧交通、智慧安防和現代農業等領域。 

  未來,中科院軟件所團隊將聯合相關合作單位和用戶單位對產品進行更新迭代、版本升級,持續完善功能、提升性能,努力在國家重大需求領域和國民經濟主戰場領域發揮作用,助力中國智能產業的發展。