29、嵌入式Linux系统软件更新机制与实践

嵌入式Linux系统软件更新机制与实践

1. 安全更新的重要性

更新机制本身存在被滥用的潜在风险。实施更新机制的主要目的是提供可靠的自动或半自动方法来安装安全补丁和新功能,但他人可能利用该机制安装未经授权的软件版本,从而劫持设备。

1.1 防范虚假远程更新

最大的漏洞是虚假远程更新。为防止这种情况,需要在开始下载前对更新服务器进行身份验证,并使用安全传输通道(如HTTPS)来防止下载流被篡改。

1.2 本地更新的真实性

检测本地虚假更新的一种方法是在引导加载程序中使用安全启动协议。如果内核映像在工厂使用数字密钥签名,引导加载程序可以在加载内核之前检查密钥,若密钥不匹配则拒绝加载。只要制造商对密钥保密,就无法加载未经授权的内核。例如U - Boot就实现了这样的机制。

1.3 安全启动的争议

安全启动是一个复杂的问题,处于自由和控制的十字路口。购买具有软件更新功能的设备时,用户信任设备供应商提供有用的更新,不希望恶意第三方在不知情的情况下安装软件。但用户是否应该被允许自行安装软件也是一个值得探讨的问题。一些设备制造商可能以安全为借口来保护他们质量不佳的软件。

2. 软件更新机制类型

2.1 对称(A/B)镜像更新

  • 工作原理
    1. 引导加载程序有一个标志,指示应加载哪个镜像。初始时,标志设置为A,引导加载程序加载操作系统镜像A。
    2. 为安装更新,操作系统中的更新程序应用程序会覆盖操作系统镜像B。
根据原作 https://pan.quark.cn/s/459657bcfd45 的源码改编 Classic-ML-Methods-Algo 引言 建立这个项目,是为了梳理和总结传统机器学习(Machine Learning)方法(methods)或者算法(algo),和各位同仁相互学习交流. 现在的深度学习本质上来自于传统的神经网络模型,很大程度上是传统机器学习的延续,同时也在不少时候需要结合传统方法来实现. 任何机器学习方法基本的流程结构都是通用的;使用的评价方法也基本通用;使用的一些数学知识也是通用的. 本文在梳理传统机器学习方法算法的同时也会顺便补充这些流程,数学上的知识以供参考. 机器学习 机器学习是人工智能(Artificial Intelligence)的一个分支,也是实现人工智能最重要的手段.区别于传统的基于规则(rule-based)的算法,机器学习可以从数据中获取知识,从而实现规定的任务[Ian Goodfellow and Yoshua Bengio and Aaron Courville的Deep Learning].这些知识可以分为四种: 总结(summarization) 预测(prediction) 估计(estimation) 假想验证(hypothesis testing) 机器学习主要关心的是预测[Varian在Big Data : New Tricks for Econometrics],预测的可以是连续性的输出变量,分类,聚类或者物品之间的有趣关联. 机器学习分类 根据数据配置(setting,是否有标签,可以是连续的也可以是离散的)和任务目标,我们可以将机器学习方法分为四种: 无监督(unsupervised) 训练数据没有给定...
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值