处理器芯片全国重点实验室（以下简称“实验室”）在处理器静默错误 (CPU Silent Execution Error, SCEE) 方面的相关研究取得重要进展，首次提出了低开销的数据中心在线静默错误检测方法，相关成果发表于操作系统领域顶级会议SOSP 2025, 并在ACM SIGOPS战略性研讨会 (SIGOPS Strategic Workshop) 2025 会议上展示。

随着芯片制程不断演进与工艺复杂度提升，处理器的可靠性问题日益突出。如今在拥有大规模CPU的数据中心环境中，处理器逐渐展现了一种全新的静默错误（CPU Silent Execution Error, SCEE），它会在不被现有容错系统察觉的情况下，悄然破坏应用的执行逻辑与数据，对系统安全和数据完整性构成严重威胁。Google、亚马逊AWS和阿里巴巴等科技巨头都报告了大量CPU错误发生的现象。该种错误会导致静默数据损坏（Silent Data Corruption），严重时可能导致用户数据（User Data）被悄然破坏，进而引发严重后果。

针对上述挑战，实验室提出了目前为止第一个面向处理器静默错误的在线检测系统，并完成论文《Orthrus: Efficient and Timely Detection of Silent User Data Corruption in the Cloud with Resource-Adaptive Computation Validation》，第一作者为实验室博士生刘晨骁，指导教师为崔慧敏、杜子东、王晨曦等。论文在跨编程语言、运行时、操作系统构建全新的程序语义感知的数据中心系统软件（Semantics-Aware Cloud）的思路框架下，以极低的运行时性能开销（约2%-6%），实现了静默错误的高效检测，显著提升了数据中心服务的可靠性。Orthrus观察到：云应用程序的代码结构通常可分为控制路径（Control Path）和数据路径（Data Path）。控制路径负责调度与分发等控制逻辑，不直接操作用户数据；数据路径则执行对用户数据的具体操作。为此Orthrus设计了一种混合策略：对控制路径采取校验和方式，对数据路径采取重新执行方式，以此实现高效的错误检测。同时为支撑该机制，Orthrus在编译、系统与运行时层面引入了一系列创新技术（见图1）。

图1 Orhturs SCEE在线检验系统设计框架

在SIGOPS Stragetic Workshop上，报告《The Core Problem with Cores: It's All About the Software》进一步基于该研究讨论了新型处理器静默错误给数据中心带来的全新挑战。报告提出，处理器静默错误这一核心问题在高性能计算、数据中心领域非常关键，并且可以用软件方法来实现低开销、高效率的静默错误检测。