随着计算机制造工艺的快速发展,计算芯片的复杂程序大幅度提高,芯片核心部件对环境因素的影响也愈发敏感。在各类复杂环境下,计算机易受到如存储器故障、空间辐射、电源波动等因素干扰进而导致系统失效。软件数据流及控制流错误是程序故障的主要表现形式,提供软件对数据流及控制流错误的检测加固能力是提高软件可靠性的重要方法之一。因此,研究复杂环境下的软件错误检测技术具有重要的研究意义与价值。本文主要研究了面向复杂环境的软件错误检测关键技术,主要包括如下内容:SDC错误是数据流错误中危害性最高的错误之一,SDC错误通常会造成不易察觉的程序数据错误,针对SDC错误检测方法普遍存在的检测率低,性能开销高的问题,提出了基于深度随机森林的数据流错误检测方法。通过指令脆弱性特征提取,结合故障注入分析数据,建立了基于深度随机森林的指令脆弱性预测模型。该模型使用跨样本扫描技术拓展样本空间,提高特征的表征能力,使用层级森林结构提高模型预测准确率。通过基于预测的关键指令冗余,优化了程序加固过程。实验结果表明,该方法具有较高的数据流错误检测效率。控制流跳转错误主要指程序运行时的非法跳转,针对控制流错误检测方法错误类型覆盖率较低,性能开销较高的问题,提出了基于二分块的控制流错误检测算法。通过基本块控制流转移关系,设计了基本块分类方法及标签分配策略,结合二分图方法,设计了一种基本块内控制流错误检测机制。实验结果表明,在不插桩块内检错代码的情况下,该方法能够在较低的开销下具备较高错误检测率,引入基本块内检测标签后,可以在付出一定开销的情况下提高控制流错误检测效率。在上述研究的基础上,设计实现了程序加固系统。该系统基于LLVM、LLFI等平台工具,初步设计实现了面向复杂环境的程序数据流及控制流加固方法。目标程序经该系统加固后将具备针对数据流及控制流错误的检测能力。实验结果表明,该系统能够对目标程序进行有效加固,使目标程序具有检测软件错误的能力。