利用深度学习架构体系结构漏洞的隐蔽硬件木马：输入拦截攻击（IIA）
密码学与安全
2021-01-28 v2 机器学习
机器学习
摘要
深度学习架构（DLA）在计算机视觉、自然语言处理等方面表现出令人印象深刻的性能。许多 DLA 由于高计算和内存需求而利用云计算来实现分类。云计算带来的隐私和延迟问题促使了 DLA 在嵌入式硬件加速器上的部署。为了实现短上市时间并接触全球专家，DLA 在硬件加速器上部署的先进技术被外包给不受信任的第三方。这种外包引发了安全担忧，因为硬件木马可能被插入到硬件加速器的映射 DLA 的硬件设计中。我们认为文献中强调的现有硬件木马攻击没有定性的手段来确定木马触发的可能性。此外，大多数插入的木马在触发木马或有效负载激活时，在加速器上利用的硬件资源数量上表现出明显的峰值。在本文中，我们介绍了一种称为输入拦截攻击（IIA）的硬件木马攻击。在该攻击中，我们利用逐层输出的统计特性来确保除了隐蔽性之外。我们的 IIA 能够以某种确定性度量触发。此外，该 IIA 攻击在用于分类 MNIST 和 Cifar-10 数据集的 DLA 上进行了测试。与被攻击设计相比，未受破坏的设计分别多利用了约至多 2% 的 LUT。最后，本文讨论了可用于对抗硬件加速器中针对 DLA 的此类基于硬件木马的潜在防御机制。
引用
@article{arxiv.1911.00783,
title = {A Stealthy Hardware Trojan Exploiting the Architectural Vulnerability of Deep Learning Architectures: Input Interception Attack (IIA)},
author = {Tolulope A. Odetola and Hawzhin Raoof Mohammed and Syed Rafay Hasan},
journal= {arXiv preprint arXiv:1911.00783},
year = {2021}
}