BlackJack：通过基于硬件的乱序执行保护 IoT 设备上的安全机器学习
密码学与安全
2023-10-30 v1 硬件体系结构
摘要
神经网络正越来越多地用于医疗保健、智能家居和工业监测等多种物联网（IoT）应用中。其广泛使用使神经网络成为窃取的 lucrative 目标。攻击者可在无权访问训练数据或承担训练成本的情况下获取模型。此外，使用私有数据（如医疗记录）训练的神经网络可能泄露有关该数据的信息。通过利用 IoT 设备运行网络时的功耗轨迹等侧信道，可窃取网络。现有攻击要求操作每次以相同顺序发生；攻击者必须收集并分析设备的若干轨迹以窃取网络。因此，为防止此类攻击，我们每次随机打乱操作顺序。通过乱序，每次执行中每个操作可在许多不同时间点发生，使攻击难以实施。然而，我们表明软件中的乱序会泄露可用于破坏该解决方案的信息。因此，为执行安全乱序并降低延迟，我们提出 BlackJack，即作为 CPU 内功能单元添加的硬件。BlackJack 通过将对攻击所需时间增至数世纪，从而在 IoT 设备上保护神经网络，同时在 ARM M0+ SoC 上仅增加 2.46% 面积、3.28% 功耗和 0.56% 延迟开销。
引用
@article{arxiv.2310.17804,
title = {BlackJack: Secure machine learning on IoT devices through hardware-based shuffling},
author = {Karthik Ganesan and Michal Fishkin and Ourong Lin and Natalie Enright Jerger},
journal= {arXiv preprint arXiv:2310.17804},
year = {2023}
}
备注
16 pages, 6 figures