边缘 GPU 上的 CNN 架构提取
密码学与安全
2024-01-25 v1 机器学习
摘要
神经网络因其多功能性和在图像分类、自然语言处理、语音识别、预测等许多应用中的最先进成果而变得流行。这些应用也被用于资源受限的环境，如嵌入式设备。在这项工作中，我们通过侧信道分析在 NVIDIA Jetson Nano 微型计算机上探索了神经网络实现被逆向工程的易感性。为此，我们提出了一种架构提取攻击。在攻击中，我们在 Jetson Nano 的 GPU 上实现了 15 种流行的卷积神经网络架构（EfficientNets、MobileNets、NasNet 等），并在神经网络的推理操作期间分析了 GPU 的电磁辐射。分析结果表明，使用基于深度学习的侧信道分析可以轻松区分神经网络架构。
引用
@article{arxiv.2401.13575,
title = {CNN architecture extraction on edge GPU},
author = {Peter Horvath and Lukasz Chmielewski and Leo Weissbart and Lejla Batina and Yuval Yarom},
journal= {arXiv preprint arXiv:2401.13575},
year = {2024}
}
备注
Will appear at the AIHWS 2024 workshop at ACNS 2024