CSI 神经网络：利用侧信道恢复你的人工神经网络信息
密码学与安全
2018-10-23 v1
摘要
机器学习已在各行业成为主流。大量实例证明了其在安全应用中的有效性。本工作中，我们研究如何仅利用功耗侧信道信息来逆向工程一个神经网络。为此，我们选用多层感知机作为机器学习架构，并假设一个非侵入式窃听攻击者仅能测量被动侧信道泄漏，如功耗、电磁辐射与反应时间。我们在真实数据与普通神经网络架构上开展所有实验，以恰当评估此类攻击的适用性与可扩展性。在 ARM CORTEX-M3 微控制器上展示了实际结果。我们的实验表明，侧信道攻击者能够获取如下信息：架构中使用的激活函数、层数及各层神经元数、输出类别数，以及神经网络中的权值。因此，攻击者可有效利用侧信道信息逆向工程该网络。接下来，我们展示一旦攻击者获知神经网络架构，其还能仅通过单次测量恢复网络输入。最后，我们讨论了可用于抵御此类攻击的若干缓解措施。
引用
@article{arxiv.1810.09076,
title = {CSI Neural Network: Using Side-channels to Recover Your Artificial Neural Network Information},
author = {Lejla Batina and Shivam Bhasin and Dirmanto Jap and Stjepan Picek},
journal= {arXiv preprint arXiv:1810.09076},
year = {2018}
}
备注
15 pages, 16 figures