Deep-Dup：一种在多租户 FPGA 中摧毁深度神经网络的对抗性权重复制攻击框架
密码学与安全
2021-10-12 v2 计算机视觉与模式识别
摘要
深度神经网络（DNN）在高性能云计算平台中的广泛部署，使得多租户云现场可编程门阵列（FPGA）因其硬件重编程灵活性而成为加速性能的热门加速器选择。这种用于 DNN 加速的多租户 FPGA 设置可能使 DNN 干扰任务面临来自恶意用户的严重威胁。据我们所知，本工作是首个探索多租户 FPGA 中 DNN 模型漏洞的研究。我们提出了一种新颖的对抗性攻击框架：Deep-Dup，其中对抗性租户可以向 FPGA 中受害租户的 DNN 模型注入对抗性故障。具体而言，她可以利用恶意劫电电路 aggressively 过载 FPGA 的共享电源分配系统，实现对抗性权重复制（AWD）硬件攻击，该攻击在片外存储器与片上缓冲之间的数据传输过程中复制特定的 DNN 权重包，以劫持受害租户的 DNN 功能。此外，为针对给定恶意目标识别最脆弱的 DNN 权重包，我们提出了一种通用的脆弱权重包搜索算法，称为渐进差分进化搜索（P-DES），该算法首次同时适用于深度学习白盒和黑盒攻击模型。所提出的 Deep-Dup 在一个开发的多租户 FPGA 原型中针对两个流行的深度学习应用（即目标检测与图像分类）进行了实验验证。在六种流行的 DNN 架构（如 YOLOv2、ResNet-50、MobileNet 等）中均展示了成功的攻击。
引用
@article{arxiv.2011.03006,
title = {Deep-Dup: An Adversarial Weight Duplication Attack Framework to Crush Deep Neural Network in Multi-Tenant FPGA},
author = {Adnan Siraj Rakin and Yukui Luo and Xiaolin Xu and Deliang Fan},
journal= {arXiv preprint arXiv:2011.03006},
year = {2021}
}