DeepLaser：针对深度神经网络的实用故障攻击
密码学与安全
2018-10-02 v2 机器学习
摘要
随着深度学习系统在自动驾驶汽车、银行系统等安全和安防关键应用中的广泛采用，恶意故障与攻击成为巨大隐患，可能带来灾难性后果。在本文中，我们首次开展了利用物理故障注入攻击深度神经网络 (DNNs) 的研究，通过在嵌入式系统上使用激光注入技术实现。具体而言，我们的探索性研究针对 DNN 开发中四种广泛使用的激活函数，它们是构成 DNN 基本模块并产生非线性行为的主要部分——ReLu、softmax、sigmoid 和 tanh。我们的结果表明，通过针对这些函数，可向网络的隐藏层注入故障从而实现错误分类。这一结果对现实世界应用具有实际意义，因为故障可通过更简单的手段（如改变电源电压）引入。
引用
@article{arxiv.1806.05859,
title = {DeepLaser: Practical Fault Attack on Deep Neural Networks},
author = {Jakub Breier and Xiaolu Hou and Dirmanto Jap and Lei Ma and Shivam Bhasin and Yang Liu},
journal= {arXiv preprint arXiv:1806.05859},
year = {2018}
}
备注
11 pages