增强面向安全关键应用的神经网络容错性
机器学习
2019-02-14 v1 密码学与安全
机器学习
摘要
神经网络（NN）近来已成为汽车、医学图像、安全等若干敏感应用的支柱。NN 在其架构中天然提供部分容错（PFT）；然而，NN 的有偏 PFT 可能在密码学和安全关键场景等应用中导致严重后果。本文提出一种修正实现，通过详尽的数学分析显著增强了 NN 的 PFT 特性。我们以 AES SBox 这类密码学原语为例，在软件与 FPGA 实现下评估了修正 NN 的性能。结果表明，所提方法可显著提升 NN 的 PFT。
引用
@article{arxiv.1902.04560,
title = {Enhancing Fault Tolerance of Neural Networks for Security-Critical Applications},
author = {Manaar Alam and Arnab Bag and Debapriya Basu Roy and Dirmanto Jap and Jakub Breier and Shivam Bhasin and Debdeep Mukhopadhyay},
journal= {arXiv preprint arXiv:1902.04560},
year = {2019}
}