EREBA：自适应神经网络的黑盒能耗测试
机器学习
2022-02-15 v1
摘要
近来，针对嵌入式系统等具有严格能耗约束的环境，人们提出了多种深度神经网络（DNN）模型。与基于准确率的鲁棒性相比，确定 DNN 相对于其能耗的鲁棒性（能耗鲁棒性）这一基本问题相对未被探索。本工作研究了自适应神经网络（AdNNs）的能耗鲁棒性，AdNNs 是一类为许多能耗敏感领域提出并近期获得关注的节能型 DNN。我们提出 EREBA，首个用于确定 AdNN 能耗鲁棒性的黑盒测试方法。EREBA 探索并推断输入与 AdNN 能耗之间的关系，以生成能耗激增样本。使用三种最先进 AdNN 的广泛实现与评估表明，EREBA 生成的测试输入可大幅降低系统性能。EREBA 生成的测试输入相较原始输入可使 AdNN 能耗增加 2000%。我们的结果还表明，通过 EREBA 生成的测试输入在检测能耗激增输入方面具有价值。
引用
@article{arxiv.2202.06084,
title = {EREBA: Black-box Energy Testing of Adaptive Neural Networks},
author = {Mirazul Haque and Yaswanth Yadlapalli and Wei Yang and Cong Liu},
journal= {arXiv preprint arXiv:2202.06084},
year = {2022}
}