Memristive Crossbar阵列中权重保护的集成安全机制

Memristive交叉阵列通过在内存中执行并行模拟计算，实现了原位计算，非常适合机器学习、神经网络和神经形态系统。然而，尽管具有上述优势，非易失性memristor仍面临安全威胁（例如在硬件被窃取时提取存储的权重）。由于这些权重代表了使用大型且常为专有数据集进行长时间训练过程所获得的宝贵知识产权，因此保护这些权重至关重要。作为解决方案，我们提出了两种安全机制：Keyed Permutor和Watermark Protection Columns；其中两种方法都保护关键权重并建立可验证的所有权（即使在数据泄露的情况下也可验证）。我们的方案能高效地集成到现有的memristive交叉阵列架构中，而无需显著的设计修改。使用45nm、22nm和7nm CMOS节点中的模拟，采用真实的互连模型和大型RF数据集，显示两种机制在面积、延迟和功耗方面的开销不足10%。我们还介绍了初步实验，采用广为人知的MNIST数据集；进一步凸显了在最小性能牺牲的情况下保护memristive原位计算系统的可行性。