泄露网络：通过简单功耗与计时侧信道恢复嵌入式神经网络模型与输入——攻击与防御
密码学与安全
2021-03-30 v1 机器学习
摘要
随着机器学习理论的最新进展，许多商用嵌入式微处理器将神经网络模型用于多种信号处理应用。然而，其相关的侧信道安全漏洞引发重大担忧。已有若干概念验证攻击展示了对其模型参数与输入数据的提取。但其中许多攻击涉及特定假设、适用性有限，或对攻击者造成巨大开销。本工作中，我们通过利用基于计时的信息泄露和简单功耗分析侧信道攻击恢复嵌入式神经网络实现的参数，研究其侧信道漏洞。我们在流行的微控制器平台上针对浮点、定点、二值网络等不同精度的网络演示了攻击。我们不仅能成功恢复上述网络的模型参数，还能恢复其输入。针对基于计时的攻击的对抗措施已得到实现，并分析了其开销。
引用
@article{arxiv.2103.14739,
title = {Leaky Nets: Recovering Embedded Neural Network Models and Inputs through Simple Power and Timing Side-Channels -- Attacks and Defenses},
author = {Saurav Maji and Utsav Banerjee and Anantha P. Chandrakasan},
journal= {arXiv preprint arXiv:2103.14739},
year = {2021}
}