神经形态模仿攻击：基于脑 Inspired 计算的隐蔽网络入侵
密码学与安全
2025-05-26 v1 机器学习
摘要
神经形态计算灵感来自人类大脑神经结构，凭借低功耗、自适应和事件驱动的特点，正在革新人工智能和边缘计算。然而，这些独特特征带来了新的网络安全风险。本文提出了神经形态模仿攻击（Neuromorphic Mimicry Attacks, NMAs），这是一类突破性威胁，利用神经形态芯片的概率性和非确定性特征，执行隐蔽入侵。通过技术手段如突触权重篡改和感官输入中毒来模拟合法神经活动，NMAs 可规避传统入侵检测系统，潜在威胁 autonomous vehicles（自动驾驶车辆）、smart medical implants（智能医疑植入物）和 IoT 网络等应用。本研究构建了NMAs的理论框架，使用模拟神经形态芯片数据集评估其影响，并提出反击措施，包括神经专用异常检测和安全突触学习协议。研究结果凸显了为保护脑 Inspired 计算而需制定专属网络安全措施的关键性需求，为这一新兴威胁领域的开创性探索。
引用
@article{arxiv.2505.17094,
title = {Neuromorphic Mimicry Attacks Exploiting Brain-Inspired Computing for Covert Cyber Intrusions},
author = {Hemanth Ravipati},
journal= {arXiv preprint arXiv:2505.17094},
year = {2025}
}