NeuroPlug：利用空间填充曲线为NPU插值侧信道泄漏
密码学与安全
2024-07-19 v1
摘要
作为今天的一个重要问题，保护深度神经网络（DNN）免受侧信道攻击至关重要，因为人们投入了大量时间和资源来获取原始数据并训练复杂模型。所有已发布的防御措施（CM）都向信号X（感兴趣的参数，如网络内存流量）添加噪声N，攻击者观察X+N；我们将展示，这种噪声容易通过定向测量、统计分析和不同类型的合理假设的侧信息进行过滤。我们提出一种新型CM NeuroPlug，其主要是因为我们采用不同的公式 CX+N。我们引入一种乘性变量C，这种变量自然源于特征图压缩，在遮蔽感兴趣的参数方面发挥关键作用。我们的做法基于将所有计算映射到一条一维空间填充曲线，然后执行一系列瓷砖、压缩和基于分箱的遮蔽操作。随后，我们提出一种基于Mellin变换的理论框架，准确量化搜索空间的大小，作为函数形式：即我们添加的噪声以及攻击者所拥有的侧信息。NeuroPlug提供的安全性保证，通过一系列统计和信息论测试得到验证。我们还展示了相较于最近的竞争工作，NeuroPlug实现了约15%的显著性能提升。
引用
@article{arxiv.2407.13383,
title = {NeuroPlug: Plugging Side-Channel Leaks in NPUs using Space Filling Curves},
author = {Nivedita Shrivastava and Smruti R. Sarangi},
journal= {arXiv preprint arXiv:2407.13383},
year = {2024}
}