机器学习推理引擎的新安全挑战：芯片克隆与模型逆向工程
信号处理
2020-03-24 v1
摘要
机器学习推理引擎在智能边缘计算中备受关注。存内计算（CIM）架构在硬件加速的吞吐量与能效方面表现出显著提升。新兴非易失性存储技术通过动态功率门控为即时开关提供了巨大潜力。推理引擎通常由云端预训练后部署至现场。针对芯片克隆与神经网络模型逆向工程出现了新的攻击模型。本文提出针对权重克隆与输入输出对攻击的对抗措施。第一种策略是对特定芯片实例进行权重微调以补偿模数转换器（ADC）偏移，同时使克隆芯片实例的精度显著下降。第二种策略是权重混洗与伪行插入，使得神经网络的激活仅在拥有密钥时才能准确传播。
引用
@article{arxiv.2003.09739,
title = {New Security Challenges on Machine Learning Inference Engine: Chip Cloning and Model Reverse Engineering},
author = {Shanshi Huang and Xiaochen Peng and Hongwu Jiang and Yandong Luo and Shimeng Yu},
journal= {arXiv preprint arXiv:2003.09739},
year = {2020}
}