基于数据流推理加速器中侧信道分析揭示 CNN 架构
密码学与安全
2025-05-07 v2 硬件体系结构
机器学习
摘要
卷积神经网络（CNN）广泛应用于图像识别、医学诊断和自动驾驶等多个领域。基于数据流的 CNN 加速器的最新进展使得 CNN 推理能够在资源受限的边缘设备上实现。这些数据流加速器利用卷积层固有的数据复用高效处理 CNN 模型。隐藏 CNN 模型的架构对于隐私和安全至关重要。本文评估了基于存储器的侧信道信息，以从基于数据流的 CNN 推理加速器中恢复 CNN 架构。所提出的攻击利用 CNN 加速器上数据流映射的时空数据复用以及架构线索来恢复 CNN 模型的结构。实验结果表明，我们提出的侧信道攻击能够恢复流行 CNN 模型（即 Lenet、Alexnet、VGGnet16 和 YOLOv2）的结构。
引用
@article{arxiv.2311.00579,
title = {Revealing CNN Architectures via Side-Channel Analysis in Dataflow-based Inference Accelerators},
author = {Hansika Weerasena and Prabhat Mishra},
journal= {arXiv preprint arXiv:2311.00579},
year = {2025}
}