Seculator：一种快速且安全的神经处理单元

保护深度神经网络（DNNs）是一个备受关注的问题，因为 ML 模型包含了高质量的知识产权、由众包工人费力整理的数据集特征，以及在大型集群计算机上训练的新方法。遗憾的是，提取模型参数的攻击日益增多，因此设计人员被迫创建用于保护此类模型的架构。该领域最先进的方案部分地考虑了此类网络的确定性内存访问模式，将一组内存块分组为一个块片（tile），并在块片级别维护状态（以减少存储空间）。为了提供完整性保证（防篡改），它们未提出任何显著优化，仍维护块级状态。我们观察到，有可能进一步利用 DNN 的确定性内存访问模式，仅对当前块片和当前层（可能包含大量块片）维护状态信息。这减少了存储空间、降低了内存访问次数、提升了性能，并在不牺牲任何安全保证的前提下简化了设计。我们提出的加速器架构 Seculator 的关键技术是对内存访问模式进行编码，以针对给定层创建基于硬件的小型块片版本号生成器，并存储层级 MAC。我们完全消除了对 MAC 缓存和块片版本号存储（如相关工作中所用）的需求。我们表明，利用智能设计的数学运算，这些结构是不需要的。通过减少此类开销，我们实现了比最接近的竞争工作快 16% 的加速。