基于 RRAM 神经形态加速器的遗传 XOR 加密 Securing Spiking Neural Networks
密码学与安全
2024-08-27 v2
摘要
具有脉冲稀疏性的生物学可信脉冲神经网络 (SNN) 正在广泛关注智能边缘设备和关键生物医疗应用，相较于人工神经网络 (ANN)。然而，黑箱信息提取风险 (即权重) 亦随之存在，攻击者可利用训练良好的 SNN 实现盈利并引发白箱对抗问题。因此迫切需要知识产权保护措施。本文提出一种 novel 用于保护 SNN 知识产权的软件硬件协同设计 RRAM 基于神经形态加速器。软件层面，我们设计针对最少加密权重的定制遗传算法搭配经典 XOR 加密。硬件层面，我们开发低能耗解密模块，精心设计以实现零解密延迟。针对 NMNIST、DVSGesture、EEGMMIDB、Braille Letter 和 SHD 等多个数据集，实验结果表明：本方法通过加密极少比例的 stealthy 权重 (仅 0.00005%至 0.016% 权重位) 有效保护 SNN，同时实现能耗降低 x59 至 x6780，解密延迟降低 x175 至 x4250。此外，本方法仅需每个类别一个样本即可完成加密，解决 Hessian/�度搜索不敏感问题。该策略为 SNN 在多样化应用中的高效灵活保护提供了解决方案。
引用
@article{arxiv.2407.15152,
title = {SNNGX: Securing Spiking Neural Networks with Genetic XOR Encryption on RRAM-based Neuromorphic Accelerator},
author = {Kwunhang Wong and Songqi Wang and Wei Huang and Xinyuan Zhang and Yangu He and Karl M. H. Lai and Yuzhong Jiao and Ning Lin and Xiaojuan Qi and Xiaoming Chen and Zhongrui Wang},
journal= {arXiv preprint arXiv:2407.15152},
year = {2024}
}
备注
International Conference on Computer-Aided Design 2024