中文

通过嵌入式神经网络中的物理故障注入触发隐蔽特征图后门

密码学与安全 2026-07-10 v1
作者: Steyn Hommes , Vincent Dankbaar , Tanguy Stekke , Xiaomeng Wang , Lisanne Weidmann , Senna van Hoek , Durba Chatterjee , Lejla Batina , Zhuoran Liu
在 arXiv 上查看 ↗ PDF ↗

摘要

针对嵌入式神经网络（NN）实现的故障注入（FI）攻击主要集中于通过破坏权重或中间计算来诱导错误分类，忽视了它们与算法级对抗性威胁的交互。在这项工作中，我们提出了一种跨层级攻击，将实现级物理故障与算法级对抗性攻击联系起来。通过表征NN推理过程中故障引起的数据扰动，我们将FI与后门学习联系起来，实现了联合利用实现级和算法级漏洞的系统级攻击。具体来说，我们提出了一种精确的故障注入方法，能够在执行期间可靠地将目标寄存器值操纵到可处理状态。利用这种FI精度，我们提出了一种新颖的端到端特征图级后门攻击，其中物理诱导的中间扰动作为隐蔽触发器。与传统的基于输入的后门不同，我们的触发器仅在物理故障下激活，导致NN表现出损害系统完整性的对抗行为，同时在正常操作期间保持良性。我们证明了这种物理触发的后门可以安装在嵌入式NN平台上，并且对通常假设输入空间触发器的现有后门防御仍然有效。我们通过在ARM Cortex-M4微控制器（受限嵌入式应用的常见平台）上实现的卷积神经网络上使用电磁FI展示了攻击的实用性。我们的结果突出了一个位于硬件和算法层面交叉点的新攻击向量，强调了跨抽象层防御的必要性。

关键词

故障注入 后门攻击 嵌入式神经网络 硬件安全 对抗性攻击 电磁故障注入

引用

@article{arxiv.2607.09473,
  title  = {Triggering Stealthy Feature Map Backdoors via Physical Fault Injection in Embedded Neural Networks},
  author = {Steyn Hommes and Vincent Dankbaar and Tanguy Stekke and Xiaomeng Wang and Lisanne Weidmann and Senna van Hoek and Durba Chatterjee and Lejla Batina and Zhuoran Liu},
  journal= {arXiv preprint arXiv:2607.09473},
  year   = {2026}
}