在实际应用中,确保推理中的机密模型不受片外侧信道攻击是利用性能优势的关键。
用于机器学习(ML)推理的加速器比cpu提供了更大的性能优势。在实际应用中,确保推理中的机密模型不受片外侧信道攻击是利用性能优势的关键。数据和内存地址加密最近被提出来防御芯片外攻击。在本文中,我们证明了加速器和权重存储之间的接口上的带宽利用可以作为泄漏机密ML模型架构的侧通道。此侧通道与接口类型无关,即使存在数据和内存地址加密也会泄漏,并且可以通过性能计数器或来自片上非特权进程的总线争用进行监控。
点击在这里阅读更多。
评论*
的名字*(注:此名称将公开显示)
电子邮件*(不会公开展示)
Δ
为什么为即插即用芯片开发多厂商标准如此困难?
127家创业公司融资26亿美元;数据中心连接、量子计算和电池吸引了大量资金。
异质集成的好处是众所周知的,但是实现它并不容易。
在不同的设计、不同的用例中,热不匹配会影响从加速老化到翘曲和系统故障的一切。
新的存储方法和CMOS扩展的挑战指向半导体设计的根本变化和潜在的巨大改进。
内存层次结构中的变化是稳定的,但是访问内存的方式和位置会产生很大的影响。
挑战继续增加,但只要有足够的投资,大多数挑战似乎都是可以克服的。
113家创业公司融资35亿美元;电池、人工智能和新架构位居榜首。
要大幅降低机器学习所消耗的能量,需要的不仅仅是优化,还需要一些根本性的反思。
当热问题成为一个系统问题时,需要尽早解决方案。
留下回复