以色列理工学院、德国耶拿弗里德里希·席勒大学和莱布尼茨光子技术研究所(IPHT)的研究人员发表了一篇题为“忆阻器计算系统安全技术综述”的技术论文。
摘要
“神经网络(NN)算法已经成为视觉物体识别、自然语言处理和机器人技术的主导工具。为了提高这些算法的计算效率，与传统的冯诺依曼计算体系结构相比，忆阻器计算系统一直是研究人员关注的焦点。今天使用忆阻器计算系统的一个主要缺点是，在人工智能(AI)时代，训练良好的NN模型是知识产权，当加载到忆阻器计算系统时，面临盗窃威胁，特别是在边缘设备中运行时。对手可以通过学习攻击和侧通道分析等高级攻击窃取训练良好的神经网络模型。在本文中，我们回顾了保护忆阻器计算系统的不同安全技术。基于对对手能力的假设，描述了两种威胁模型:黑盒(BB)模型和白盒(WB)模型。在这些威胁模型的背景下，我们将现有的安全技术分为五类:挫败学习攻击(BB)、挫败侧通道攻击(BB)、神经网络模型加密(WB)、神经网络权重转换(WB)和指纹嵌入(WB)。我们还对安全技术的局限性进行了交叉比较。本文可作为设计安全忆阻计算系统的参考。
找到这里是技术文件．2022年12月出版。
邹，敏辉，杜楠，沙哈尔·克瓦廷斯基。忆阻器计算系统安全技术回顾前面。电子。脱线，2022年12月19日
第二节半导体材料和器件
卷2 - 2022 |https://doi.org/10.3389/femat.2022.1010613
Imec的计算路线图;美国对华为为目标;美印。特遣部队;China-Bolivia交易;布鲁克揭开了白光干涉测量系统;三星量化可持续性;麦肯锡指出了美国晶圆厂建设的问题;发光二极管。
留下回复