潜在的安全风险以及需要采取哪些措施来提高网络攻击的难度。
在现实世界中部署机器学习与在实验室中开发和测试机器学习有很大不同。Xilinx的人工智能系统架构师Quenton Hall研究了推理和训练方面的安全影响,准确性中断的可能性,以及这些模型和算法在边缘和云中使用时的可访问性。这涉及到从检测和补救的速度到涉及安全的权衡,如何验证模型的准确性和安全性,以及在训练到推理流程中这些攻击可能发生的位置。
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
精度越低,功率就越低,但要做到这一点,标准是必须的。
新的应用需要对不同类型DRAM的权衡有深刻的理解。
确保你的产品包含最好的RISC-V处理器内核并不是一个容易的决定,目前的工具还不能胜任这项任务。
它是什么,为什么重要,为什么是现在?
fpga可以做到体积小、功耗低、性价比高。
EDA社区如何准备应对即将到来的挑战尚不清楚。
先进的蚀刻技术是纳米片fet的关键未来节点的演化路径。
近50家公司超过5000亿美元新投资的细节;扩张热潮的背后是什么,为什么是现在,以及未来的挑战。
从特定的设计团队技能,到组织和经济影响,向定制硅的转变正在改变一切。
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。
开源处理器核心开始出现在异构的soc和包中。
开源本身并不能保证安全性。这仍然归结于设计的基本原理。
留下回复