通过激光故障信息引导的平衡光神经网络观测实现高效并发攻击检测框架

《ACM Transactions on Design Automation of Electronic Systems》：Effective Concurrent Attack Detection Framework through Laser Fault Informed Balanced Optical Neural Network Observation

　　

摘要 AI摘要

要查看此由AI生成的摘要，您必须具有高级访问权限。

了解更多 登录

摘要

摘要

基于硅光子学的AI加速器（SPAAs）被认为是具有高能效和低延迟的有前景的AI加速器。虽然许多研究人员专注于提高SPAAs的能效和延迟，但它们的物理安全性直到最近才受到关注。虽然提供强大的光学神经网络推理方法至关重要，但它们的成功和采用取决于它们能否提供安全的执行环境。为此，本文将PrometheusFree扩展为PrometheusFreev2，这是一个能够同时检测激光故障注入攻击的光学神经网络框架。本文首先介绍了激光故障注入攻击对SPAAs的威胁，这种攻击可能导致光学神经网络出现误分类。然后，PrometheusFreev2通过开发同时检测激光故障注入攻击的技术来应对这一威胁。此外，PrometheusFreev2引入了波长分扰（WDP）技术的应用，利用波长依赖的向量矩阵乘法（VMM）结果来提高故障检测的准确性。本文还介绍了一种新的光学漏洞，即交换攻击，它利用了SPAAs的架构漏洞。为了应对这种实际且关键的攻击，PrometheusFreev2采用了一种虚拟填充技术，向权重矩阵中注入随机值以提高攻击的可检测性。仿真结果显示，使用WDP技术后，PrometheusFreev2的攻击引起的误预测召回率超过了92%，平均将攻击成功率降低了31-47%。与现有技术相比，PrometheusFreev2将平均攻击成功率降低到0.030，实现了92.8-95.0%的减少。实验结果证实了WDP技术和虚拟填充方法在同时检测和提升攻击检测能力方面的优越性。

AI摘要

AI生成摘要（实验性）

此摘要是使用自动化工具生成的，并非由文章作者撰写或审核。它旨在帮助发现、帮助读者评估相关性，并协助来自相关研究领域的读者理解本文的工作。它旨在补充作者提供的摘要，后者仍然是文章的官方摘要。完整文章是权威版本。点击此处了解更多关于ACM AI摘要的信息。

点击此处对摘要的准确性、清晰度和实用性进行评论。这样做将有助于改进未来的版本。

要查看此由AI生成的通俗语言摘要，您必须具有高级访问权限。