BoMa-MAC：一种用于安全深度神经网络加速器的布尔掩码乘累加单元

《IEEE Transactions on Circuits and Systems I: Regular Papers》：BoMa-MAC: A Boolean-Masked Multiply-Accumulate Unit for Secure DNN Accelerators

　　

摘要：

随着深度神经网络在边缘设备的应用，硬件加速器的侧信道安全问题日益重要。作为最常用的计算单元，乘累加单元会直接处理敏感的模型参数，因此成为攻击的重点目标。虽然屏蔽是一种有效的抵御侧信道攻击的手段，但现有的防护方案要么依赖特定电路的优化设计，要么单独使用屏蔽后的乘法器和加法器，这限制了它们的通用性、可扩展性和处理效率。本文提出了一种名为BoMa-MAC的布尔屏蔽型乘累加架构，用于多比特定点深度神经网络加速器。该架构基于改进的Baugh–Wooley算法，将带符号的乘法和累加操作整合为统一的安全导向型数组乘累加数据路径。此外，它还设计了多种专用屏蔽计算组件，以支持这种数组乘累加结构，并采用面向领域的屏蔽与门作为安全的非线性运算单元。同时，该设计还采用了结构化的随机性重用策略以及深度流水线架构，以实现高效且可扩展的屏蔽运算。在故障扩展探测模型下，该设计能够达到一级安全标准。在INT8版本的BoMa-MAC基础上，我们构建了安全的1维和2维脉动阵列，并对其安全性、可扩展性和性能进行了评估。FPGA实现结果显示，其在查找表中的开销为5×，在触发器中的开销为3.7×，而在布局时序延迟方面则为1.6×，且在流水线填满后仍能保持每个周期一个输出。通过多达100万条电源路径的TVLA和CPA分析，验证了BoMa-MAC及其脉动阵列集成方案的一级侧信道防御能力。