安全感知层映射降低3D存内计算故障脆弱性(亚利桑那州立大学、马里兰大学)

人工智能 10 次阅读

论文解读:这项研究针对异构三维存内计算加速器在多租户环境下的安全问题,提出名为SEAL的安全感知层映射框架。它通过把关键神经网络层分配到更抗故障的器件和层组合,在优化功耗、性能、面积的同时降低故障脆弱性。评估显示,与安全盲映射相比,ResNet-18和Qwen2.5-3B的故障脆弱性分别降低最多3.9倍和7.8倍,且模型精度和困惑度几乎不受影响。

亚利桑那州立大学和马里兰大学的研究人员发表了“SEAL: Multitenant Security-Aware Layer Mapping for Heterogeneous 3-D CiM Accelerators”。

摘要:“异构三维存内计算架构可以组合不同存储技术跨堆叠层加速深度神经网络推理,但多租户部署通过共享供电网络引入安全风险。研究人员开发了SEAL,一个安全感知层映射框架,通过将关键神经网络层分配到更抗故障的器件和层级组合,联合优化功耗、性能、面积和故障脆弱性。使用ResNet-18和Qwen2.5-3B的评估显示,与安全盲映射相比,在两种方法都产生可用映射的情况下,故障脆弱性分别降低最多3.9倍和7.8倍。在ReRAM较多配置中,SEAL将所有高关键层放在低脆弱性层上,并将故障脆弱性降低到特征化下限。ResNet-18的准确率保持在无故障基线0.06个百分点以内,而Qwen2.5-3B的困惑度保持在无故障基线0.06以内。”

可在此处找到技术论文。2026年9月。

作者信息:Sharma, Pragya, Sriniketh Purisai Ramanujam, Ashish Reddy Bommana, Hossein Pourmehrani, Naghmeh Karimi, Farshad Firouzi, and Krishnendu Chakrabarty. “SEAL: Multitenant Security-Aware Layer Mapping for Heterogeneous 3-D CiM Accelerators.” IEEE Journal on Exploratory Solid-State Computational Devices and Circuits, September 2026. https://doi.org/10.1109/JXCDC.2026.3734047. 许可协议。

配图

来源: 海外媒体

文章来源: 海外媒体 查看原文
相关推荐
评论区

登录后即可参与讨论

立即登录