論文の概要: DSAC: Low-Cost RowHammer Mitigation Using In-DRAM Stochastic and Approximate Counting Algorithm

• arxiv url: http://arxiv.org/abs/2302.03591v3
• Date: Mon, 16 Jun 2025 17:13:01 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-18 17:34:58.980821
• Title: DSAC: Low-Cost RowHammer Mitigation Using In-DRAM Stochastic and Approximate Counting Algorithm
• Title（参考訳）: DSAC:In-DRAM確率および近似計数アルゴリズムを用いた低コストローハマー低減
• Authors: Seungki Hong, Dongha Kim, Jaehyung Lee, Reum Oh, Changsik Yoo, Sangjoon Hwang, Jooyoung Lee,
• Abstract要約: 本稿では,2種類の行アクティベーション誘発ビットフリップの基本機構について述べる。 最先端のカウンタベースアルゴリズムよりも133倍低い最大外乱を実現することができる,DRAM内保護技術を提案する。
• 参考スコア（独自算出の注目度）: 3.8274879841876546
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This paper provides the fundamental mechanisms of two types of row activation-induced bit flips and proposes in-DRAM protection techniques. RowBleed occurs when a victim row experiences charge leakage due to transistor's threshold voltage lowering induced by long activation of a neighboring aggressor row. Therefore, this paper proposes Time-Weighted Counting for RowBleed mitigation, which assigns greater counter weights to rows that are activated for longer durations. On the other hand, RowHammer occurs when a victim row experiences electron injection due to frequent activation of a neighboring aggressor row. Similarly, Extended RowHammer, the phenomenon where victim rows are two rows beyond aggressor rows, is also caused by electron injection due to frequent activation of a neighboring aggressor row. Consequently, accurate detection of aggressor rows is crucial. Therefore, this paper proposes RowHammer mitigation algorithm named DSAC (in-DRAM Stochastic and Approximate Counting algorithm), which utilizes a replacement probability that adjusts based on the count of the old row. This paper introduces a RowHammer protection index called Maximum Disturbance, which measures the maximum accumulated number of row activations within an observation period. The experimental results demonstrate that DSAC can achieve 133x lower Maximum Disturbance than the state-of-the-art counter-based algorithm.
• Abstract（参考訳）: 本稿では,2種類の行アクティベーションによるビットフリップの基本機構と,DRAM内保護技術を提案する。 RowBleedは、隣接する攻撃列の長時間の活性化によりトランジスタのしきい値電圧低下により、被害者列が電荷漏れを経験した時に発生する。 そこで本稿では,より長い期間有効となる行に対して,より大きなカウンターウェイトを割り当てるRowBleed緩和のためのタイムウェイトカウントを提案する。 一方、RowHammerは、隣接する攻撃者行の頻繁な活性化により、被害者行が電子注入を受けたときに発生する。 同様に、ストレッチド・ロウハマー(英: Extended RowHammer)は、被害者の行がアグレッサー・ローを越えて2列になる現象であり、隣のアグレッサー・ローの頻繁な活性化による電子注入によっても引き起こされる。 したがって、攻撃列の正確な検出が重要である。 そこで本稿では,従来の行数に基づいて調整される置換確率を利用するDSAC (In-DRAM Stochastic and Approximate Counting Algorithm) というRowHammer緩和アルゴリズムを提案する。 本稿では,観測期間中の最大行アクティベーション回数を測定するRowHammer保護指数について紹介する。 実験の結果、DSACは最先端のカウンタベースアルゴリズムよりも133倍低い最大外乱を達成できることが示された。

関連論文リスト

• CnC-PRAC: Coalesce, not Cache, Per Row Activation Counts for an Efficient in-DRAM Rowhammer Mitigation [4.040475373859059]
  JEDECは、DDR5と将来のDRAMのためのPer Row Activation Counting (PRAC)フレームワークを導入した。 性能とエネルギーのオーバーヘッドに対処するPRAC実装であるCnC-PRACを提案する。
  論文  参考訳（メタデータ） (2025-06-13T17:28:38Z)
• Long-Sequence Recommendation Models Need Decoupled Embeddings [49.410906935283585]
  我々は、既存の長期推薦モデルにおいて無視された欠陥を識別し、特徴付ける。 埋め込みの単一のセットは、注意と表現の両方を学ぶのに苦労し、これら2つのプロセス間の干渉につながります。 本稿では,2つの異なる埋め込みテーブルを別々に学習し,注意と表現を完全に分離する,DARE(Decoupled Attention and Representation Embeddings)モデルを提案する。
  論文  参考訳（メタデータ） (2024-10-03T15:45:15Z)
• BreakHammer: Enhancing RowHammer Mitigations by Carefully Throttling Suspect Threads [5.767293823380473]
  RowHammerはDRAMの読み出し障害機構であり、DRAMセルの行(DRAM行)に繰り返しアクセスすることで、物理的に近くの他のDRAM行のビットフリップを誘導する。 RowHammerソリューションは、そのようなビットフリップを緩和する予防アクション(例えば、ハンマーされた行の隣接行をリフレッシュする)を実行する。 DRAMチップ世代よりも小さくなる技術がRowHammerを悪化させるにつれ、RowHammerソリューションのオーバーヘッドは極めて高価になる。 本研究では、RowHammerソリューションを起動するメモリアクセスのジェネレータを追跡し、スロットリングすることで、RowHammerソリューションのパフォーマンスオーバーヘッドに対処する。
  論文  参考訳（メタデータ） (2024-04-20T22:09:38Z)
• HiRE: High Recall Approximate Top-$k$ Estimation for Efficient LLM Inference [68.59839755875252]
  HiREは2つの新しいコンポーネントから構成される: (i) (i) (i) (i) (i) (i) (i) (i) (i) (i) (ii) DA-TOP-$k$: 効率的なマルチデバイス近似トップ-k$演算子) (i) (i) (i) (i) (i) (i) (i) DA-TOP-$k$演算子) 。 我々は、10億のパラメータモデルにおいて、HiREがソフトマックスとフィードフォワード層の両方に適用され、ほぼ一致した事前学習と下流の精度を実現し、1台のTPUv5eデバイスで1.47Times$の推論遅延を高速化することを示した。
  論文  参考訳（メタデータ） (2024-02-14T18:04:36Z)
• ABACuS: All-Bank Activation Counters for Scalable and Low Overhead RowHammer Mitigation [6.570851573752742]
  我々は,新しい低コストハードウェアカウンタベースのRowHammer緩和技術であるABACuSを紹介する。 ABACuSは単一の共有行アクティベーションカウンタを使用して、すべてのDRAMバンクで同じ行アドレスで行へのアクティベーションを追跡する。 評価の結果,ABACuSはRowHammerのビットフリップ/エネルギーオーバーヘッドと低面積コストを確実に防止できることがわかった。
  論文  参考訳（メタデータ） (2023-10-15T23:04:30Z)
• Randomized Line-to-Row Mapping for Low-Overhead Rowhammer Mitigations [0.716879432974126]
  最近提案された安全なローハンマーの軽減策は、犠牲者よりも攻撃者に対する緩和措置に頼っている。 本稿では,暗号化アドレスを用いてメモリにアクセスすることにより,行間マッピングにおける空間相関を破るRubixを提案する。 また,行間マッピングを動的に変更するRubix-Dを提案する。
  論文  参考訳（メタデータ） (2023-08-28T21:22:15Z)
• A Fast Algorithm for the Real-Valued Combinatorial Pure Exploration of Multi-Armed Bandit [55.2480439325792]
  多武装バンディット(R-CPE-MAB)の真価純探査問題について検討する。 本稿では,差分に基づく探索法 (CombGapE) アルゴリズムを提案する。 我々は,CombGapEアルゴリズムが,合成データセットと実世界のデータセットの両方において,既存の手法を大幅に上回っていることを数値的に示す。
  論文  参考訳（メタデータ） (2023-06-15T15:37:31Z)
• Forecasting Particle Accelerator Interruptions Using Logistic LASSO Regression [62.997667081978825]
  インターロックと呼ばれる予期せぬ粒子加速器の割り込みは、必要な安全対策にもかかわらず、突然の運用変更を引き起こす。 このような中断を予測することを目的とした,単純かつ強力なバイナリ分類モデルを提案する。 このモデルは、少なくとも絶対収縮と選択演算子によって罰せられるロジスティック回帰として定式化される。
  論文  参考訳（メタデータ） (2023-03-15T23:11:30Z)
• DBA: Efficient Transformer with Dynamic Bilinear Low-Rank Attention [53.02648818164273]
  動的双線形低ランク注意(DBA)という,効率的かつ効果的な注意機構を提案する。 DBAは入力感度の動的射影行列によってシーケンス長を圧縮し、線形時間と空間の複雑さを実現する。 様々なシーケンス長条件のタスクに対する実験は、DBAが最先端のパフォーマンスを達成することを示す。
  論文  参考訳（メタデータ） (2022-11-24T03:06:36Z)
• Scaling the Convex Barrier with Sparse Dual Algorithms [141.4085318878354]
  本稿では,ニューラルネットワークバウンダリングのための2つの新しい2重アルゴリズムを提案する。 どちらの方法も新しい緩和の強さを回復する: 厳密さと線形分離オラクル。 実行時間のほんの一部で、既製のソルバよりも優れた境界を得ることができます。
  論文  参考訳（メタデータ） (2021-01-14T19:45:17Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。