論文の概要: Dishonest Approximate Computing: A Coming Crisis for Cloud Clients
- arxiv url: http://arxiv.org/abs/2405.15322v1
- Date: Fri, 24 May 2024 08:04:42 GMT
- ステータス: 処理完了
- システム内更新日: 2024-05-27 15:31:04.184517
- Title: Dishonest Approximate Computing: A Coming Crisis for Cloud Clients
- Title（参考訳）: Dishonest Approximate Computing - クラウドクライアントの危機
- Authors: Ye Wang, Jian Dong, Ming Han, Jin Wu, Gang Qu,
- Abstract要約: 本稿では,悪質な攻撃をDHAC(DisHonest Approximate Computing)と定義する。
残差クラスチェックとフォワードバックバックチェックの2つのゴールデンモデルフリー検出手法を提案する。
以上の結果から,CRCとFBCはともにDHACの96%～99%の症例を検出できることがわかった。
- 参考スコア（独自算出の注目度）: 11.693836946451723
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Approximate Computing (AC) has emerged as a promising technique for achieving energy-efficient architectures and is expected to become an effective technique for reducing the electricity cost for cloud service providers (CSP). However, the potential misuse of AC has not received adequate attention, which is a coming crisis behind the blueprint of AC. Driven by the pursuit of illegal financial profits, untrusted CSPs may deploy low-cost AC devices and deceive clients by presenting AC services as promised accurate computing products, while falsely claiming AC outputs as accurate results. This misuse of AC will cause both financial loss and computing degradation to cloud clients. In this paper, we define this malicious attack as DisHonest Approximate Computing (DHAC) and analyze the technical challenges faced by clients in detecting such attacks. To address this issue, we propose two golden model free detection methods: Residual Class Check (RCC) and Forward-Backward Check (FBC). RCC provides clients a low-cost approach to infer the residual class to which a legitimate accurate output should belong. By comparing the residual class of the returned result, clients can determine whether a computing service contains any AC elements. FBC detects potential DHAC by computing an invertible check branch using the intermediate values of the program. It compares the values before entering and after returning from the check branch to identify any discrepancies. Both RCC and FBC can be executed concurrently with real computing tasks, enabling real-time DHAC detection with current inputs. Our experimental results show that both RCC and FBC can detect over 96%-99% of DHAC cases without misjudging any legitimate accurate results.
- Abstract（参考訳）: Approximate Computing (AC)は、エネルギー効率の高いアーキテクチャを実現するための有望な技術として登場し、クラウドサービスプロバイダ(CSP)の電力コスト削減に有効な技術になると期待されている。
しかし、ACの潜在的な誤用には十分な注意が払われておらず、ACの青写真の背後にある危機が迫っている。
違法な財政利益の追求によって、信頼できないCSPは、約束された正確な計算製品としてACサービスを提示し、AC出力を正確な結果として誤って主張することで、低コストのACデバイスをデプロイし、クライアントを欺く可能性がある。
このACの誤用は、クラウドクライアントに金銭的損失とコンピューティングの劣化をもたらす。
本稿では、この悪意ある攻撃をDHAC(DisHonest Approximate Computing)と定義し、そのような攻撃を検出する際にクライアントが直面する技術的課題を分析する。
そこで本研究では,Residual Class Check (RCC) とForward-Backward Check (FBC) の2つのゴールデンモデルフリー検出手法を提案する。
RCCはクライアントに対して、正当な正確な出力が属すべき残留クラスを推論するための低コストなアプローチを提供する。
返された結果の残余クラスを比較することで、クライアントはコンピューティングサービスが任意のAC要素を含むかどうかを判断できる。
FBCはプログラムの中間値を用いて可逆チェックブランチを演算することで潜在的なDHACを検出する。
チェックブランチの入力と返却前の値を比較して,不一致を識別する。
RCCとFBCはどちらも実際の計算タスクと同時実行可能で、現在の入力によるリアルタイムDHAC検出が可能である。
以上の結果から,CRCとFBCはともにDHACの96%～99%の症例を検出できた。
関連論文リスト
- Explainable automatic industrial carbon footprint estimation from bank transaction classification using natural language processing [6.354358255072839]
提案手法は, 銀行取引に関連するCO2排出量を推定する。
局所的解釈可能なモデルを用いて,トランザクション記述から抽出した入力項の影響を評価する。
論文 参考訳（メタデータ） (2024-05-23T12:43:06Z) - A fully decentralized auditing approach for edge computing: A Game-Theoretic Perspective [18.20120097647291]
エッジストレージは、アプリケーションベンダーに実行可能なデータストレージを提供する。
エッジコンピューティングシステムにキャッシュされたデータは、意図的または偶発的な障害の影響を受けやすい。
本稿では,データ完全性を保護するための分散型整合監査方式を提案する。
論文 参考訳（メタデータ） (2023-12-26T11:26:44Z) - Applicability of Trust Management Algorithm in C2C services [0.0]
EigenTrustはエージェントベースモデルを使用したC2Cサービスのユースケースの代表的TMAである。
EigenTrustは2種類の単純な詐欺の信頼度を正確に推定できることがわかった。
また,2種類の高度な不正行為に対する信頼スコアの揺らぎも確認した。
論文 参考訳（メタデータ） (2023-03-24T11:13:47Z) - Task-Oriented Over-the-Air Computation for Multi-Device Edge AI [57.50247872182593]
エッジAIをサポートするための6Gネットワークは、AIタスクの効率的かつ効率的な実行に焦点を当てたタスク指向のテクニックを備えている。
本稿では,マルチデバイススプリット推論システムにおけるタスク指向オーバー・ザ・エア計算(AirComp)方式を提案する。
論文 参考訳（メタデータ） (2022-11-02T16:35:14Z) - Bayes risk CTC: Controllable CTC alignment in Sequence-to-Sequence tasks [63.189632935619535]
予測アライメントの望ましい特性を強制するためにベイズリスクCTC(BRCTC)を提案する。
BRCTCを他の早期排出の選好と組み合わせることで、オンラインモデルの性能・遅延トレードオフが改善される。
論文 参考訳（メタデータ） (2022-10-14T03:55:36Z) - Data-Driven Chance Constrained AC-OPF using Hybrid Sparse Gaussian
Processes [57.70237375696411]
入力不確実性を伴う潮流方程式をモデル化するために,スパースプロセスとハイブリッドガウスプロセス(GP)フレームワークを用いた高速データ駆動構成を提案する。
提案手法の有効性は,複数のIEEEテストケースに対して,最大2倍の高速かつ高精度な解を示す数値的な研究によって主張する。
論文 参考訳（メタデータ） (2022-08-30T09:27:59Z) - Data-Driven Stochastic AC-OPF using Gaussian Processes [54.94701604030199]
大量の再生可能エネルギーを電力網に統合することは、おそらく気候変動を遅らせる電力網からの二酸化炭素排出量を減らす最も有効な方法だろう。
本稿では、不確実な入力を組み込むことのできる交流電力流方程式に基づく代替データ駆動方式を提案する。
GPアプローチは、このギャップを交流電力流方程式に閉じるために、単純だが制約のないデータ駆動アプローチを学ぶ。
論文 参考訳（メタデータ） (2022-07-21T23:02:35Z) - Actor-Critic based Improper Reinforcement Learning [61.430513757337486]
我々は,未知のマルコフ決定プロセスに対して,学習者に100万ドルのベースコントローラを付与する不適切な強化学習環境を考える。
本稿では,(1)ポリシーグラディエントに基づくアプローチ,(2)単純なアクター・クリティカル・スキームとNatural Actor-Criticスキームを切り替えるアルゴリズムを提案する。
論文 参考訳（メタデータ） (2022-07-19T05:55:02Z) - Inter-Domain Fusion for Enhanced Intrusion Detection in Power Systems:
An Evidence Theoretic and Meta-Heuristic Approach [0.0]
ICSネットワークにおけるIDSによる不正な警告は、経済的および運用上の重大な損害をもたらす可能性がある。
本研究は,CPS電力系統における誤警報の事前分布を伴わずに不確実性に対処し,誤警報を低減する手法を提案する。
論文 参考訳（メタデータ） (2021-11-20T00:05:39Z) - Code Integrity Attestation for PLCs using Black Box Neural Network
Predictions [6.328987417919762]
プライバシ保護ブラックボックスモデルに基づく実用的なコード整合性チェックソリューションを提案する。
モデルのブラックボックスの性質を活用することで、当社のソリューションは元のPLCコードのプライバシを維持することができる。
筆者らは, 現代の6段水処理プラント試験場において, PLC入力からアクチュエータ状態をほぼ100%精度で予測できることを発見した。
論文 参考訳（メタデータ） (2021-06-15T03:09:29Z) - Intermediate Loss Regularization for CTC-based Speech Recognition [58.33721897180646]
本稿では,コネクショニスト時間分類(CTC)の目的に基づいて,自動音声認識(ASR)のための簡易かつ効率的な補助的損失関数を提案する。
提案手法は,WSJコーパスの単語誤り率(WER)9.9%,AISHELL-1コーパスの文字誤り率(CER)5.2%である。
論文 参考訳（メタデータ） (2021-02-05T15:01:03Z)
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。