論文の概要: On the Influence of the Laser Illumination on the Logic Cells Current Consumption
- arxiv url: http://arxiv.org/abs/2407.06758v1
- Date: Tue, 9 Jul 2024 11:08:23 GMT
- ステータス: 処理完了
- システム内更新日: 2024-07-10 18:17:01.395717
- Title: On the Influence of the Laser Illumination on the Logic Cells Current Consumption
- Title(参考訳): レーザー照射が論理セル電流消費に及ぼす影響について
- Authors: Dmytro Petryk, Zoya Dyka, Milos Krstic, Jan Bělohoubek, Petr Fišer, František Steiner, Tomáš Blecha, Peter Langendörfer, Ievgen Kabin,
- Abstract要約: CMOS静的パワーにおけるデータ依存を利用した脆弱性はすでに実証されている。
光変調静的パワーを利用した類似の脆弱性はシミュレーションによって実証された。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Physical side-channel attacks represent a great challenge for today's chip design. Although attacks on CMOS dynamic power represent a class of state-of-the-art attacks, many other effects potentially affect the security of CMOS chips analogously by affecting mostly static behaviour of the chip, including aging, ionizing radiation, or non-ionizing illumination of the CMOS. Vulnerabilities exploiting data dependency in CMOS static power were already demonstrated in practice and the analogous vulnerability exploiting light-modulated static power was demonstrated by simulation. This work confirms the CMOS vulnerability related to the light-modulated data-dependent static power experimentally and discusses future work.
- Abstract(参考訳): 物理的なサイドチャネル攻撃は、今日のチップ設計にとって大きな課題です。
CMOSダイナミックパワーに対する攻撃は最先端の攻撃のクラスを表しているが、他の多くの効果はCMOSチップのセキュリティに類似して、老朽化、電離放射線、非電離照明などのチップの静的な動作に影響を与える可能性がある。
CMOS静的パワーにおけるデータ依存性を利用した脆弱性はすでに実証されており、光変調静的パワーを利用した類似の脆弱性はシミュレーションによって実証された。
本研究は,光変調データ依存静的パワーに関連するCMOS脆弱性を実験的に確認し,今後の課題について考察する。
関連論文リスト
- A Remedy to Compute-in-Memory with Dynamic Random Access Memory: 1FeFET-1C Technology for Neuro-Symbolic AI [14.486320458474536]
ニューロシンボリック人工知能(AI)は、ノイズや一般化されたパターンから学習し、論理的推論を行い、解釈可能な推論を提供する。
現在のハードウェアは、'neuro'と'symbolic'コンポーネント間の動的リソース割り当てを必要とするアプリケーションに対応するのに苦労している。
ニューロシンボリックAIの基本処理要素として強誘電体電荷領域計算メモリ(CiM)アレイを提案する。
論文 参考訳(メタデータ) (2024-10-20T05:52:03Z) - Real-Time State Modulation and Acquisition Circuit in Neuromorphic Memristive Systems [8.268591785609972]
メムリスタ状態情報を同時に変調して取得するデュアルファンクション回路を導入する。
提案した回路は様々なスケールで動作可能であり、幅広いニューロモルフィックな応用の可能性を秘めている。
論文 参考訳(メタデータ) (2024-06-01T09:31:26Z) - DynamiQS: Quantum Secure Authentication for Dynamic Charging of Electric Vehicles [61.394095512765304]
Dynamic Wireless Power Transfer (DWPT)は、電気自動車を運転中に充電できる新しい技術である。
量子コンピューティングの最近の進歩は、古典的な公開鍵暗号を危険にさらしている。
動的ワイヤレス充電のための第1量子後セキュア認証プロトコルであるDynamiQSを提案する。
論文 参考訳(メタデータ) (2023-12-20T09:40:45Z) - Power-balanced Memristive Cryptographic Implementation Against Side Channel Attacks [21.2268953021649]
本稿では,暗号論理回路の電力消費を隠蔽するために,memristorグループを利用した電力均衡型隠れ方策を提案する。
本研究は、論理回路のセキュリティと効率を向上し、電力バランスの取れた隠れ手法の大幅な進歩を示す。
論文 参考訳(メタデータ) (2023-12-02T16:26:35Z) - Action-Quantized Offline Reinforcement Learning for Robotic Skill
Learning [68.16998247593209]
オフライン強化学習(RL)パラダイムは、静的な行動データセットを、データを収集したポリシーよりも優れたパフォーマンスのポリシーに変換するためのレシピを提供する。
本稿では,アクション量子化のための適応型スキームを提案する。
IQL,CQL,BRACといった最先端のオフラインRL手法が,提案手法と組み合わせることで,ベンチマークのパフォーマンスが向上することを示す。
論文 参考訳(メタデータ) (2023-10-18T06:07:10Z) - Improving Robustness of Reinforcement Learning for Power System Control
with Adversarial Training [71.7750435554693]
電力系統制御のために提案された最先端のRLエージェントが敵攻撃に対して脆弱であることを示す。
具体的には、敵のマルコフ決定プロセスを用いて攻撃方針を学習し、攻撃の有効性を実証する。
本稿では,RLエージェントの攻撃に対する堅牢性を高め,実行不可能な運用上の決定を回避するために,敵の訓練を利用することを提案する。
論文 参考訳(メタデータ) (2021-10-18T00:50:34Z) - Dynamic Reliability Management in Neuromorphic Computing [8.616676521313815]
ニューロモルフィックコンピューティングシステムは、高密度で低エネルギーのシナプス記憶を実装するために非揮発性メモリ(NVM)を使用する。
NVMを操作するために必要な電流は、ハードウェアの各ニューロンとシナプス回路におけるCMOSベースのトランジスタの老化を引き起こす。
本稿では,知的ランタイムマネージャを設計することにより,ニューロモルフィックシステムにおける老化に伴う信頼性問題を緩和する新しい手法を提案する。
論文 参考訳(メタデータ) (2021-05-05T13:17:17Z) - Direct phase modulation via optical injection: theoretical study [50.591267188664666]
本研究では,自然発生騒音の影響について検討し,利得非直線性の役割について検討し,温度変動の影響について考察した。
我々は,光注入型位相変調器の試作・運用において,これらの特徴を考慮に入れた実用的な手順を定式化しようと試みている。
論文 参考訳(メタデータ) (2020-11-18T13:20:04Z) - A Case for Lifetime Reliability-Aware Neuromorphic Computing [0.30458514384586394]
我々は,ニューロモルフィックハードウェア上での最先端機械学習タスクの実行による長期的,すなわち寿命の信頼性への影響を評価する。
ニューロモルフィック回路の周期的緩和により得られる信頼性と性能のトレードオフを示す。
論文 参考訳(メタデータ) (2020-07-04T23:53:13Z) - Training End-to-End Analog Neural Networks with Equilibrium Propagation [64.0476282000118]
本稿では,勾配降下による終端から終端までのアナログニューラルネットワークの学習法を提案する。
数学的には、アナログニューラルネットワークのクラス(非線形抵抗性ネットワークと呼ばれる)がエネルギーベースモデルであることが示される。
我々の研究は、オンチップ学習をサポートする、超高速でコンパクトで低消費電力のニューラルネットワークの新世代の開発を導くことができる。
論文 参考訳(メタデータ) (2020-06-02T23:38:35Z) - Hardware-Encoding Grid States in a Non-Reciprocal Superconducting
Circuit [62.997667081978825]
本稿では、非相互デバイスと、基底空間が2倍縮退し、基底状態がGottesman-Kitaev-Preskill(GKP)符号の近似符号であるジョセフソン接合からなる回路設計について述べる。
この回路は、電荷やフラックスノイズなどの超伝導回路の一般的なノイズチャネルに対して自然に保護されており、受動的量子誤差補正に使用できることを示唆している。
論文 参考訳(メタデータ) (2020-02-18T16:45:09Z)
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。