論文の概要: SecONN: An Optical Neural Network Framework with Concurrent Detection of Thermal Fault Injection Attacks

• arxiv url: http://arxiv.org/abs/2411.14741v1
• Date: Fri, 22 Nov 2024 05:31:36 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-11-25 15:02:16.951954
• Title: SecONN: An Optical Neural Network Framework with Concurrent Detection of Thermal Fault Injection Attacks
• Title（参考訳）: SecONN: サーマルフォールトインジェクション攻撃を同時検出する光学ニューラルネットワークフレームワーク
• Authors: Kota Nishida, Yoshihiro Midoh, Noriyuki Miura, Satoshi Kawakami, Jun Shiomi,
• Abstract要約: 本稿では,まず,Mach-Zhender干渉計を用いたベクトル行列乗算器(VMM)に基づくSPAAのサーマルフォールトインジェクション攻撃の脅威を提案する。 そこで本研究では,推論だけでなく,同時検出が可能な光ニューラルネットワークフレームワークSecONNを提案する。
• 参考スコア（独自算出の注目度）: 0.7262345640500065
• License:
• Abstract: Silicon Photonics-based AI Accelerators (SPAAs) have been considered as promising AI accelerators achieving high energy efficiency and low latency. While many researchers focus on improving SPAAs' energy efficiency and latency, their physical security has not been sufficiently studied. This paper first proposes a threat of thermal fault injection attacks on SPAAs based on Vector-Matrix Multipliers (VMMs) utilizing Mach-Zhender Interferometers. This paper then proposes SecONN, an optical neural network framework that is capable of not only inferences but also concurrent detection of the attacks. In addition, this paper introduces a concept of Wavelength Division Perturbation (WDP) where wavelength dependent VMM results are utilized to increase detection accuracy. Simulation results show that the proposed method achieves 88.7% attack-caused average misprediction recall.
• Abstract（参考訳）: シリコンフォトニクスベースのAIアクセラレータ(SPAA)は、高エネルギー効率と低レイテンシを実現するための有望なAIアクセラレータであると考えられている。 多くの研究者はSPAAのエネルギー効率と遅延を改善することに重点を置いているが、その物理的安全性は十分に研究されていない。 本稿では,まず,Mach-Zhender干渉計を用いたベクトル行列乗算器(VMM)に基づくSPAAのサーマルフォールトインジェクション攻撃の脅威を提案する。 そこで本研究では,推論だけでなく,同時検出が可能な光ニューラルネットワークフレームワークSecONNを提案する。 さらに,波長依存型VMM結果を用いて検出精度を向上させるため,波長分割摂動(WDP)の概念を導入する。 シミュレーションの結果,攻撃による平均誤予測リコール率88.7%を達成した。

関連論文リスト

• Optical aberrations in autonomous driving: Physics-informed parameterized temperature scaling for neural network uncertainty calibration [49.03824084306578]
  本稿では,ニューラルネットワークのキャリブレーションアーキテクチャに物理的帰納バイアスを組み込むことにより,AIターゲットアプリケーションの堅牢性と信頼性を高めることを提案する。 信頼に値する不確実性表現と認識連鎖の総合的検証戦略の道を開く。
  論文  参考訳（メタデータ） (2024-12-18T10:36:46Z)
• MDHP-Net: Detecting Injection Attacks on In-vehicle Network using Multi-Dimensional Hawkes Process and Temporal Model [44.356505647053716]
  本稿では、インジェクションアタックとして知られる特定のタイプのサイバーアタックについて考察する。 これらのインジェクション攻撃は時間の経過とともに効果があり、徐々にネットワークトラフィックを操作し、車両の正常な機能を破壊している。 本稿では,MDHP-LSTMブロックに最適なMDHPパラメータを組み込んだインジェクション攻撃検出器MDHP-Netを提案する。
  論文  参考訳（メタデータ） (2024-11-15T15:05:01Z)
• EPIM: Efficient Processing-In-Memory Accelerators based on Epitome [78.79382890789607]
  畳み込みのような機能を提供する軽量神経オペレータであるEpitomeを紹介する。 ソフトウェア側では,PIMアクセラレータ上でのエピトームのレイテンシとエネルギを評価する。 ハードウェア効率を向上させるため,PIM対応層設計手法を提案する。
  論文  参考訳（メタデータ） (2023-11-12T17:56:39Z)
• Active RIS-aided EH-NOMA Networks: A Deep Reinforcement Learning Approach [66.53364438507208]
  アクティブな再構成可能なインテリジェントサーフェス(RIS)支援マルチユーザダウンリンク通信システムについて検討した。 非直交多重アクセス(NOMA)はスペクトル効率を向上させるために使用され、活性RISはエネルギー回収(EH)によって駆動される。 ユーザの動的通信状態を予測するために,高度なLSTMベースのアルゴリズムを開発した。 増幅行列と位相シフト行列RISを結合制御するためにDDPGに基づくアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2023-04-11T13:16:28Z)
• Cascade-Forward Neural Network Based on Resilient Backpropagation for Simultaneous Parameters and State Space Estimations of Brushed DC Machines [0.0]
  本稿では,ニューラルネットワーク(NN)に基づくセンサレス速度,平均温度,抵抗推定手法を提案する。 本研究の目的は, ブラシ直流機の速度, 温度, 抵抗を同時に推定するために, レジリエントBPに基づくインテリジェントセンサを導入することである。
  論文  参考訳（メタデータ） (2021-03-31T08:56:14Z)
• Selective and Features based Adversarial Example Detection [12.443388374869745]
  Deep Neural Networks (DNN) を中継するセキュリティに敏感なアプリケーションは、Adversarial Examples (AE) を生成するために作られた小さな摂動に弱い。 本稿では,マルチタスク学習環境における選択的予測,モデルレイヤの出力処理,知識伝達概念を用いた教師なし検出機構を提案する。 実験の結果,提案手法は,ホワイトボックスシナリオにおけるテスト攻撃に対する最先端手法と同等の結果を得られ,ブラックボックスとグレーボックスシナリオの精度が向上した。
  論文  参考訳（メタデータ） (2021-03-09T11:06:15Z)
• Detecting Botnet Attacks in IoT Environments: An Optimized Machine Learning Approach [8.641714871787595]
  機械学習(ML)は、IoTデバイスやネットワークで生成され利用可能な大量のデータのために、潜在的なソリューションの1つとして浮上しました。 本稿では,IoTデバイスに対する攻撃を効果的かつ効率的に検出するMLベースのフレームワークを提案する。 実験の結果,提案フレームワークは高い検出精度,精度,リコール,Fスコアを有することがわかった。
  論文  参考訳（メタデータ） (2020-12-16T16:39:55Z)
• SPAA: Stealthy Projector-based Adversarial Attacks on Deep Image Classifiers [82.19722134082645]
  本稿では,ステルスプロジェクタを用いた対向攻撃を提案する。 PCNetというディープニューラルネットワークを用いて実際のプロジェクトとキャプチャ操作を推定します。 実験の結果,SPAAは高い攻撃成功率を達成し,他の手法よりも優れていることがわかった。
  論文  参考訳（メタデータ） (2020-12-10T18:14:03Z)
• Bayesian Optimization with Machine Learning Algorithms Towards Anomaly Detection [66.05992706105224]
  本稿では,ベイズ最適化手法を用いた効果的な異常検出フレームワークを提案する。 ISCX 2012データセットを用いて検討したアルゴリズムの性能を評価する。 実験結果から, 精度, 精度, 低コストアラームレート, リコールの観点から, 提案手法の有効性が示された。
  論文  参考訳（メタデータ） (2020-08-05T19:29:35Z)
• Scaling Equilibrium Propagation to Deep ConvNets by Drastically Reducing its Gradient Estimator Bias [65.13042449121411]
  実際には、EPによって提供される勾配推定によるネットワークのトレーニングは、MNISTよりも難しい視覚タスクにスケールしない。 有限ヌード法に固有のEPの勾配推定のバイアスがこの現象の原因であることを示す。 これらの手法を適用し、非対称な前方および後方接続を持つアーキテクチャをトレーニングし、13.2%のテストエラーを発生させる。
  論文  参考訳（メタデータ） (2020-06-06T09:36:07Z)

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。