論文の概要: CODA: How to Mitigate ColumnDisturb for (Almost) Free?

• arxiv url: http://arxiv.org/abs/2607.13505v1
• Date: Wed, 15 Jul 2026 06:58:27 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-16 16:39:12.675966
• Title: CODA: How to Mitigate ColumnDisturb for (Almost) Free?
• Title（参考訳）: CODA:ColumnDisturbを(ほとんど)無料にする方法
• Authors: Moinuddin Qureshi,
• Abstract要約: ColumnDisturbは、攻撃的行へのアクティベートが、数百行離れた犠牲者行でビットフリップを引き起こす、新しいデータ障害エラーである。 我々は、コロンディスターブを確実に許容するために必要なACIの割合を大幅に削減するコロンディスターブ緩和であるCODAを提案する。
• 参考スコア（独自算出の注目度）: 1.0152838128195467
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: ColumnDisturb is a new data-disturbance error in which activations to an aggressor row cause bitflips in a victim row located hundreds of rows away (intra-subarray bitflips) and in victim rows in adjacent subarrays (inter-subarray bitflips). Intra-subarray ColumnDisturb can be tolerated by solutions (such as SALT and REGA) that operate at subarray granularity. However, to tolerate inter-subarray ColumnDisturb, such solutions must be extended with ColumnDisturb Protection (CDP), which performs additional {\em Adjacent-Counter Increment (ACI)} for the neighboring subarrays. The ACIs ensure that adjacent subarrays also undergo mitigation, even if they receive no demand activations. Unfortunately, because ACIs occur at a 200\% rate relative to demand activations, they effectively increase the activations perceived by the bank to 3x, which causes significant slowdowns (17\% at a TRHD of 500) and refresh overheads. The goal of our paper is to tolerate ColumnDisturb while incurring negligible overheads. We propose CODA, a ColumnDisturb mitigation that significantly reduces the rate of ACI required to securely tolerate ColumnDisturb. We present three variants of CODA. First, CODA-E (Evade), which leverages the insight that ACI can be skipped if the neighboring subarray receives a demand activation, and reduces ACI by 2x. Second, CODA-F (Fraction), which uses the timing duration of ColumnDisturb to do only a fractional increment for ACI, thereby reducing the rate of ACI by 2x-16x. Finally, CODA-G (Gangskip), which operates at multi-subarray granularity and skips ACI for neighboring subarrays within the same gang, further reduces overall ACI by 2x-8x. Overall, CODA reduces ACI by 12x-1300x, thereby making it possible to tolerate ColumnDisturb while incurring zero performance and power overhead.
• Abstract（参考訳）: ColumnDisturbは、攻撃者行へのアクティベートが、数百行離れた(サブアレイ内ビットフリップ)、隣接する(サブアレイ間ビットフリップ)サブアレイ内の(サブアレイ間ビットフリップ)犠牲者行にビットフリップを発生させる新しいデータディスラプタンスエラーである。 サブアレイ内カラムディスターブはサブアレイの粒度で動く解(SALTやREGAなど)によって許容される。 しかし、サブアレイ間カラムディスターブを許容するには、隣のサブアレイに対して追加のアジャセント・カウンター・インクリメント(ACI)を実行するコロンディスターブ・プロテクション(CDP)でそのようなソリューションを拡張する必要がある。 ACIは、たとえ要求がアクティベートされていなくても、隣接するサブアレイも緩和されるようにしている。 残念ながら、ACIは需要の活性化に対して200\%の速度で発生するため、銀行が認識するアクティベーションを3倍に効果的に増加させ、TRHD500で17\%の大幅な減速とリフレッシュオーバーヘッドを引き起こす。 本稿の目的は、無視できないオーバーヘッドを発生させながら、ColumnDisturbを許容することである。 我々は、コロンディスターブを確実に許容するために必要なACIの割合を大幅に削減するコロンディスターブ緩和であるCODAを提案する。 我々はCODAの3つの変種を提示する。 まず、CODA-E(Evade)は、隣接するサブアレイが需要活性化を受けた場合、ACIをスキップできるという知見を活用し、ACIを2倍削減する。 第2に、コロンディスターブのタイミング時間を用いてACIの分数インクリメントのみを行うCODA-F(Fraction)により、ACIのレートを2x-16xに下げる。 最後に、複数のサブアレイの粒度で動作するCODA-G(Gangskip)は、隣接するサブアレイに対してACIをスキップする。 全体として、CODAはACIを12x-1300x削減し、ColumnDisturbを許容し、性能と電力オーバーヘッドをゼロにする。

関連論文リスト

• ColumnKeeper: Efficient Solutions to the ColumnDisturb Vulnerability in DRAM-based Systems [6.1517563154586625]
  ColumnDisturbは、新しい、根本的に異なるDRAM読み取り障害現象である。 我々はコロンキーパーを提案し,コロンディストゥルブを低性能,エネルギー,面積オーバーヘッドで防止する。 コロンディスターブを低い閾値で緩和するには、より小さなサブアレイサイズを採用するか、サブアレイレベルの並列性を実現する必要がある。
  論文  参考訳（メタデータ） (2026-06-21T18:37:02Z)
• Improved Object-Centric Diffusion Learning with Registers and Contrastive Alignment [83.56510119503265]
  事前訓練された拡散モデルによるスロット注意(SA)は、最近オブジェクト中心学習(OCL)の可能性を示唆しているが、スロットの絡み合いや、オブジェクトスロットと画像内容との弱いアライメントに悩まされている。 提案するCODA(Contrastive Object-centric Diffusion Alignment)は,(i)残響を吸収し,オブジェクトスロット間の干渉を低減するためにレジスタスロットを使用する単純な拡張であり,(ii)スロットイメージ対応を明示的に促進するためにコントラストアライメントロスを適用する。
  論文  参考訳（メタデータ） (2026-01-03T16:10:18Z)
• Higher-order Linear Attention [59.92962330635185]
  スケールされたドット積の注意の二次コストは、自己回帰言語モデルを長いコンテキストにスケールするための中心的な障害である。 本稿では,高次線形注意(Higher-order Linear Attention, HLA)を提案する。
  論文  参考訳（メタデータ） (2025-10-31T07:54:37Z)
• Beyond Surface Reasoning: Unveiling the True Long Chain-of-Thought Capacity of Diffusion Large Language Models [54.81955614221652]
  同時トークン更新を可能にする並列デコード。厳格な推論にしばしば必要とされる因果順序と競合する。 単純な推論タスクと複雑な推論タスクの両方において、DLLMは直接決定可能な出力に対してのみ真の並列性を示すことを示す。 そこで本研究では,PSCによる非効率性と非効率性を低減するために,いくつかの実用的な緩和,並列指向プロンプト,拡散早期停止,並列スケーリングを提案する。
  論文  参考訳（メタデータ） (2025-10-10T16:58:14Z)
• S$^3$Attention: Improving Long Sequence Attention with Smoothed Skeleton Sketching [51.38617149946765]
  本稿ではスムースなスケルトンスケッチに基づくアテンション構造S$3$Attentionを提案する。 S$3$Attentionは、線形複雑性をシーケンス長に保ちながら、ノイズの影響を効果的に最小化する2つのメカニズムを持つ。
  論文  参考訳（メタデータ） (2024-08-16T07:01:46Z)
• 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)
• DSAC: Low-Cost RowHammer Mitigation Using In-DRAM Stochastic and Approximate Counting Algorithm [3.8274879841876546]
  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。
  論文  参考訳（メタデータ） (2023-02-07T16:58:58Z)
• Introducing Block-Toeplitz Covariance Matrices to Remaster Linear Discriminant Analysis for Event-related Potential Brain-computer Interfaces [0.0]
  ToeplitzLDAは、各チャネルのショートタイムウィンドウにおける信号定常性の仮定を実装している。 結果:ToeplitzLDAは縮小正規化LDAに比べてバイナリ分類性能が有意に向上した。 また、ToeplitzLDAは20倍の時間次元拡大に対してもほとんど不変である。
  論文  参考訳（メタデータ） (2022-02-04T07:18:43Z)
• Covariance-Free Sparse Bayesian Learning [62.24008859844098]
  共分散行列の明示的な反転を回避する新しいSBL推論アルゴリズムを導入する。 私たちの手法は、既存のベースラインよりも数千倍も高速です。 我々は,SBLが高次元信号回復問題に難なく対処できる新しいアルゴリズムについて紹介する。
  論文  参考訳（メタデータ） (2021-05-21T16:20:07Z)

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。