論文の概要: HARE: Fast Read Disturbance Threshold Profiling in Modern DRAM Chips via Reduced Timing Constraints
- arxiv url: http://arxiv.org/abs/2611.15469v1
- Date: Wed, 11 Nov 2026 13:38:48 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-11-14 01:36:33.155269
- Title: HARE: Fast Read Disturbance Threshold Profiling in Modern DRAM Chips via Reduced Timing Constraints
- Title(参考訳): HARE:最新のDRAMチップにおけるリード外乱閾値の高速プロファイリング
- Abstract要約: 読解障害閾値(RDT)の正確かつ徹底的なプロファイリングに依存している最先端の緩和法
HareはオンラインのRDTプロファイリング技術で、意図的に読み出し障害を悪化させ、DRAMモジュールをすばやくプロファイルする。
Hare は DRAM 行の RDT 31.2% を RowHammer プロファイラや DRAM モジュールの最小 RDT よりも平均 21.7% の速度で測定する。
- 参考スコア(独自算出の注目度): 6.435646103280333
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Modern DRAM chips are vulnerable to read disturbance, which manifests as bitflips in a victim row physically near an aggressor row that is repeatedly activated. State-of-the-art mitigations rely on accurate and exhaustive profiling of the read disturbance threshold (RDT), i.e., the minimum number of aggressor row activations needed to induce the first bitflip. However, RDT changes significantly and unpredictably over time, motivating online profilers that dynamically adjust a mitigation's RDT configuration. RDT profiling is costly for online profilers (e.g., hundreds of seconds for a 16-bank DDR4 module) because 1) measuring a single DRAM row's RDT requires many activations and 2) each DRAM row can have a different RDT, requiring many rows to be profiled. We introduce HARE, an online RDT profiling technique that intentionally exacerbates read disturbance to quickly profile a DRAM module. HARE's key idea is to reduce the timing constraints between consecutive DRAM commands during profiling. Doing so significantly reduces profiling time by 1) directly reducing the execution time of the profiling command sequence and 2) exacerbating read disturbance such that the first bitflip occurs at a smaller activation count than with the conventional RowHammer sequence. From our characterization of 180 real DDR4 DRAM chips from four major DRAM manufacturers, we make three observations. First, HARE measures a DRAM row's RDT 31.2% faster than the RowHammer profiler and a DRAM module's minimum RDT with an average reduction of 21.7%. Second, HARE flips more than 95% of the cells that the RowHammer pattern flips. Third, HARE preserves the RDT ranking of rows well enough such that it can exhaustively reprofile a small set of rows to improve its minimum RDT estimation. Our end-to-end evaluations show that HARE enables significant system performance improvements and outperforms the RowHammer profiler.
- Abstract(参考訳): 現代のDRAMチップは、繰り返しアクティベートされる攻撃列の近くで物理的に被害者行にビットフリップとして現れる、読み出し障害に対して脆弱である。
最先端の緩和は、読み取り外乱閾値(RDT)の正確かつ徹底的なプロファイリング(すなわち、最初のビットフリップを誘導するのに必要となる最小の攻撃行アクティベーション数)に依存している。
しかし、RTTは時間とともに大きく、予測不可能に変化し、緩和のRTT構成を動的に調整するオンラインプロファイラを動機付けている。
RDTプロファイリングは、オンラインプロファイラ(例えば16バンクのDDR4モジュールで数百秒)に費用がかかる。
1) 1つのDRAM行のRTTを測定するには、多くのアクティベーションが必要である。
2) 各DRAM行は異なるRTTを持つことができ、多くの行をプロファイルする必要がある。
本稿では,DRAMモジュールを高速にプロファイルするために,意図的に読み出し障害を悪化させるオンラインRTTプロファイリング手法HAREを紹介する。
HAREのキーとなる考え方は、プロファイリング中に連続するDRAMコマンド間のタイミング制約を減らすことである。
プロファイリングの時間を大幅に短縮する
1)プロファイリングコマンドシーケンスの実行時間を直接削減し、
2) 従来のRowHammerシークエンスよりも、第1のビットフリップが活性化数が少ないように読み出し障害を悪化させる。
4つのDRAMメーカによる180個の実DDR4 DRAMチップの特性から、3つの観察を行った。
まず、HARE は DRAM 行の RDT を RowHammer プロファイラよりも 31.2% 速く、DRAM モジュールの最小 RDT を 21.7% で測定する。
第二に、HAREはRowHammerパターンが反転する細胞の95%以上を反転させる。
第3に、HAREは行のRTTランキングを十分に保存し、最小のRTT推定を改善するために、小さな行の集合を徹底的に再認識できるようにしている。
我々のエンドツーエンド評価では、HAREはシステムの性能を大幅に改善し、RowHammerプロファイラよりも優れています。
関連論文リスト
- ARMOR: High-Performance Semi-Structured Pruning via Adaptive Matrix Factorization [99.96330641363396]
ARMOR: (Adaptive Representation with Matrix-factorization) は、新しい1ショットのポストトレーニングプルーニングアルゴリズムである。
ARMORは重量を直接刈る代わりに、各重量行列を2:4のスパースコアに分解する。
ARMORは、幅広いダウンストリームタスクとパープレキシティ評価において、最先端の2:4プルーニング手法よりも一貫して、はるかに優れています。
論文 参考訳(メタデータ) (2025-10-07T02:39:20Z) - dParallel: Learnable Parallel Decoding for dLLMs [77.24184219948337]
拡散大言語モデル(dLLM)は並列トークン予測と低推論遅延を提供する。
既存のオープンソースモデルは、パフォーマンスを確保するためにトークン長のデコードステップをほとんど必要としています。
高速サンプリングのためにdLLMs固有の並列性を解き放つシンプルで効果的な方法であるdParallelを導入する。
論文 参考訳(メタデータ) (2025-09-30T16:32:52Z) - Faster Than SVD, Smarter Than SGD: The OPLoRA Alternating Update [50.36542772932594]
Low-Rank Adaptation (LoRA) は、凍結重量の上の低ランク更新を学習することで、大きなモデルを微調整する。
ローランクプロジェクションによる完全なトレーニング(SVDLoRA)とLoRAファインチューニングの間にはまだギャップがあり、LoRAのステップをさらに改善できることを示している。
論文 参考訳(メタデータ) (2025-09-24T10:32:50Z) - PuDHammer: Experimental Analysis of Read Disturbance Effects of Processing-using-DRAM in Real DRAM Chips [6.537810647501026]
本稿では,316個の実DDR4 DRAMチップを用いたPuD(PuDHammerと呼ぶ)の読み出し障害効果について述べる。
PuDHammerは読み出し障害の脆弱性を大幅に悪化させ、最初のビットフリップを誘導するために必要な最小ハンマー数を158.58倍に削減した。
論文 参考訳(メタデータ) (2025-06-15T19:17:50Z) - Variable Read Disturbance: An Experimental Analysis of Temporal Variation in DRAM Read Disturbance [7.383763251374371]
読解障害閾値(RDT)の正確かつ徹底的な評価に頼っている最先端の読解障害軽減法
DRAM列のRTTが時間とともに大きく変化し、予測不可能な変化を初めて実験的に実証した。
本稿では,RTTのガードバンドと誤り訂正符号を用いて,時間とともに予測不可能に変化するRTTの存在下での読み出し乱れビットフリップの緩和について論じ,評価する。
論文 参考訳(メタデータ) (2025-02-18T17:22:42Z) - Mini-Sequence Transformer: Optimizing Intermediate Memory for Long Sequences Training [78.93900796545523]
ミニシーケンス変換器(Mini-Sequence Transformer, MsT)は、非常に長いシーケンスを持つ高速かつ高精度なLLMトレーニング手法である。
MsTは入力シーケンスを分割し、中間メモリ使用量を減らすためにミニシーケンスを反復的に処理する。
huggingfaceライブラリと統合され、MsTはQwen、Mistral、Gemma-2の最大コンテキスト長を12-24倍に拡張した。
論文 参考訳(メタデータ) (2024-07-22T01:52:30Z) - An Experimental Characterization of Combined RowHammer and RowPress Read Disturbance in Modern DRAM Chips [7.430668228518989]
我々は、RowHammerとRowPressを組み合わせたパターンを、3大DRAMメーカーすべてから84個の実DDR4 DRAMチップで特徴付けている。
以上の結果から,このRowHammerパターンとRowPressパターンの組み合わせは,最先端のRowPressパターンと比較して,最初のビットフリップを誘導するのに要する時間(最大46.1%高速)を著しく小さくすることがわかった。
その結果,両面パターンの2つの攻撃行のうちの1つからRowPressが引き起こした読み出し障害効果が,他方よりもはるかに重要であるという重要な仮説が得られた。
論文 参考訳(メタデータ) (2024-06-18T21:57:45Z) - 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) - RowPress: Amplifying Read Disturbance in Modern DRAM Chips [7.046976177695823]
RowPressは、DRAM行を長時間開いておくことで、メモリアイソレーションを壊します。
極端な場合、RowPressは隣接する行が一度だけアクティベートされたときにDRAM行のビットフリップを誘導する。
164個の実DDR4 DRAMチップの詳細な特徴は、RowPressが3大DRAMメーカーのすべてのチップに影響を与えることを示している。
論文 参考訳(メタデータ) (2023-06-29T16:09:56Z) - SreaMRAK a Streaming Multi-Resolution Adaptive Kernel Algorithm [60.61943386819384]
既存のKRRの実装では、すべてのデータがメインメモリに格納される必要がある。
KRRのストリーミング版であるStreaMRAKを提案する。
本稿では,2つの合成問題と2重振り子の軌道予測について紹介する。
論文 参考訳(メタデータ) (2021-08-23T21:03:09Z)
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。