概要

ディープニューラルネットワークは、多くの実際のアプリケーション(つまり、オブジェクト認識、自動運転車など)で驚異的な進歩を示しています。 データ処理システムのパフォーマンスを向上させるために、設計者はFPGA、GPU、ASICなどの専用ハードウェアプラットフォームで大規模モデルを使用します。 設計者は、データセットの収集、トレーニング、およびトレーニングされたモデルを非公開に保つためのアクセラレータの設計に長い時間を必要とします。 ただし、DLアクセラレーションの複雑さが増すにつれて、これらのAIアクセラレータのハードウェア実装には深刻な脆弱性があります。 これらのアクセラレータ内の構造と設計の詳細を知らない攻撃者は、さまざまなサイドチャネル情報を活用してニューラルネットワークを効果的にリバースエンジニアリングできます。 私たちの目標は、さまざまな新しいアプリケーション(Edge、IoT、NoVなど)向けの堅牢で信頼性の高いEdge-AIコンピューティングシステムの復元力のあるアルゴリズムとハードウェアを研究および開発することです。

Related publications.

講座・グループ

研究カテゴリー

活動分野
システム設計 知能システム 組込み機器
関連キーワード