Jan, 2024

一种微体系结构事件感知的实时嵌入式系统故障注入器

PDF
TL;DR本文介绍了一种用于监测、聚合和检查微架构事件的新型故障注入器，通过利用微处理器的 PMU 和调试接口，重点确保故障注入的重复性，与 SACRES 所需的关键时间可预测性之间建立了强大的相关性，从而实现对软错误的影响的全面分析。
sacresreliabilitysoft errorsfault injectionstiming predictability
发现论文，激发创造
  • 嵌入式神经网络的故障注入：单指令跳过的影响

    利用两种故障注入手段，在 Cortex M4 32 位微控制器平台上嵌入神经网络模型，评估了控制流修改攻击对典型卷积神经网络模型推理中的多个步骤的完整性威胁，从而揭示了可能被攻击者利用以不同对立目标改变目标模型预测的风险。

    Aug, 2023

  • 嵌入式神经网络模型提取的故障注入和安全错误攻击

    模型提取是一种关键的安全威胁，它通过算法和基于实现的方法进行攻击，我们关注嵌入式深度神经网络模型及标准错误攻击策略以进行模型提取攻击，成功地恢复了至少 90% 最显著位，并仅使用 8% 的训练数据集训练出了与受害模型近乎相同精度的替代模型。

    Aug, 2023

  • 基于参数攻击的镭射注入嵌入式神经网络的评估

    本文介绍机器学习系统安全相关的认证行动，并探讨了模型参数攻击方面的挑战。同时，我们详细介绍了利用激光缺陷注入手段成功对 32 位 Cortex-M 微控制器进行 BFA 变异的安全测试，并阐述了如何使用模拟来选择最敏感的参数位集合以避免不切实际的暴力策略。

    Apr, 2023

  • 内脑优化系统中故障元素效应的分析

    神经形态系统、脉冲神经网络、忆阻器、故障元素和性能下降是该研究的关键词和总结。

    Dec, 2023

  • 对 Arm Ethos-U55 嵌入式机器学习加速器软错误容忍性的表征

    通过大规模的 RTL 级故障注入以及选择性保护硬件结构，本研究对 Arm 的 Ethos-U55 进行可靠性研究，展示了满足 ASIL-D 安全标准的优化配置，并在仅增加 38% 面积开销的情况下实现安全性。

    Apr, 2024

  • 面向卷积神经网络的快速准确软错误仿真

    本文提出了一种基于误差模拟引擎的可靠性分析框架，通过利用从详细的故障注入活动中提取的一组经过验证的误差模型，定义卷积神经网络操作器输出的损坏模式，并在故障注入和错误模拟之间架起了一座桥梁，实现了结合两者优势的目的。实验结果表明，与 SASSIFI 相比，本文提出的方法在故障效应的函数错误模拟方面实现了约 99％的准确度，在与 TensorFI 的速度提升方面实现了 44x 至 63x 的范围。

    Jun, 2022

  • SpikingJET：增强全连接和卷积脉冲神经网络的故障注入

    通过对关键组件施加错误和注入故障，本文介绍了一种专为全连接和卷积脉冲神经网络设计的新型故障注入器 SpikingJET。通过对各种脉冲神经网络架构进行广泛的软件级实验，该论文展示了 SpikingJET 的有效性，并揭示了脉冲神经网络对硬件故障的脆弱性和韧性，进一步凸显了脉冲神经网络的故障韧性对于提高神经网络驱动系统在不同领域中的可靠性和安全性所起到的重要作用。

    Mar, 2024

  • 预测单个事件干扰的机器学习方法

    使用机器学习从位置数据预测单次事件干扰 (SEU)，提高存储设备的可靠性，创造更安全的太空环境。

    Oct, 2023

  • RescueSNN：在永久性故障下使脉冲神经网络加速器可靠执行

    介绍了使用专用硬件以提高 Spiking Neural Network 的性能和能源效率，但由于永久性故障可能会损坏权重存储器和神经元行为，导致系统故障和精度下降。提出了一种名为 RescueSNN 的新方法来解决这个问题，该方法通过有效的故障感知映射（FAM）和轻量级硬件增强实现 SNN 故障容错，从而显著降低了设计时间和重新训练成本，同时保持吞吐量和质量。实验结果显示，相比于没有进行 EEC 诊断和修复的芯片运行 SNN，使用 RescueSNN 可以提高精度并降低吞吐量的下降。

    Apr, 2023

  • 轻量级基于 FPGA 的汽车 CAN 网络 IDS-ECU 架构

    提出了一种基于混合 FPGA 设备的集成化汽车控制器区域网络 (IDS) 架构，采用两个量化的多层感知器 (QMLP)，加速利用 Xilinx 的深度学习处理单元 (DPU) IP 块进行攻击检测，达到了最先进的分类准确性和降低功耗的效果。

    Jan, 2024