计算机科学 > 新兴技术
[提交于 2025年10月15日
]
标题: 基于忆阻器的加速器中用于AI/ML和类脑计算的激光故障注入
标题: Laser Fault Injection in Memristor-Based Accelerators for AI/ML and Neuromorphic Computing
摘要: 基于忆阻器的交叉阵列(MCA)由于其高密度和并行模拟矩阵-向量乘法能力,正逐渐成为内存计算和类脑硬件的有效构建模块。 然而,其非易失性存储元件的物理特性引入了新的攻击面,尤其是在故障注入场景下。 本工作探讨了激光故障注入作为一种在基于MCA的架构中引起模拟扰动的方法。 我们提出了一种详细的威胁模型,其中对手使用激光束有针对性地改变忆阻器单元的物理特性或输出。 通过在45纳米CMOS技术节点上的大型MCA的HSPICE仿真,我们展示了激光引起的光电流如何在输出电流分布中表现出来,从而通过差分故障分析以高达99.7%的准确率推断内部权重,复制模型,并通过大约143%的针对性权重修改破坏计算完整性。
文献和引用工具
与本文相关的代码,数据和媒体
alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)
演示
推荐器和搜索工具
arXivLabs:与社区合作伙伴的实验项目
arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。
与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。
有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.