Energy-Latency Attacks: A New Adversarial Threat to Deep Learning
Created by
- Haebom
Category
Empty
저자
Hanene F. Z. Brachemi Meftah, Wassim Hamidouche, Sid Ahmed Fezza, Olivier Deforges
개요
본 논문은 심층 신경망(DNN)의 에너지 소비 및 탄소 발자국에 대한 우려와, 에너지 효율적인 하드웨어 및 맞춤형 가속기의 중요성 증가에 대해 논의합니다. DNN의 성능과 효율성 간의 균형을 위해 적응형 DNN이 개발되고 있지만, 이러한 효율성 중심 설계는 공격자가 최악의 성능 시나리오를 유발하여 지연 시간과 에너지 사용량을 증가시키는 에너지-지연 공격에 취약할 수 있습니다. 본 논문은 에너지-지연 공격에 대한 최신 연구를 포괄적으로 검토하고, 기존의 적대적 공격 분류 체계를 사용하여 이러한 공격을 분류합니다. 공격 성공 측정에 사용되는 다양한 지표를 탐구하고, 기존 공격 전략을 분석 및 비교하며, 기존 방어 메커니즘을 분석하고, 향후 연구 과제 및 잠재적 영역을 제시합니다.
시사점, 한계점
•
시사점: 에너지-지연 공격이라는 새로운 공격 패러다임에 대한 이해 증진 및 DNN의 에너지 효율성과 보안 간의 상호 작용에 대한 통찰력 제공. 기존 공격 전략과 방어 메커니즘에 대한 종합적인 분석 및 비교를 통해 향후 연구 방향 제시.
•
한계점: 본 논문은 기존 연구의 종합적인 검토에 초점을 맞추고 있으므로, 새로운 공격 및 방어 기법이 지속적으로 개발되는 분야의 특성상, 최신 연구 동향을 완전히 포괄하지 못할 가능성 존재. 특정 하드웨어 플랫폼이나 DNN 아키텍처에 대한 분석이 제한적일 수 있음.
