Efficient and Encrypted Inference using Binarized Neural Networks within In-Memory Computing Architectures
Created by
Haebom
Category
Empty
저자
Gokulnath Rajendran, Suman Deb, Anupam Chattopadhyay
개요
Binarized Neural Networks (BNNs)를 in-memory computing에 적용하기 위해 모델 파라미터를 암호화하여 저장하고, 암호화된 상태에서 추론을 수행하는 기법을 제안합니다. 특히, 물리적 복제 불가능 함수(PUF)로부터 얻은 비밀 키를 사용하여 모델 파라미터를 암호화하고, 이를 크로스바 기반 메모리에 저장합니다. 제안된 방법은 최소한의 런타임 오버헤드로 추론을 수행하며, 비밀 키가 없는 경우 정확도가 15% 미만으로 감소하여 보안성을 입증합니다.
시사점, 한계점
•
시사점:
◦
BNN 모델 파라미터의 보안을 강화하여 in-memory computing 환경에서 안전한 추론을 가능하게 합니다.
◦
Fully Homomorphic Encryption (FHE)의 특별한 경우를 구현하여 계산 효율성을 유지합니다.
◦
크로스바 기반 메모리 아키텍처에서 BNN의 성능을 향상시킵니다.
•
한계점:
◦
구체적인 암호화 알고리즘의 세부 사항이나, PUF 구현에 대한 내용은 언급되지 않았습니다.
◦
제안된 방법의 실제 하드웨어 구현에 대한 구체적인 정보는 부족합니다.
◦
다른 공격에 대한 방어 능력이나, 다른 BNN 아키텍처에 대한 적용 가능성에 대한 연구가 필요합니다.
