每日 Arxiv

本页面整理了世界各地发表的人工智能相关论文。
本页面使用 Google Gemini 汇总而成，并以非盈利为基础运营。
论文版权归作者及相关机构所有，分享时请注明出处。

SALAD：法学硕士辅助硬件设计中机器学习的系统评估

Created by
  • Haebom

作者

曾王、邵明浩、Rupesh Karn、Likhitha Mankali、Jitendra Bhandari、Ramesh Karri、Ozgur Sinanoglu、Muhammad Shafique、Johann Knechtel

大纲

大规模语言模型 (LLM) 为硬件设计自动化（包括 Verilog 代码生成）提供了创新功能。然而，它们也带来了重大的数据安全挑战，包括 Verilog 评估数据污染、知识产权 (IP) 设计泄露以及恶意 Verilog 生成的风险。本文介绍了 SALAD，这是一种利用机器学习反学习的综合评估方法，旨在缓解这些威胁。SALAD 可以从预训练的 LLM 中选择性地删除受污染的基准、敏感的 IP 和设计工件或恶意代码模式，而无需完全重新训练。

Takeaways，Limitations

•
Takeaways：
◦
利用机器学习技术降低基于 LLM 的硬件设计中的数据安全风险
◦
选择性地删除特定数据，无需完全重新训练
◦
防范受污染的基准、敏感 IP 和恶意软件
•
Limitations：
◦
论文中没有提供具体的Limitations信息
👍
Made with Slashpage