安全感知层映射降低3D计算存储脆弱性

研究人员在亚利桑那州立大学和马里兰大学发表了题为“SEAL: Multitenant Security-Aware Layer Mapping for Heterogeneous 3-D CiM Accelerators”的研究论文。摘要：异构3D计算存储架构可以通过堆叠层中的不同内存技术来加速深度神经网络推理，但多租户部署通过共享电源传输网络引入了安全风险。研究人员开发了SEAL，这是一个安全感知层映射框架，通过将关键神经网络层分配到更容错的设备和层组合中来联合优化电源、性能、面积和故障脆弱性。使用ResNet-18和Qwen2.5-3B的评估显示，与安全盲映射相比，故障脆弱性分别降低了高达3.9倍和7.8倍，两种方法都产生了可用的映射。在重配置的ReRAM中，SEAL将所有高关键性层放置在低脆弱性层上，并将故障脆弱性降低到表征底线。ResNet-18的精度保持在无故障基线的0.06个百分点以内，而Qwen2.5-3B的困惑度保持在无故障基线的0.06以内。