脈沖神經(jīng)網(wǎng)（SNN）能耗攻擊與防護：DRAM位翻轉(zhuǎn)對邊緣計算設(shè)備的影響分析
一、引言
隨著人工智能技術(shù)的飛速發(fā)展，脈沖神經(jīng)網(wǎng)絡(luò)（SNN）憑借其事件驅(qū)動和高能效的特點，在能源受限的邊緣計算場景中展現(xiàn)出巨大潛力。然而，SNN在邊緣設(shè)備上的廣泛應(yīng)用也面臨著新的安全挑戰(zhàn)，其中基于DRAM位翻轉(zhuǎn)的能耗攻擊成為亟待解決的問題。
二、SNN能耗攻擊原理
SNN的能耗與脈沖活性密切相關(guān)，攻擊者可通過惡意操縱存儲神經(jīng)元信息的DRAM單元來增加其能耗。以行錘攻擊（Row Hammer）為例，攻擊者利用快速和反復(fù)地訪問一排DRAM電容，在相鄰行的電容間產(chǎn)生干擾錯誤和比特位翻轉(zhuǎn)。通過識別SNN中脈沖活性最強大的神經(jīng)元，并盡可能減少比特翻轉(zhuǎn)來實現(xiàn)增加能耗的目標(biāo)。
以下是一個模擬DRAM位翻轉(zhuǎn)攻擊的簡單Python代碼示例：
python
import random
class DRAMCell:
def __init__(self):
self.bit = 0 # 初始位為0
def flip_bit(self):
self.bit = 1 - self.bit # 位翻轉(zhuǎn)
def row_hammer_attack(dram_cells, target_indices, num_flips):
for _ in range(num_flips):
# 隨機選擇一個目標(biāo)神經(jīng)元對應(yīng)的DRAM單元進行位翻轉(zhuǎn)
index = random.choice(target_indices)
dram_cells[index].flip_bit()
# 示例使用
num_cells = 1000
dram_cells = [DRAMCell() for _ in range(num_cells)]
target_indices = [random.randint(0, num_cells - 1) for _ in range(100)] # 假設(shè)有100個目標(biāo)神經(jīng)元對應(yīng)的DRAM單元
num_flips = 10000 # 位翻轉(zhuǎn)次數(shù)
row_hammer_attack(dram_cells, target_indices, num_flips)
三、能耗攻擊對邊緣計算設(shè)備的影響
（一）能耗增加
實驗表明，通過該攻擊框架的實施，在不影響模型準(zhǔn)確度的情況下，SNN平均能耗增加43%。能耗的急劇增加會導(dǎo)致邊緣設(shè)備快速耗盡電量，影響設(shè)備的正常運行時間，降低用戶體驗。
（二）潛在的安全風(fēng)險
能耗的異常變化可能被惡意利用來隱藏其他攻擊行為，例如通過能耗模式分析來推斷設(shè)備的運行狀態(tài)和數(shù)據(jù)信息，從而對設(shè)備的安全性構(gòu)成威脅。
四、防護策略
（一）采用新型存儲技術(shù)
磁性隨機存取存儲器（MRAM）具有非易失性、低功耗和抗輻射等優(yōu)點，可作為DRAM的替代方案。MRAM的持久性與極低能耗模式相結(jié)合，可為物聯(lián)網(wǎng)節(jié)點提供統(tǒng)一的代碼和數(shù)據(jù)存儲解決方案，減少對DRAM的依賴，降低位翻轉(zhuǎn)攻擊的風(fēng)險。
（二）開發(fā)能量導(dǎo)向的SNN攻擊防御框架
例如蔣力團隊設(shè)計的能量導(dǎo)向的SNN攻擊框架（Energy-Oriented SNN attack，EOS）的逆向思路，通過實時監(jiān)測SNN的能耗變化，當(dāng)檢測到異常能耗增加時，及時采取措施，如調(diào)整神經(jīng)元參數(shù)、重新分配計算任務(wù)等，以抵御能耗攻擊。
（三）硬件層面的防護
硬件供應(yīng)商可以在DDR4架構(gòu)中引入防止或減少Rowhammering漏洞的緩解措施或功能，如提升最小內(nèi)存更新頻率等。同時，開發(fā)能夠阻止Rowhammer漏洞的可行的硬件解決方案，如ARMOR內(nèi)存運行時的熱排探測器。
五、結(jié)論
脈沖神經(jīng)網(wǎng)絡(luò)在邊緣計算設(shè)備中的應(yīng)用前景廣闊，但基于DRAM位翻轉(zhuǎn)的能耗攻擊給其安全性帶來了嚴(yán)峻挑戰(zhàn)。通過采用新型存儲技術(shù)、開發(fā)防御框架和加強硬件防護等措施，可以有效降低能耗攻擊的風(fēng)險，保障SNN在邊緣計算設(shè)備上的安全穩(wěn)定運行。未來，還需要進一步深入研究SNN的安全機制，以應(yīng)對不斷變化的安全威脅。
下載文檔
