一位最近出院的心臟病患者正在使用智能手表來幫助監(jiān)測他的心電圖信號。這款智能手表看起來非常安全，但處理該健康信息的神經(jīng)網(wǎng)絡使用的是私人數(shù)據(jù)，這些數(shù)據(jù)仍有可能被惡意代理通過側(cè)信道攻擊竊取。

　　本文引用地址：http://www.eepw.com.cn/article/202202/431518.htm

　　邊信道攻擊試圖通過間接利用一個系統(tǒng)或其硬件來收集秘密信息。在一種類型的邊信道攻擊中，精明的黑客可以在神經(jīng)網(wǎng)絡運行時監(jiān)測設備的功耗波動以提取從設備中“泄漏”出來的受保護信息。

　　“在電影中，當人們想打開上鎖的保險箱時，他們會聽鎖轉(zhuǎn)動時的咔噠聲。這表明，可能向這個方向轉(zhuǎn)動鎖會幫助他們進一步進行。這就是旁門左道攻擊，”麻省理工學院電子工程和計算機科學系（EECS）的研究生、一篇解決這一問題的論文的第一作者Saurav Maji說道：“它只是利用非預期的信息并利用它來預測設備內(nèi)部正在發(fā)生的事情?！?/p>

　　目前能防止某些邊信道攻擊的方法是出了名得耗電，因此它們對于像智能手表這樣依賴低功耗計算的物聯(lián)網(wǎng)（IoT）設備往往是不可行的。

　　現(xiàn)在，Maji和他的合作者已經(jīng)建立了一個集成電路芯片，它可以抵御電源邊信道攻擊，同時使用的能量遠遠低于常見的安全技術。該芯片比拇指甲還小，可以被整合到智能手表、智能手機或平板電腦中以對傳感器數(shù)值進行安全機器學習計算。

　　“這個項目的目標是建立一個在邊緣進行機器學習的集成電路，這樣它仍是低功耗的，但可以防止這些邊信道攻擊，這樣我們就不會失去這些模型的隱私，”麻省理工學院工程學院院長、Vannevar Bush電氣工程和計算機科學教授、該論文的第一作者Anantha Chandrakasan表示，“人們沒有過多關注這些機器學習算法的安全性，而這個提議的硬件正在有效地解決這一空間?！?/p>

　　據(jù)悉，這項論文的共同作者包括Utsav Banerjee--他曾是EECS的研究生，現(xiàn)是印度科學研究所電子系統(tǒng)工程系的助理教授、Samuel Fuller--麻省理工學院的訪問科學家和Analog Devices的杰出研究科學家。這項研究將在國際固態(tài)電路會議上發(fā)表。

　　隨機計算

　　該團隊開發(fā)的芯片是基于一種被稱為閾值計算的特殊類型的計算。與其讓神經(jīng)網(wǎng)絡對實際數(shù)據(jù)進行操作，不如先將數(shù)據(jù)分成獨特的隨機成分。網(wǎng)絡在累積最終結(jié)果之前以隨機順序?qū)@些隨機成分進行單獨操作。

　　Maji稱，使用這種方法，設備的信息泄露每次都是隨機的，所以它不會泄露任何實際的側(cè)信道信息。但這種方法在計算上更加昂貴，因為神經(jīng)網(wǎng)絡現(xiàn)在必須運行更多的操作且還需要更多的內(nèi)存來存儲雜亂的信息。

　　因此，研究人員通過使用一個函數(shù)來減少神經(jīng)網(wǎng)絡處理數(shù)據(jù)所需的乘法量來優(yōu)化這一過程從而削減了所需的計算能力。他們還通過對模型的參數(shù)進行加密來保護中性網(wǎng)絡本身。通過在加密前將參數(shù)分組，他們提供了更多的安全性，與此同時還減少了芯片上所需的內(nèi)存量。

　　“通過使用這種特殊的功能，我們可以在進行這種操作的同時跳過一些影響較小的步驟，這使我們可以減少開銷。我們可以減少成本，但在神經(jīng)網(wǎng)絡的準確性方面，它也伴隨著其他的成本。因此，我們必須對我們選擇的算法和架構(gòu)進行明智的選擇，”Maji說道。

　　現(xiàn)有的安全計算方法如同態(tài)加密提供了強大的安全保證，但它們在面積和功率方面產(chǎn)生了巨大的開銷，這限制了它們在許多應用中的使用。研究人員提出的方法--旨在提供相同類型的安全--能實現(xiàn)三個數(shù)量級的低能耗。通過精簡芯片架構(gòu)，研究人員還能在硅芯片上使用比類似安全硬件更少的空間，這是在個人大小設備上實施芯片時的一個重要因素。

　　“安全問題”

　　雖然提供了針對電源邊信道攻擊的重要安全性，但研究人員的芯片需要比不安全的基線實現(xiàn)多4.5倍的功率和0.6倍的硅面積。

　　“我們正處于安全問題的關鍵時刻。我們必須愿意用一定量的能源消耗來換取更安全的計算。這不是一份免費的午餐，”Chandrakasan說道，“未來的研究可以集中在如何減少開銷的數(shù)量以使這種計算更加安全?！?/p>

　　他們將他們的芯片跟一個沒有安全硬件的默認實現(xiàn)進行了比較。在默認實現(xiàn)中，他們能在從設備上收集約1000個功率波形后恢復隱藏的信息。有了新硬件，即使在收集了200萬個波形之后，他們?nèi)詿o法恢復這些數(shù)據(jù)。

　　他們還使用生物醫(yī)學信號數(shù)據(jù)測試了他們的芯片以確保它能在現(xiàn)實世界的實施中發(fā)揮作用。Maji解釋稱，該芯片非常靈活，可以被編程為用戶想要分析的任何信號。

　　魯汶大學電氣工程系計算機安全和工業(yè)密碼學研究小組的教授Ingrid Verbauwhede說道：“安全為物聯(lián)網(wǎng)節(jié)點的設計增加了一個新的維度，在性能、功率和能耗的設計之上。這個ASIC（特定應用集成電路）很好地證明了安全設計，在這種情況下，通過添加屏蔽方案不需要被視為一個昂貴的附加裝置。研究人員們認為，通過選擇屏蔽友好的計算單元并在設計過程中整合安全性，甚至包括隨機性發(fā)生器，--一個安全的神經(jīng)網(wǎng)絡加速器在物聯(lián)網(wǎng)背景下是可行的?！彼龥]有參與這項研究。

　　在未來，研究人員希望將他們的方法應用于電磁邊信道攻擊。這些攻擊更難防御，因為黑客不需要物理設備來收集隱藏信息。