ابتكر الباحثون حلاً أمنيًا لنماذج الذكاء الاصطناعي كثيفة الاستهلاك للطاقة والذي يحمي من نوعين شائعين من الهجمات.

تعتبر تطبيقات مراقبة الصحة ضرورية لإدارة الأمراض المزمنة وتحقيق أهداف اللياقة البدنية. تستخدم هذه التطبيقات الهواتف الذكية كأداة أساسية. تعتمد هذه التطبيقات غالبًا على نماذج كبيرة للتعلم الآلي تتطلب تبادلًا مستمرًا للبيانات بين الهاتف الذكي والخوادم المركزية، مما يؤدي إلى عدم الكفاءة وبطء الأداء.

ولمعالجة أوجه القصور هذه، يستخدم المهندسون مسرعات التعلم الآلي التي تقلل من احتياجات نقل البيانات، وتعزز سرعة التطبيق. ومع ذلك، فإن هذه المسرعات عرضة للانتهاكات الأمنية، حيث يمكن للمهاجمين الوصول إلى معلومات حساسة مثل السجلات الصحية والبيانات المالية.

قام باحثون من معهد ماساتشوستس للتكنولوجيا (MIT) ومختبر واتسون للذكاء الاصطناعي (MIT-IBM Watson AI Lab) بتطوير نوع جديد من مسرعات التعلم الآلي التي تقاوم طريقتي الهجوم الأكثر شيوعًا، مما يحمي البيانات الحساسة مع الحفاظ على الكفاءة. يتضمن تصميم المسرع تحسينات تضمن أمانًا قويًا مع الحد الأدنى من التأثير على السرعة والدقة. هذا التكنلوجيا ينطبق أيضًا على المجالات التي تعتمد على الذكاء الاصطناعي مثل الواقع المعزز والقيادة الذاتية.

المقايضات واعتبارات التصميم

يؤدي استخدام هذه الرقائق الآمنة إلى رفع التكلفة بشكل طفيف وتقليل كفاءة استخدام الطاقة، ولكن غالبًا ما تكون هذه تنازلات مقبولة لتعزيز الأمان. تعمل شريحة الحوسبة الرقمية الجديدة في الذاكرة (IMC) على دمج الإجراءات الأمنية مباشرة في الأجهزة، وإجراء العمليات الحسابية داخل ذاكرة الجهاز وتقليل عمليات نقل البيانات الخارجية. لا تعمل هذه البنية على تسريع عملية المعالجة فحسب، بل تعمل أيضًا على تقوية الدفاع ضد هجمات القنوات الجانبية وهجمات فحص الناقلات. ومن خلال تشفير البيانات وإنشاء مفاتيح فك تشفير فريدة على الشريحة نفسها، تمكن الفريق بشكل فعال من منع الخروقات الأمنية المحتملة.

وفي سيناريوهات الاختبار، حاول الباحثون اختراق نظامهم باستخدام تقنيات القرصنة الشائعة، لكنهم لم يتمكنوا من استخراج أي معلومات حساسة، مما يسلط الضوء على فعالية إجراءاتهم الأمنية. على الرغم من زيادة تكاليف الطاقة والتصنيع، تهدف الأبحاث الجارية إلى تحسين هذه الجوانب بشكل أكبر، مما يجعل التكنولوجيا أكثر جدوى للاستخدام على نطاق واسع.

يمثل الباحثون خطوة مهمة إلى الأمام في تأمين الأجهزة الطرفية ضد التهديدات السيبرانية، وهو أمر بالغ الأهمية لمستقبل تكنولوجيا الهاتف المحمول والذكاء الاصطناعي في مختلف التطبيقات. سيظل التوازن بين الأمان والتكلفة والأداء مجالًا محوريًا للتركيز في تطوير الجيل التالي من مسرعات التعلم الآلي.