Los investigadores han creado una solución de seguridad para modelos de IA que consumen mucha energía y que protege contra dos tipos de ataques predominantes.

Las aplicaciones de seguimiento de la salud son cruciales para controlar las enfermedades crónicas y lograr objetivos de acondicionamiento físico. Estas aplicaciones utilizan los teléfonos inteligentes como herramienta principal. Estas aplicaciones a menudo dependen de grandes modelos de aprendizaje automático que requieren un intercambio constante de datos entre el teléfono inteligente y los servidores centrales, lo que genera ineficiencias y un rendimiento lento.

Para abordar estas ineficiencias, los ingenieros emplean aceleradores de aprendizaje automático que reducen las necesidades de transferencia de datos y mejoran la velocidad de las aplicaciones. Sin embargo, estos aceleradores son propensos a sufrir violaciones de seguridad, donde los atacantes podrían acceder a información confidencial como registros médicos y datos financieros.

Investigadores del MIT y del MIT-IBM Watson AI Lab han desarrollado un nuevo tipo de acelerador de aprendizaje automático que resiste los dos métodos de ataque más frecuentes, salvaguardando los datos confidenciales y manteniendo la eficiencia. El diseño del acelerador incorpora optimizaciones que garantizan una seguridad sólida con un impacto mínimo en la velocidad y la precisión. Este la tecnología También es aplicable a campos impulsados ​​por la IA, como la realidad aumentada y la conducción autónoma.

Compensaciones y consideraciones de diseño

La implementación de estos chips seguros aumenta ligeramente el costo y reduce la eficiencia energética, pero estos suelen ser compromisos aceptables para mejorar la seguridad. El nuevo chip de computación digital en memoria (IMC) integra medidas de seguridad directamente en el hardware, realizando cálculos dentro de la memoria del dispositivo y reduciendo las transferencias de datos externos. Esta arquitectura no sólo acelera el procesamiento sino que también fortalece la defensa contra ataques de canal lateral y de sondeo de bus. Al cifrar datos y generar claves de descifrado únicas en el propio chip, el equipo ha bloqueado eficazmente posibles violaciones de seguridad.

En escenarios de prueba, los investigadores intentaron violar su propio sistema utilizando técnicas de piratería comunes, pero no pudieron extraer ninguna información confidencial, lo que destaca la efectividad de sus medidas de seguridad. A pesar del aumento de los costos de energía y fabricación, la investigación en curso tiene como objetivo optimizar aún más estos aspectos, haciendo que la tecnología sea más factible para un uso generalizado.

Los investigadores representan un importante paso adelante en la protección de los dispositivos de vanguardia contra las ciberamenazas, crucial para el futuro de la tecnología móvil y de inteligencia artificial en diversas aplicaciones. El equilibrio entre seguridad, costo y rendimiento seguirá siendo un área fundamental de enfoque en el desarrollo de aceleradores de aprendizaje automático de próxima generación.