研究者たちは、流行している 2 種類の攻撃から保護する、エネルギーを大量に消費する AI モデル用のセキュリティ ソリューションを作成しました。

健康モニタリング アプリは、慢性疾患を管理し、フィットネスの目標を達成するために不可欠です。これらのアプリはスマートフォンを主要なツールとして利用します。これらのアプリは多くの場合、スマートフォンと中央サーバーの間で継続的なデータ交換を必要とする大規模な機械学習モデルに依存しているため、非効率性やパフォーマンスの低下につながります。

これらの非効率性に対処するために、エンジニアはデータ転送の必要性を減らし、アプリの速度を向上させる機械学習アクセラレータを採用しています。ただし、これらのアクセラレータはセキュリティ侵害を起こしやすく、攻撃者が健康記録や財務データなどの機密情報にアクセスする可能性があります。

MIT と MIT-IBM Watson AI Lab の研究者は、最も蔓延している 2 つの攻撃手法に対抗し、効率を維持しながら機密データを保護する新しいタイプの機械学習アクセラレータを開発しました。アクセラレータの設計には、速度と精度への影響を最小限に抑えながら堅牢なセキュリティを確保する最適化が組み込まれています。これ テクノロジー 拡張現実や自動運転などのAI活用分野にも応用可能です。

トレードオフと設計上の考慮事項

これらの安全なチップを実装すると、コストがわずかに上昇し、エネルギー効率が低下しますが、多くの場合、セキュリティを強化するためには許容できる妥協点となります。新しいデジタル インメモリ コンピューティング (IMC) チップは、セキュリティ対策をハードウェアに直接統合し、デバイスのメモリ内で計算を実行し、外部データ転送を削減します。このアーキテクチャは処理を高速化するだけでなく、サイドチャネル攻撃やバスプローブ攻撃に対する防御も強化します。データを暗号化し、チップ自体で固有の復号キーを生成することで、チームは潜在的なセキュリティ侵害を効果的にブロックしました。

テストシナリオでは、研究者らは一般的なハッキング手法を使用して自社のシステムへの侵入を試みましたが、機密情報を抽出することはできず、セキュリティ対策の有効性が強調されました。エネルギーと製造コストの増加にもかかわらず、進行中の研究はこれらの側面をさらに最適化し、この技術をより広範囲に使用できるようにすることを目指しています。

研究者らは、さまざまなアプリケーションにおけるモバイルおよび AI テクノロジーの将来にとって重要な、サイバー脅威に対するエッジ デバイスの保護において重要な前進を示しています。セキュリティ、コスト、パフォーマンスのバランスは、次世代の機械学習アクセラレータの開発において引き続き重要な焦点となります。