Penyelidik telah mencipta penyelesaian keselamatan untuk model AI intensif tenaga yang melindungi daripada dua jenis serangan yang lazim.

Apl pemantauan kesihatan adalah penting untuk mengurus penyakit kronik dan mencapai matlamat kecergasan. Apl ini menggunakan telefon pintar sebagai alat utama. Apl ini sering bergantung pada model pembelajaran mesin besar yang memerlukan pertukaran data berterusan antara telefon pintar dan pelayan pusat, yang membawa kepada ketidakcekapan dan prestasi yang perlahan.

Untuk menangani ketidakcekapan ini, jurutera menggunakan pemecut pembelajaran mesin yang mengurangkan keperluan pemindahan data, meningkatkan kelajuan aplikasi. Walau bagaimanapun, pemecut ini terdedah kepada pelanggaran keselamatan, di mana penyerang berpotensi mengakses maklumat sensitif seperti rekod kesihatan dan data kewangan.

Penyelidik dari MIT dan MIT-IBM Watson AI Lab telah membangunkan jenis pemecut pembelajaran mesin baharu yang menentang dua kaedah serangan yang paling lazim, melindungi data sensitif sambil mengekalkan kecekapan. Reka bentuk pemecut menggabungkan pengoptimuman yang memastikan keselamatan yang teguh dengan kesan minimum pada kelajuan dan ketepatan. ini teknologi juga boleh digunakan untuk medan dipacu AI seperti realiti tambahan dan pemanduan autonomi.

Tukar Ganti Dan Pertimbangan Reka Bentuk

Pelaksanaan cip selamat ini sedikit meningkatkan kos dan mengurangkan kecekapan tenaga, tetapi ini selalunya merupakan kompromi yang boleh diterima untuk keselamatan yang dipertingkatkan. Cip pengiraan dalam ingatan digital (IMC) baharu menyepadukan langkah keselamatan terus ke dalam perkakasan, melaksanakan pengiraan dalam memori peranti dan mengurangkan pemindahan data luaran. Seni bina ini bukan sahaja mempercepatkan pemprosesan tetapi juga mengukuhkan pertahanan terhadap serangan saluran sisi dan pemeriksaan bas. Dengan menyulitkan data dan menjana kunci penyahsulitan unik pada cip itu sendiri, pasukan itu telah menyekat potensi pelanggaran keselamatan dengan berkesan.

Dalam senario ujian, penyelidik cuba melanggar sistem mereka sendiri menggunakan teknik penggodaman biasa tetapi tidak dapat mengekstrak sebarang maklumat sensitif, menonjolkan keberkesanan langkah keselamatan mereka. Walaupun kos tenaga dan fabrikasi meningkat, penyelidikan berterusan bertujuan untuk mengoptimumkan lagi aspek ini, menjadikan teknologi lebih sesuai untuk digunakan secara meluas.

Para penyelidik mewakili satu langkah penting ke hadapan dalam melindungi peranti canggih daripada ancaman siber, yang penting untuk masa depan teknologi mudah alih dan AI dalam pelbagai aplikasi. Keseimbangan keselamatan, kos dan prestasi akan terus menjadi bidang tumpuan yang penting dalam pembangunan pemecut pembelajaran mesin generasi akan datang.