详细内容或原文请订阅后点击阅览
这款微型芯片可以保护用户数据，同时实现智能手机的高效计算
研究人员已经为耗电的 AI 模型开发了一种安全解决方案，可以针对两种常见攻击提供保护。
来源:MIT新闻 - 人工智能健康监测应用可以帮助人们管理慢性疾病或保持健身目标，只需使用智能手机即可。然而，这些应用可能很慢且能源效率低下，因为支持它们的大量机器学习模型必须在智能手机和中央内存服务器之间传输。
工程师经常使用硬件来加快速度，以减少来回移动大量数据的需要。虽然这些机器学习加速器可以简化计算，但它们容易受到能够窃取机密信息的攻击者的攻击。
为了减少这种漏洞，麻省理工学院和麻省理工学院-IBM Watson AI 实验室的研究人员创建了一种机器学习加速器，可以抵御两种最常见的攻击类型。他们的芯片可以保护用户的健康记录、财务信息或其他敏感数据的私密性，同时仍使庞大的 AI 模型能够在设备上高效运行。
该团队开发了几种优化方法，可在仅稍微减慢设备速度的同时实现强大的安全性。此外，增加的安全性不会影响计算的准确性。这种机器学习加速器对于增强现实、虚拟现实或自动驾驶等要求严格的人工智能应用尤其有益。
虽然实施该芯片会使设备稍微昂贵一些，而且能效更低，但有时为了安全而付出这样的代价是值得的，主要作者、麻省理工学院电气工程与计算机科学 (EECS) 研究生 Maitreyi Ashok 说道。
“从头开始设计时就考虑安全性非常重要。如果在系统设计完成后再尝试添加哪怕是最少量的安全性，成本也会高得离谱。我们能够在设计阶段有效地平衡这些权衡，”Ashok 说道。
侧信道敏感性
侧信道敏感性她和她的合作者采取了三管齐下的方法来阻止侧信道和总线探测攻击。
安全测试
安全测试