XiaoMi-AI文件搜索系统
World File Search System故障
对SHA-3的实际故障攻击损害了Kyber和...
摘要 - ML-KEM和ML-DSA是基于NIST标准的基于晶格后的加密算法。在这两种算法中，K ECCAK是广泛用于得出敏感信息的指定哈希算法，使其成为攻击者的宝贵目标。在故障注射攻击领域，很少有针对K ECCAK的作品，并且尚未完全探讨其对ML-KEM和ML-DSA安全性的影响。因此，许多攻击仍未发现。在本文中，我们首先确定k eccak的各种故障漏洞，这些漏洞通过在实用的循环锻炼模型下操纵控制流来确定（部分）输出。然后，我们系统地分析了错误的K ECCAK输出的影响，并提出了六次针对ML-KEM的攻击，以及针对ML-DSA的五次攻击，包括钥匙恢复，签名伪造和验证旁路。这些攻击涵盖了关键产生，封装，拆卸，签名和验证阶段，使我们的计划成为第一个应用于ML-KEM和ML-DSA的所有阶段。在嵌入式设备上运行的PQClean库的ML-KEM和ML-DSA的C实现中，提出的攻击已验证。实验表明，可以在ARM Cortex-M0+，M3，M4和M33微处理器上使用具有低成本电磁断层注射设置的ARM Cortex-M0+，M3，M4和M33微处理器，可实现89的成功率。5％。一旦断层注射成功，所有提议的攻击都可以通过100％的概率成功。
纳米电子电路中基于学习的基于学习的故障检测
在纳米电子的快速前进的领域中的摘要，确保电路的鲁棒性对于可靠的性能至关重要。这项研究解决了使用深度学习技术在纳米电子电路中有效检测有效故障检测的关键需求。引言概述了纳米电子电路的增加的复杂性以及对断层易感性的相应上升，这强调了高级故障检测机制的必要性。手头的问题涉及在高度紧凑和复杂的纳米电子电路中识别断层的固有挑战，在这些断层中，传统的故障检测方法通常不足。突出了研究差距，强调缺乏根据纳米电子的特定挑战量身定制的可靠故障检测解决方案。为了弥合这一差距，我们的方法利用了深度学习的力量，采用神经网络来学习复杂的模式，指示纳米电子电路中的故障。该方法涉及开发一个综合数据集，该数据集可捕获各种故障场景，从而确保模型对现实情况的适应性。使用此数据集对神经网络进行了训练，从而可以辨别出信号潜在故障的微妙变化。结果介绍了提出的基于深度学习的故障检测系统的功效，与传统方法相比，准确性有显着提高。该系统不仅以高精度识别已知的故障，而且还具有出色的检测新故障的能力，展示了其对纳米电子电路体系结构不断发展的适应性。关键字：纳米电子，故障检测，深度学习，神经网络，鲁棒性
在针硅二极管上的保险丝二极管整体整合，用于新的故障安全转换器拓扑
在发生内部短路的情况下，使用Dual-Fuse和Auxilariary Crowbar开关断开故障的腿，然后是备用腿（图。1，红色虚线框）自发连接，从而可以连续操作。为了提高系统的可靠性和紧凑性，可以在功率半导体[5]，[6]组件（IGBTS，MOSFET等）上单层整合使用的熔断器，如图1（Fuse-On-transistor，蓝色虚线框）。在功率上的保险丝的集成分两个步骤进行了半导体组件。首先，熔断器，称为“独立保险丝”（图1，绿色虚线盒），由硅基板上的薄铜层（18 µm）制成，以研究组件的热和电气行为。
开发集成原位扫描电子显微镜的多功能纳米压痕仪 - 应用于监测压电响应和机电故障
F. Volpi、C. Boujrouf、M. Rusinowicz、S. Comby-Dassonneville、F. Mercier 等人。集成原位扫描电子显微镜的多功能纳米压痕仪的开发 - 应用于监测压电响应和机电故障。《薄膜固体》，2021 年，735，第 138891 页。�10.1016/j.tsf.2021.138891�。�hal-03428537�
了解 GPU 并行管理和控制单元中永久故障的影响
图形处理单元 (GPU) 承受着过大的压力，以加速高性能计算应用程序，并用于加速多个领域的深度神经网络，这些领域的预期寿命长达数年。这些条件使 GPU 硬件面临（过早）老化，导致在通常的制造结束测试之后出现永久性故障。因此，迫切需要评估 GPU 永久性故障影响的技术，从而可以估计可靠性风险并可能减轻它。在本文中，我们提出了一种评估永久性故障对 GPU 调度器和控制单元（最特殊、压力最大的资源）的影响的方法，以及可以量化这些影响的第一个数字。我们描述了门级 GPU 模型的调度器和控制器中超过 5.83x10 5 个永久性故障效应。然后，我们通过检测 13 个应用程序和两个卷积神经网络的代码，在软件中映射观察到的错误类别，注入超过 1.65x105
逻辑机动：检测和缓解太空中的对抗性硬件故障
摘要 — 卫星极易受到太空中敌对故障或高能辐射的影响，这可能导致机载计算机出现故障。过去几十年来，人们探索了各种辐射和容错方法，例如纠错码 (ECC) 和基于冗余的方法，以缓解软件和硬件上的临时软错误。然而，传统的 ECC 方法无法处理硬件组件中的硬错误或永久性故障。这项工作引入了一种基于检测和响应的对策来处理部分损坏的处理器芯片。它可以从永久性故障中恢复处理器芯片，并利用芯片上可用的未损坏资源实现连续运行。我们在目标处理器的芯片上加入了基于数字兼容延迟的传感器，以便在发生故障之前可靠地检测到芯片物理结构上的传入辐射或故障尝试。在检测到处理器算术逻辑单元 (ALU) 的一个或多个组件出现故障后，我们的对策采用自适应软件重新编译来重新合成受影响的指令，并用仍在运行的组件的指令替换这些指令，以完成任务。此外，如果故障范围更广，并妨碍了整个处理器的正常运行，我们的方法将部署自适应硬件部分重新配置来替换故障组件并将其重新路由到芯片的未损坏位置。为了验证我们的说法，我们在 28 nm FPGA 上实现的 RISC-V 处理器上部署了高能近红外 (NIR) 激光束，通过部分损坏 FPGA 结构来模拟辐射甚至硬错误。我们证明我们的传感器可以自信地检测到辐射并触发处理器测试和故障恢复机制。最后，我们讨论了我们的对策带来的开销。
X射线故障注入：从安全角度审查防御方法
在空间和航空电子应用程序的背景下，在很大程度上已知并研究了总电离剂量（TID）辐射对金属氧化物半导体（MOS）电路的影响。多年来，人们已经知道，诸如X射线之类的高能辐射可以用作诱导扰动到电路的均值，从而可能影响在恶劣环境中运行的系统的可靠性和安全性[1]。但是，直到最近才透露，从安全的角度来看，它们也可能成为威胁。[2]中介绍的作品证明了使用基于同步加速器的纳米焦点X射线梁的单晶体管级攻击的性能。在[3]中提出了进一步的进步，该进步证明了使用简单的实验室X射线源进行此类攻击的可行性。钨或带有微观孔的铅膜，使用聚焦离子束（FIB）钻孔，可以沉积在目标电路上。只有与孔对齐的区域暴露于X射线，从而可以控制所选区域的照明。该技术和整个论文的考虑故障模型是半永久性故障模型。n型MOS可以被迫进入永久导电状态，而P型MOS可以被迫进入永久的开放状态。这种效果仍然是可逆的，可以通过简单的热退火处理来恢复电路的正常状态。半永久性断层与瞬态注射方法（如激光或EM）不同，依赖于氧化物水平上电荷的积累以生效，从而引入了降低X射线束的时间分辨率的时间不精确因素。当前，仅探索了对内存的攻击，因为它们不需要时间同步，但是在展示更高级攻击之前可能只是时间问题。
使用最佳门源电压去极化在功率SIC MOSFET的短路操作下朝着安全故障模式
摘要 - 本文重点介绍了在短路条件下SIC MOSFET的鲁棒性水平的提高。在这项研究中，提出了两种允许在短电路操作下在平面电源MOSFET设备中确保安全的“失败”（FTO）模式的方法。这些方法基于栅极源电压的直接去极化及其根据FTO和经典不安全热失控之间的临界消散功率（W/mm²）的计算进行估计。他们允许确定门源电压的最大值，以在接近名义值的排水源电压下保留FTO模式。引入了FTO和“ Fafto-Short”（FTS）之间功率密度的边界。对竞争中的两种故障模式进行了完整的实验，该实验可能出现在1.2 kV SIC MOSFET的短路测试（SC）测试中。最后，研究了栅极源电压去极化对国家电阻（R DS（ON））的惩罚，以评估技术效率。
Aln/Algan/Aln双重异质结构的明显故障电压
Mie University，MIE 514-8507，日本摘要 - 超宽带隙（UWBG）材料（例如ALN）是一类材料的一部分，这些材料的一部分比传统的宽带隙（WBG）材料（例如GAN），例如GAN，例如GAN，允许更高的工作电压。在这项工作中，我们介绍了Aln/Algan/Aln双重异质结构的制造和DC/高压表征，这些异质结构是由Aln/Sapphire上的Metal Organic Chemical Vapor沉积重生的。报道了低于2µm的间距的泄漏电流约1100V的缓冲区分解，这对应于大约6 mV/cm的分解场。此外，晶体管在此异质结构上已成功制造，泄漏电流低和抗性低。确实已经达到了4.5 kV的击穿电压，而现状泄漏电流确实已经达到0.1 µA/mm。这些结果表明，Algan-Channel Hemts对高功率，高温未来的应用有希望。
在公路车辆故障援助上查找器-IJRPR
使用React Native，Flutter或Xamarin等框架，使用用户友好的界面，GPS跟踪和紧急SOS功能开发移动应用程序的实现涉及开发一个移动应用程序。后端API是使用node.js，django或Ruby在Rails上构建的，其数据库模式旨在存储用户信息，车辆数据和服务提供商详细信息。该应用程序与诸如Google Maps或Mapbox之类的映射服务以及Stripe，PayPal或Braintree等付款网关集成。服务提供商通过API开发集成，使他们能够接收请求，更新可用性和提供服务。该应用程序在App Store和Google Play商店部署前进行单元测试，集成测试和用户接受测试，并进行连续的监视和维护，以确保最佳性能。