随着电子产品需求的不断增长,新型专用集成电路 (ASIC) 设计的开发周期也越来越短。为了满足这些较短的设计周期,硬件设计人员在设计中应用了 IP 模块的可重用性和模块化原则。带有集成处理器和通用互连的标准片上系统 (SoC) 架构大大减少了设计和验证工作量,并允许跨项目重复使用。然而,这带来了额外的复杂性,因为 ASIC 的验证还包括在集成处理器上执行的软件。为了提高可重用性,硬件 IP 模块通常用更高抽象级别的语言(例如 Chisel、System-RDL)编写。这些模块依靠编译器(类似于软件编译器)来生成 RTL 仿真和实现工具可读的 Verilog 源文件。此外,在系统级,可以使用 C++ 和 SystemC 对 SoC 进行建模和验证,这进一步凸显了软件编译的重要性。这些要求导致需要一个支持典型硬件流程和工具以及 C++、C 和汇编语言的软件编译和交叉编译的构建系统。现有的硬件构建系统被发现存在不足(见 II),特别是对软件编译(即 C++、C 和汇编语言)的支持极少甚至没有。因此,CERN 的微电子部门启动了一个名为 SoCMake [1] 的新构建系统的开发。SoCMake 最初是作为片上系统抗辐射生态系统 (SOCRATES) [14] 的一部分开发的,该系统可自动生成用于高能物理环境的基于 RISC-V 的容错 SoC,后来发展成为用于 SoC 生成的通用开源构建工具。
摘要 — 我们提出了一种用于支持脉冲神经网络的神经形态硬件的在线测试方法。测试旨在实时检测由于硬件级故障而导致的异常操作,以及筛选容易出现错误预测的异常值或角落输入。测试由两个片上分类器实现,它们基于使用脉冲计数提取的低维特征集预测网络是否会做出正确的预测。分类器系统能够评估决策的置信度,当置信度被判断为低时,重放操作有助于解决歧义。通过将测试方法完全嵌入到基于 FPGA 的定制神经形态硬件平台中,可以演示测试方法。它在后台运行,完全不干扰网络操作,同时为绝大多数推理提供零延迟测试决策。索引术语 — 神经形态计算、脉冲神经网络、测试、可靠性。
单板设备的连接性和资源受限性为影响物联网 (IoT) 场景的网络安全问题打开了大门。最重要的问题之一是存在未经授权的 IoT 设备,它们试图通过使用相同的硬件和软件规格冒充合法设备。这种情况可能会在 IoT 场景中引发敏感信息泄露、数据中毒或权限提升。将行为指纹识别和机器/深度学习 (ML/DL) 技术相结合是一种很有前途的方法,可以通过检测制造缺陷产生的微小性能差异来识别这些恶意欺骗设备。然而,现有的解决方案不适用于单板设备,因为它们没有考虑硬件和软件限制,低估了指纹稳定性或上下文变化等关键方面,也没有探索 ML/DL 技术的潜力。为了改进它,这项工作首先确定了单板设备识别的基本属性:唯一性、稳定性、多样性、可扩展性、效率、稳健性和安全性。然后,一种新方法依靠行为指纹识别来识别相同的单板设备并满足先前的属性。该方法利用系统的不同内置组件和 ML/DL 技术,将设备内部行为相互比较,以检测制造过程中发生的变化。该方法验证已在由 15 个相同的 Raspberry Pi 4 Model B 和 10 个 Raspberry Pi 3 Model B + 设备组成的真实环境中进行,使用 XGBoost 模型获得 91.9% 的平均 TPR,并通过在评估过程中设置 50% 的阈值实现对所有设备的识别。最后,讨论将提出的解决方案与相关工作进行了比较,强调了未满足的指纹属性,并提供了重要的经验教训和局限性。
人工智能(AI)和其他基于算法的技术已在过去十年中成为日常生活的一部分。虽然AI具有惊人的潜力,并且已经对人类状况产生了积极的贡献,但它也受到激烈的批评,例如,它可能会繁殖偏见和社会不公正现象或增加抗抑郁形式的监测。虽然大多数学术,监管和道德辩论都集中在与AI软件相关的问题上,但AI硬件受到了较少的关注。将AI理解为一种软件,作为一种艺术性的思想,仅突出了该技术的新方面,而忽略了其制造的人类和物质成本。这与传统的思维二元论是一致的,这将思想优先于身体,从而使我们对问题的看法偏斜。为了应对主导的叙述,本文提出了AI作为硬件/软件的概念,以扩大应通过AI法规解决的道德和法律问题的范围。对AI现象的整体和系统治疗将其抢夺了其独特性。一旦认真考虑了建立AI机械所需的材料,劳动力和数据的全球提取,AI就脱颖而出,成为殖民资本主义的另一个实例。
首先,我要衷心感谢我的论文导师 Jean-Marc MENAUD 教授,感谢他对整个研究过程和相关研究的持续支持。他教会了我什么是科学研究,并为我提供了很多与相应学术领域的教授、博士生和博士后交流的机会。我还要对论文的联合指导老师 Orange Labs 的 David NÖRTERSHÄUSER 博士和 Stéphane LE MASSON 博士表示深深的谢意,感谢他们在研究工作期间提供的专业知识、热情的鼓励、激励和有用的建议。我很感激他们给了我以博士生身份加入 GDM/ICE 团队的机会。如果没有 Orange Labs 和 IMT Atlantique 大学的资金支持,这项研究就不可能实现。我要向 Orange Labs ICE 团队的所有成员表示衷心的感谢,特别是:Dominique BODÉRÉ、Bertrand LE LAMER、Alain RINGNET、Olivier FOUCAULT、Jacky GAUTIER 和 Pascal BODIOU。作为一名外国学生,他们帮助我融入法国的工作和生活。我尤其要感谢 M. Philippe LEVASSEUR,感谢他的善意以及对我实验工作的宝贵技术支持。此外,我不会忘记与我交流的朋友们:Kanza SALALIQI、Simon RICORDEAU、Chafika YAHIA CHERIF、Antoine DONALIES、Paul Arnaud 等。与另一个部门的同事的交流也让我深受启发:Roland PICARD、Benoit HERARD 和 Joel PENHOAT。我还要衷心感谢 IMT Atlantique 的博士后研究员 Jonathan PASTOR 先生。我非常感谢他对集群实验的技术指导、有用的建议和支持,我真的很享受我们一起工作的日子。此外,我还要感谢 Anne-Cécile ORGERIE 博士和 Patricia STOLF 博士,他们是我论文的 CSI 成员。我还要感谢我的评审团成员:Romain ROUVOY 教授、Noël DE PALMA 教授和 Hamid GUALOUS 教授。最后但并非最不重要的是,我要感谢我的父母和同伴 Yiru,他们在整个研究期间都给予我爱和精神上的支持。
摘要 — 在当今的数字环境中,密码学通过加密和身份验证算法在确保通信安全方面发挥着至关重要的作用。虽然传统的密码方法依靠困难的数学问题来保证安全性,但量子计算的兴起威胁到了它们的有效性。后量子密码学 (PQC) 算法(如 CRYSTALS-Kyber)旨在抵御量子攻击。最近标准化的 CRYSTALS-Kyber 是一种基于格的算法,旨在抵御量子攻击。然而,它的实现面临着计算挑战,特别是基于 Keccak 的函数,这些函数对于安全性至关重要,也是 FIPS 202 标准的基础。我们的论文通过设计 FIPS 202 硬件加速器来提高 CRYSTALS-Kyber 的效率和安全性,从而解决了这一技术挑战。我们选择在硬件中实现整个 FIPS 202 标准,以扩大加速器对所有依赖此类哈希函数的可能算法的适用性,同时注意提供对片上系统 (SoC) 内系统级集成的现实假设。我们针对 ASIC 和 FPGA 目标提供了面积、频率和时钟周期方面的结果。与最先进的解决方案相比,面积减少了 22.3%。此外,我们将加速器集成在基于 32 位 RISC-V 的安全导向 SoC 中,我们在 CRYSTALS-Kyber 执行中展示了强大的性能提升。本文提出的设计在所有 Kyber1024 原语中表现更好,在 Kyber-KeyGen 中的改进高达 3.21 倍。
基于脉冲神经网络的神经形态计算有可能显著提高人工智能的在线学习能力和能源效率,特别是对于边缘计算。计算神经科学的最新进展证明了异突触可塑性对于网络活动调节和记忆的重要性。因此,在硬件中实现异突触可塑性是非常可取的,但重要的材料和工程挑战仍然存在,需要在神经形态设备方面取得突破。在这篇小型评论中,我们概述了具有可调突触可塑性的硅基多端忆阻设备的最新进展,从而实现了硬件中的异突触可塑性。讨论了这些设备与工业互补金属氧化物半导体 (CMOS) 技术的可扩展性和兼容性。
摘要:植物charcol的作用是促进植物中更健康,更急剧的生长。因此,碳循环主要体现在绿色植物中,从空气中吸收二氧化碳,从而通过光合作用将其转化为葡萄糖,同时释放了生物圈中的氧气。然而,人工碳固定是在研究中通过时空尺度转换的直接或间接人工去除大气二氧化碳。本文回顾了碳循环中植物来源碳的流动模式和机制。试图通过碳循环中的多种机制来解释碳从一个储层移动到另一个储层。在研究中预计对碳峰的生物周期过程和碳中和碳中和的研究提供了参考意义。
第 9 章 卸下或更换 FRU . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 76 I/O 支架 . ... 86 智能卡读卡器和智能卡读卡器电缆(适用于特定型号) . . . . . . . . . . . . . . . . . 87
当今集成电路 (IC) 供应链的全球化带来了许多硬件安全问题。其中一个主要问题是硬件木马 (HT) 被纳入部署在安全关键和任务关键型系统中的 IC [1], [2]。HT 是对 IC 的故意恶意修改,旨在泄露有价值的数据、降低性能或导致完全故障,即拒绝服务。HT 可以在不同阶段插入片上系统 (SoC),例如由不受信任的 EDA 工具提供商、不受信任的 IP 供应商、插入测试访问机制的不受信任的 SoC 集成商或不受信任的代工厂插入。从攻击者的角度来看,目标是设计一个可以逃避光学逆向工程的最小占用空间 HT,以及在罕见条件下激活并隐藏在工艺变化范围内的隐身 HT,从而逃避通过传统制造测试检测。 HT 设计由两部分组成,即触发器和有效载荷机制。可能的 HT 种类繁多,从简单到非常复杂的攻击模式不等。最简单的 HT 是组合电路,用于监控一组节点,在罕见节点条件同时发生时生成触发器,随后,一旦触发器被激活,有效载荷就会翻转另一个节点的值。更复杂的 HT 包括硅磨损机制 [3]、隐藏侧通道 [4]、改变晶体管有源区域中的掺杂剂极性 [5]、从受害线路中抽取电荷 [6] 等。从防御者的角度来看,根据插入 HT 的阶段,有几种途径可以提供针对 HT 的弹性。对策可以分为硅前和硅后 HT 检测和信任设计 (DfTr) 技术。硅前 HT 检测技术包括功能验证和形式验证。硅片后 HT 检测技术包括光学逆向工程、旨在通过应用测试向量来揭示 HT 的功能测试,以及旨在通过 HT 对参数测量(即延迟、功率、温度等)的影响来揭示 HT 的统计指纹识别。DfTr 技术包括
