基于数据流推理加速器的侧信道分析揭示 CNN 体系结构
原文中文,约200字,阅读约需1分钟。发表于: 。通过利用卷积神经网络模型结构的空间和时间数据复用,以及架构提示信息,提出一种利用存储器侧通道信息来恢复数据流加速器中卷积神经网络模型结构的攻击方法。实验结果表明,该侧通道攻击可以恢复流行的卷积神经网络模型 Lenet、Alexnet 和 VGGnet16 的结构。
该文介绍了一种加快 DSE 过程的方法,通过识别最合适的 GPGPU 用于 CNN 推理系统。作者开发了一种快速而精确的技术来预测 CNN 推理过程中的功耗和性能,MAPE 分别为 5.03%和 5.94%。这种方法可以在开发初期估计功耗和性能,减少了大量原型的必要性,节省了时间和金钱,同时也改善了上市时间。