Red neuronal física irreplicable resistente a la inversión de modelos utilizando memoria flash NAND vertical

Área de la Ciencia:

• Ciencias de la Computación
• Ingeniería Eléctrica
• Criptografía

Sus antecedentes:

• El creciente uso de redes neuronales en aplicaciones sensibles requiere una mayor protección de datos y modelos.
• Las arquitecturas existentes son vulnerables a ataques de inversión y clonación de modelos, lo que compromete la privacidad y la propiedad intelectual.

Objetivo del estudio:

• Presentar una novedosa red neuronal física irreplicable (PUNN) resistente a la inversión de modelos implementada en memoria flash NAND (V-NAND) comercial.
• Demostrar seguridad basada en hardware contra ataques de clonación e inversión de modelos, manteniendo al mismo tiempo una alta precisión.

Principales métodos:

• Implementación de una PUNN utilizando borrado por fuga de drenaje inducida por puerta débil en memoria flash V-NAND para crear patrones de conductancia únicos e irreproducibles a nivel de dispositivo.
• Utilización del algoritmo forward-forward (FF) para el entrenamiento, compatible con la estructura de línea de fuente común de V-NAND, eliminando la retropropagación.
• Evaluación de la no clonabilidad del modelo transfiriendo pesos entrenados entre chips y evaluación de la preservación de la privacidad en el conjunto de datos de electrocardiogramas MIT-BIH.

Principales resultados:

• La V-NAND FF-PUNN demostró resistencia basada en hardware a la clonación de modelos, con una precisión de inferencia que colapsa al transferir pesos a diferentes chips debido a la aleatoriedad inherente.
• El sistema logró una alta precisión en la clasificación de datos de electrocardiogramas y al mismo tiempo previno por completo la reconstrucción de datos mediante ataques de inversión de modelos.
• La PUNN mantuvo una precisión de clasificación competitiva bajo aprendizaje solo hacia adelante.

Conclusiones:

• Establecimiento de un marco escalable para la computación neuronal segura, energéticamente eficiente y que preserva la privacidad directamente en memoria flash comercial.
• La V-NAND FF-PUNN ofrece una solución práctica para proteger la integridad de los datos y modelos sensibles en aplicaciones del mundo real.
• Este enfoque proporciona no clonabilidad intrínseca y una defensa robusta contra amenazas cibernéticas sofisticadas.