Un equipo de investigación de la Universidad Estatal de Arizona y la Universidad de Maryland publicó un artículo técnico que presenta un marco innovador llamado SEAL, diseñado para abordar los desafíos de seguridad en los procesadores de computación en memoria (Compute-in-Memory - CiM) 3D. Esta innovación tiene como objetivo reducir las vulnerabilidades de error causadas por el uso compartido de redes de suministro de energía en entornos multiinquilino.
¿Qué cambia el marco de trabajo SEAL?
Los procesadores de computación en memoria 3D dependen del apilamiento de diversas capas de memoria para acelerar la inferencia de redes neuronales profundas. Sin embargo, compartir recursos energéticos entre diferentes usuarios (multiinquilino) abre vulnerabilidades de seguridad que pueden ser explotadas. El marco de trabajo SEAL optimiza la distribución de las capas de la red neuronal a través de las capas físicas del procesador de manera inteligente, vinculando las capas más importantes y sensibles de la red neuronal con las capas físicas más resistentes y tolerantes a errores.
Resultados de rendimiento y seguridad
Las evaluaciones realizadas utilizando modelos como ResNet-18 y Qwen2.5-3B mostraron una mejora tangible en la resistencia a errores:
- Logro de una reducción en la vulnerabilidad de error de hasta 3.9 veces para el modelo ResNet-18.
- Logro de una reducción en la vulnerabilidad de error de hasta 7.8 veces para el modelo Qwen2.5-3B.
- En configuraciones que dependen en gran medida de la memoria ReRAM, SEAL logró colocar todas las capas de alta importancia en capas con baja susceptibilidad a errores, reduciendo la probabilidad de errores al mínimo técnicamente posible.
¿Qué significa esto para los usuarios?
Este enfoque garantiza el mantenimiento de la precisión de los modelos inteligentes; la precisión de ResNet-18 se mantuvo dentro de un rango de 0.06 puntos porcentuales respecto a la línea base libre de errores, mientras que el modelo Qwen2.5-3B mantuvo el nivel de perplejidad (Perplexity) dentro del mismo rango. Este desarrollo representa un paso importante hacia la seguridad de la infraestructura de hardware que ejecuta inteligencia artificial, especialmente en centros de datos que dependen de tecnologías de memoria avanzadas, donde el rendimiento no solo se limita a la velocidad, sino que se extiende a la fiabilidad de seguridad contra ataques que apuntan a la estabilidad del sistema a través de las redes eléctricas.