Une équipe de recherche de l'Université d'État de l'Arizona et de l'Université du Maryland a publié un document technique présentant un cadre de travail innovant appelé SEAL, conçu pour relever les défis de sécurité dans les processeurs de calcul en mémoire (Compute-in-Memory - CiM) 3D. Cette innovation vise à réduire les vulnérabilités aux erreurs résultant du partage des réseaux de distribution d'énergie dans les environnements multi-locataires.
Qu'est-ce que le cadre de travail SEAL change ?
Les processeurs de calcul en mémoire 3D reposent sur l'empilement de diverses couches de mémoire pour accélérer l'inférence des réseaux neuronaux profonds. Cependant, le partage des ressources énergétiques entre différents utilisateurs (multi-location) ouvre des failles de sécurité exploitables. Le cadre de travail SEAL optimise intelligemment la distribution des couches du réseau neuronal à travers les couches physiques du processeur, en associant les couches les plus critiques et sensibles du réseau neuronal aux couches physiques les plus résilientes et résistantes aux erreurs.
Résultats en termes de performance et de sécurité
Les évaluations effectuées à l'aide de modèles tels que ResNet-18 et Qwen2.5-3B ont montré une amélioration tangible de la résistance aux erreurs :
- Une réduction de la vulnérabilité aux erreurs allant jusqu'à 3,9 fois pour le modèle ResNet-18.
- Une réduction de la vulnérabilité aux erreurs allant jusqu'à 7,8 fois pour le modèle Qwen2.5-3B.
- Dans les configurations s'appuyant fortement sur la mémoire ReRAM, SEAL a réussi à placer toutes les couches à haute importance dans des couches à faible susceptibilité aux erreurs, réduisant ainsi la probabilité d'erreurs au minimum techniquement possible.
Qu'est-ce que cela signifie pour les utilisateurs ?
Cette approche garantit le maintien de la précision des modèles intelligents ; la précision de ResNet-18 est restée dans une plage de 0,06 point de pourcentage par rapport à la référence sans erreur, tandis que le modèle Qwen2.5-3B a maintenu son niveau de perplexité dans la même plage. Cette avancée représente une étape importante vers la sécurisation de l'infrastructure matérielle exécutant l'intelligence artificielle, en particulier dans les centres de données qui s'appuient sur des technologies de mémoire avancées, où la performance ne se limite pas à la vitesse, mais s'étend à la fiabilité sécuritaire contre les attaques ciblant la stabilité du système via les réseaux électriques.