アリゾナ州立大学とメリーランド大学の研究チームは、3Dメモリ内コンピューティング（Compute-in-Memory: CiM）プロセッサにおけるセキュリティ上の課題に対処するために設計された「SEAL」と呼ばれる革新的なフレームワークを提案する技術論文を発表しました。このイノベーションは、マルチテナント環境における電力供給ネットワークの共有に起因するエラーの脆弱性を低減することを目的としています。
SEALフレームワークは何を変えるのか？
3Dメモリ内コンピューティングプロセッサは、深層ニューラルネットワークの推論を高速化するために、多様なメモリ層を積層することに依存しています。しかし、異なるユーザー間で電力リソースを共有する（マルチテナンシー）ことは、悪用可能なセキュリティ上の脆弱性を生み出します。SEALフレームワークは、ニューラルネットワークの層をプロセッサの物理層全体にインテリジェントに分散させることで機能し、ニューラルネットワークの中で最も重要かつ機密性の高い層を、物理層の中で最も堅牢でエラー耐性の高い層に割り当てます。
パフォーマンスとセキュリティの結果
ResNet-18やQwen2.5-3Bといったモデルを使用して実施された評価では、エラー耐性に顕著な改善が見られました：
- ResNet-18モデルにおいて、エラーの脆弱性を最大3.9倍低減。
- Qwen2.5-3Bモデルにおいて、エラーの脆弱性を最大7.8倍低減。
- ReRAMメモリに大きく依存する構成において、SEALはすべての重要度の高い層をエラー発生率の低い層に配置することに成功し、エラー発生の可能性を技術的に可能な最小限まで低減しました。
これはユーザーにとって何を意味するのか？
このアプローチは、インテリジェントモデルの精度維持を保証します。ResNet-18の精度はエラーのないベースラインから0.06パーセントポイント以内の範囲に留まり、Qwen2.5-3Bモデルはパープレキシティ（Perplexity）を同範囲内に維持しました。この進歩は、特に高度なメモリ技術に依存するデータセンターにおいて、AIを実行するハードウェアインフラストラクチャを保護するための重要な一歩となります。そこでは、パフォーマンスは単なる速度だけでなく、電力ネットワークを介したシステムの安定性を標的とする攻撃に対するセキュリティの信頼性までを含んでいます。