애리조나 주립대학교와 메릴랜드 대학교의 연구팀은 3D 메모리 내 컴퓨팅(Compute-in-Memory, CiM) 프로세서의 보안 문제를 해결하기 위해 설계된 SEAL이라는 혁신적인 프레임워크를 소개하는 기술 논문을 발표했습니다. 이 혁신은 다중 테넌트 환경에서 전력 공급 네트워크 공유로 인해 발생하는 오류 취약점을 줄이는 것을 목표로 합니다.
SEAL 프레임워크의 변화
3D 메모리 내 컴퓨팅 프로세서는 심층 신경망 추론을 가속화하기 위해 다양한 메모리 계층을 적층하는 방식에 의존합니다. 그러나 여러 사용자가 전력 자원을 공유하는 다중 테넌트 환경은 악용 가능한 보안 취약점을 노출합니다. SEAL 프레임워크는 프로세서의 물리적 계층 전반에 걸쳐 신경망 계층을 지능적으로 배치하여, 신경망에서 가장 중요하고 민감한 계층을 물리적으로 가장 탄력적이고 오류에 강한 계층에 연결합니다.
성능 및 보안 결과
ResNet-18 및 Qwen2.5-3B와 같은 모델을 사용하여 수행된 평가에서 오류 저항성이 크게 향상된 것으로 나타났습니다:
- ResNet-18 모델의 경우 오류 취약점이 최대 3.9배 감소했습니다.
- Qwen2.5-3B 모델의 경우 오류 취약점이 최대 7.8배 감소했습니다.
- ReRAM 메모리에 크게 의존하는 구성에서 SEAL은 모든 고중요도 계층을 오류 발생 가능성이 낮은 계층에 배치하여 오류 발생 확률을 기술적으로 가능한 최소 수준으로 줄였습니다.
사용자에게 미치는 의미
이 접근 방식은 지능형 모델의 정확성을 보장합니다. ResNet-18의 정확도는 오류가 없는 기준치 대비 0.06% 포인트 이내로 유지되었으며, Qwen2.5-3B 모델은 혼란도(Perplexity) 수준을 동일한 범위 내에서 유지했습니다. 이러한 발전은 특히 고급 메모리 기술을 사용하는 데이터 센터에서 AI를 구동하는 하드웨어 인프라를 보호하는 데 중요한 단계입니다. 여기서 성능은 단순히 속도에 국한되지 않고 전력 네트워크를 통해 시스템 안정성을 노리는 공격에 대한 보안 신뢰성까지 포함합니다.