Schützen Sie Daten mit einem effizienten Smartphone-Chip

MIT-Secure-Accelerator-01-press_0
Übersetzen von : Beskyt data med effektiv smartphone-chip
Optimieren Sie Ihre Gesundheit mit unserer App! Wir nutzen fortschrittliches maschinelles Lernen, um chronische Krankheiten und Fitnessziele zu bewältigen. Ihre Daten sind sicher und effizient, auch auf Ihrem Smartphone.

Gesundheitsüberwachungs-Apps können Menschen dabei helfen, mit chronischen Krankheiten umzugehen oder ihre Trainingsziele einzuhalten – ganz einfach über ein Smartphone. Diese Apps können jedoch langsam und energieineffizient sein, da die großen maschinellen Lernmodelle, die sie steuern, zwischen einem Smartphone und einem zentralen Speicherserver verschoben werden müssen.

Ingenieure beschleunigen den Prozess häufig durch den Einsatz von Hardware, die die Notwendigkeit verringert, so viele Daten hin und her zu verschieben. Obwohl diese Beschleuniger für maschinelles Lernen die Berechnung optimieren können, sind sie anfällig für Angreifer, die vertrauliche Informationen stehlen können. Um diese Schwachstelle zu verringern, haben Forscher des MIT und des MIT-IBM Watson AI Lab einen Beschleuniger für maschinelles Lernen entwickelt, der gegen die beiden häufigsten Angriffsarten resistent ist.

Ihr Chip kann die Gesundheitsakten, Finanzinformationen oder andere sensible Daten eines Benutzers geheim halten und gleichzeitig die effiziente Ausführung umfangreicher KI-Modelle auf Geräten ermöglichen. Das Team entwickelte mehrere Optimierungen, die eine hohe Sicherheit ermöglichen und gleichzeitig dafür sorgen, dass das Gerät nur geringfügig langsamer läuft.

Darüber hinaus hat die zusätzliche Sicherheit keinen Einfluss auf die Genauigkeit der Berechnungen. Dieser Beschleuniger für maschinelles Lernen kann besonders für anspruchsvolle KI-Anwendungen wie Augmented und Virtual Reality oder autonomes Fahren von Nutzen sein. Obwohl die Implementierung des Chips ein Gerät etwas teurer und weniger energieeffizient machen würde, sei das manchmal ein lohnender Preis für die Sicherheit, sagte Hauptautor Maitreyi Ashok, Doktorand in Elektrotechnik und Informatik am MIT.

„Wenn man versucht, einem System nach dem Entwurf auch nur ein minimales Maß an Sicherheit hinzuzufügen, ist das unerschwinglich teuer. Wir konnten viele dieser Kompromisse während der Entwurfsphase effektiv ausgleichen“, sagt Ashok.

Zu ihren Co-Autoren gehören Saurav Maji, ein Doktorand; Xin Zhang und John Cohn vom MIT-IBM Watson AI Lab; und die leitende Autorin Anantha Chandrakasan, Leiterin für Innovation und Strategie am MIT, Dekanin der Ingenieurschule und Vannevar Bush-Professorin für Elektrotechnik und Informatik. Die Forschungsergebnisse werden auf der IEEE Custom Integrated Circuits Conference vorgestellt.

Um ihren Chip zu testen, schlüpften die Forscher in die Rolle von Hackern und versuchten, mithilfe von Seitenkanal- und Bus-Abhörangriffen geheime Informationen zu stehlen.

Selbst nach Millionen von Versuchen konnten sie keine echten Informationen rekonstruieren oder Teile des Modells oder Datensatzes extrahieren. Auch die Verschlüsselung blieb unknackbar. Im Vergleich dazu waren nur etwa 5.000 Versuche erforderlich, um Informationen von einem ungeschützten Chip zu stehlen.

Die zusätzliche Sicherheit verringerte jedoch die Energieeffizienz des Beschleunigerchips und erforderte außerdem eine größere Chipfläche, was die Herstellung verteuern würde.

Das Team plant, Methoden zu erforschen, die den Stromverbrauch und die Größe ihres Chips in Zukunft reduzieren könnten, was die Implementierung in großem Maßstab erleichtern würde.

Our Partners