公开(公告)号：CN114547966B

公开(公告)日：2024-09-24

申请号：CN202210022402.6

申请日：2022-01-10

Applicant: 浙江大学

Inventor： 张帆 ,  宣博瀚

IPC: G06F30/27 ,  G06N3/0464 ,  G06N3/063 ,  G06N3/08 ,  G06N3/047 ,  G06F111/08 ,  G06F119/02

Abstract: 本发明公开了一种基于硬件特征信息的神经网络加速器故障脆弱性评估方法，包括：运行在硬件加速器上的神经网络的硬件信息特征提取，该信息特征包括神经网络在正常运行情况下的特征与其在遭受故障攻击时的信息特征；利用提取到的信息特征对故障攻击建模，通过故障分布模拟与故障概率模拟的方法预测故障对实际的神经网络硬件加速器产生的影响，并通过层际搜索的方法判断神经网络在面临故障攻击时存在的脆弱性。本发明对现有的硬件故障脆弱性评估框架进行了改进，在优化细粒度的同时通过软硬件一体化验证的方法，提升了故障模拟的精确度。改进的方法在评估常见的硬件故障攻击时有较好的效果，在硬件故障评估领域具有一定的应用价值。

公开(公告)号：CN114547966A

公开(公告)日：2022-05-27

申请号：CN202210022402.6

申请日：2022-01-10

Applicant: 浙江大学

Inventor： 张帆 ,  宣博瀚

IPC: G06F30/27 ,  G06K9/62 ,  G06N3/04 ,  G06N3/063 ,  G06N3/08 ,  G06F111/08 ,  G06F119/02

Abstract: 本发明公开了一种基于硬件特征信息的神经网络加速器故障脆弱性评估方法，包括：运行在硬件加速器上的神经网络的硬件信息特征提取，该信息特征包括神经网络在正常运行情况下的特征与其在遭受故障攻击时的信息特征；利用提取到的信息特征对故障攻击建模，通过故障分布模拟与故障概率模拟的方法预测故障对实际的神经网络硬件加速器产生的影响，并通过层际搜索的方法判断神经网络在面临故障攻击时存在的脆弱性。本发明对现有的硬件故障脆弱性评估框架进行了改进，在优化细粒度的同时通过软硬件一体化验证的方法，提升了故障模拟的精确度。改进的方法在评估常见的硬件故障攻击时有较好的效果，在硬件故障评估领域具有一定的应用价值。