一种基于层间融合的人工智能处理器侧信道防御系统技术方案

本发明专利技术公开了一种基于层间融合的人工智能处理器侧信道防御系统，是由通用人工智能处理器架构、融合控制单元、全局片上缓存单元、条带融合单元；在通用人工智能处理器架构的基础上，添加融合控制单元和全局片上缓存，并结合条带融合方法和融合指令对神经网络模型进行融合处理，来使得人工智能处理器达到更高的性能和更强的安全性；本发明专利技术结构新颖、适应性强、性能好、安全性高，可应用于现有人工智能处理器的安全保卫、神经网络的模型保护等方面，具有广泛的实用价值和应用前景。

【技术实现步骤摘要】
一种基于层间融合的人工智能处理器侧信道防御系统
本专利技术涉及一种基于层间融合的人工智能处理器侧信道防御系统，应用于人工智能处理器片外DRAM侧信道的防御，属于人工智能处理器的安全领域。
技术介绍
近年来，人工智能技术已经在许多商业领域得到了广泛的应用，比如图像识别、语音识别、图像检索等领域。由于深度学习算法需要强大的计算力，使得越来越多的研究者投入到了深度学习加速器的研究中。为了设计出高性能、低功耗、实时性的深度学习加速器，研究者从微体系结构、电路、材料等等各个方面进行研究。2014年，中科院计算所陈云霁研究员率先设计出第一款深度学习加速器DianNao，该加速器由计算单元、控制单元、存储单元组成，为了设计出更通用的人工智能处理器，他们发布第一套神经网络指令集。通过指令集的编译来实现对各类深度学习算法的兼容，以达到更好的加速效果。2017年，麻省理工学院提出了Eyrriss深度学习加速器，该加速器采用行数据流方法进行深度学习加速进行加速。谷歌也推出了其神经网络张量处理器TPU，并应用于其公司内部服务器中使用。2018年5月谷歌推出了TPU3.0，计算性能相比TPU2.0提升了8倍，本文档来自技高网...

【技术保护点】
1.一种基于层间融合的人工智能处理器侧信道防御系统，其特征在于，包括：通用人工智能处理器架构、融合控制单元、全局片上缓存单元和条带融合单元；在通用人工智能处理器架构的基础上添加了融合控制单元，并定制了人工智能处理器用于神经网络模型层间融合指令，融合控制单元结合融合指令实现对神经网络模型各个层进行融合处理；在通用人工智能处理器架构上添加全局片上缓存单元，用来缓存人工智能处理器处理的中间数据，所述中间数据包括输入特征图和输出特征图；采用条带融合方法配合融合控制单元和融合指令对神经网络的各个层进行融合处理，减少内存侧信道信息泄露，混淆了攻击者推断神经网络模型的结构，提高了人工智能处理器的安全性能。

【技术特征摘要】
1.一种基于层间融合的人工智能处理器侧信道防御系统，其特征在于，包括：通用人工智能处理器架构、融合控制单元、全局片上缓存单元和条带融合单元；在通用人工智能处理器架构的基础上添加了融合控制单元，并定制了人工智能处理器用于神经网络模型层间融合指令，融合控制单元结合融合指令实现对神经网络模型各个层进行融合处理；在通用人工智能处理器架构上添加全局片上缓存单元，用来缓存人工智能处理器处理的中间数据，所述中间数据包括输入特征图和输出特征图；采用条带融合方法配合融合控制单元和融合指令对神经网络的各个层进行融合处理，减少内存侧信道信息泄露，混淆了攻击者推断神经网络模型的结构，提高了人工智能处理器的安全性能。2.根据权利要求1所述的基于层间融合的人工...

【专利技术属性】
技术研发人员：侯锐，王兴宾，孟丹，
申请(专利权)人：中国科学院信息工程研究所，
类型：发明
国别省市：北京,11