新智元報道

編輯：LRST

【新智元導(dǎo)讀】香港大學(xué)、清華大學(xué)與南方科技大學(xué)聯(lián)合團(tuán)隊提出基于憶阻器芯片的共位認(rèn)證與處理（Colocated Authentication and Processing，CLAP）系統(tǒng)，在同一芯片上同時實(shí)現(xiàn)安全認(rèn)證與高效計算。該方案顯著提升了能效并大幅縮減了芯片面積，為資源受限邊緣智能設(shè)備的隱私保護(hù)數(shù)據(jù)分析開辟了新的技術(shù)路徑。

從智能手表到工業(yè)傳感器，從自動駕駛汽車到智能家居，邊緣設(shè)備正在滲透到生活的每個角落。

然而，隨著設(shè)備智能化程度提升，安全威脅日益嚴(yán)峻。

物聯(lián)網(wǎng)僵尸網(wǎng)絡(luò)大規(guī)模感染邊緣設(shè)備，智能攝像頭隱私泄露頻發(fā)，生命健康領(lǐng)域的可穿戴和植入式醫(yī)療設(shè)備也面臨被攻擊和數(shù)據(jù)泄露的風(fēng)險。

傳統(tǒng)解決方案效率低下。它們將安全模塊和計算模塊分離，造成巨大的硬件冗余。同時，這些設(shè)計遵循馮·諾依曼架構(gòu)，存儲和計算單元分離，引入大量數(shù)據(jù)傳輸瓶頸，嚴(yán)重限制了資源受限邊緣設(shè)備的續(xù)航能力和部署密度。

圖1：隱私保護(hù)數(shù)據(jù)分析系統(tǒng)方案對比。基于互補(bǔ)式金屬氧化物半導(dǎo)體（CMOS）芯片實(shí)現(xiàn)（左）對比基于憶阻器芯片實(shí)現(xiàn)（CLAP，右）。

針對上述問題，近日，香港大學(xué)、清華大學(xué)與南方科技大學(xué)聯(lián)合團(tuán)隊提出基于憶阻器的CLAP系統(tǒng)，如圖1所示，CLAP的核心創(chuàng)新是「差分隨機(jī)映射」方法，巧妙化解了安全與計算之間的根本矛盾。

論文鏈接：https://www.science.org/doi/10.1126/sciadv.ady5485

發(fā)表期刊：《科學(xué)進(jìn)展》（Science Advances）

從安全角度看，關(guān)鍵安全組件物理不可克隆函數(shù)（Physical unclonable function, PUF）需要器件的物理變異性來生成獨(dú)特指紋；從計算角度看，存算一體（Compute-in-memory, CIM）要求跨設(shè)備的一致計算結(jié)果。

這兩個需求看似水火不容。研究團(tuán)隊的解決方案是：利用差分表示的冗余性。電導(dǎo)差值用于確定性的CIM權(quán)重計算，而電導(dǎo)組合用于生成隨機(jī)的PUF指紋，如圖2所示。正矩陣捕獲自然變異，負(fù)矩陣校準(zhǔn)補(bǔ)償以確保計算精度，即在保持認(rèn)證熵的同時確保計算結(jié)果一致。

圖2：差分隨機(jī)映射方法示意圖。

從經(jīng)典信號處理到神經(jīng)網(wǎng)絡(luò)

團(tuán)隊首先在離散小波變換上驗(yàn)證系統(tǒng)性能。這是信號處理中的經(jīng)典算法，但傳統(tǒng)實(shí)現(xiàn)因存算分離而能效低下。CLAP提出「直接輸出策略」，將多級變換重構(gòu)為單次矩陣-向量乘法，一步到位產(chǎn)生最終結(jié)果。結(jié)果顯示，歸一化誤差均值?0.187%，標(biāo)準(zhǔn)差2.873%。在真實(shí)腦電圖數(shù)據(jù)上的表現(xiàn)與軟件實(shí)現(xiàn)高度一致。PUF性能——誤碼率、唯一性、擴(kuò)散性和均勻性指標(biāo)全部接近理論理想值，確保了安全認(rèn)證能力。

團(tuán)隊進(jìn)一步將方法擴(kuò)展到神經(jīng)網(wǎng)絡(luò)。在MNIST數(shù)字識別任務(wù)中，使用標(biāo)準(zhǔn)數(shù)據(jù)集分割，識別準(zhǔn)確率達(dá)94-95%，與無CLAP的基準(zhǔn)網(wǎng)絡(luò)（95.36%）幾乎持平。這證明CLAP不會犧牲計算精度來換取安全性。

圖3：不同計算任務(wù)中的CLAP。上： CLAP實(shí)現(xiàn)DWT處理；下：CLAP實(shí)現(xiàn)MNIST神經(jīng)網(wǎng)絡(luò)任務(wù)的識別準(zhǔn)確率與認(rèn)證能力。

安全心電監(jiān)測原型演示

為評估真實(shí)世界應(yīng)用性能，團(tuán)隊利用MIT-BIH數(shù)據(jù)集測試了CLAP在心電圖（ECG）采集場景下的效果。連續(xù)ECG監(jiān)測產(chǎn)生海量數(shù)據(jù)，需要高能耗的無線傳輸，而邊緣側(cè)數(shù)據(jù)壓縮可顯著降低傳輸開銷。

該任務(wù)中，CLAP整合了兩項關(guān)鍵功能：通過PUF實(shí)現(xiàn)設(shè)備認(rèn)證，通過CIM實(shí)現(xiàn)基于壓縮感知算法的數(shù)據(jù)壓縮。實(shí)驗(yàn)結(jié)果表明，設(shè)備認(rèn)證的曲線下面積達(dá)到0.9946。壓縮后信號與軟件實(shí)現(xiàn)的相關(guān)系數(shù)高達(dá)0.991。

更重要的是系統(tǒng)集成優(yōu)勢。通過在同一物理平臺上共位認(rèn)證和處理，CLAP消除了傳統(tǒng)分離模塊的硬件冗余，在能效和芯片面積方面相比傳統(tǒng)CMOS方案都實(shí)現(xiàn)了大幅提升。對于資源受限的植入式設(shè)備，這意味著更長續(xù)航和更小體積——患者舒適度和維護(hù)成本的關(guān)鍵因素。

圖4 CLAP 系統(tǒng)在心電圖數(shù)據(jù)采集任務(wù)中的表現(xiàn)

從生命健康應(yīng)用到萬物互聯(lián)

CLAP系統(tǒng)的突破不僅限于生命健康領(lǐng)域。研究團(tuán)隊展示了該系統(tǒng)從經(jīng)典信號處理到神經(jīng)網(wǎng)絡(luò)的廣泛適用性，為整個邊緣智能生態(tài)帶來啟示。該方法的核心優(yōu)勢在于真正的硬件共位——安全和計算功能在同一憶阻器陣列實(shí)現(xiàn)，消除傳統(tǒng)分離模塊的硬件冗余。

團(tuán)隊指出，這一方法預(yù)期適用于其他具有可編程電導(dǎo)和自然變異性特征的憶阻技術(shù)，可擴(kuò)展到其他基于矩陣-向量乘法的算法。

雖然當(dāng)前工作聚焦生命健康應(yīng)用，但展示的原理可推廣到智能家居、工業(yè)物聯(lián)網(wǎng)、自動駕駛等需要安全高效計算的邊緣智能領(lǐng)域。在邊緣物聯(lián)網(wǎng)安全日益重要的今天，CLAP為「安全與效率兼得」提供了全新技術(shù)路徑，有望促進(jìn)邊緣智能的未來發(fā)展。

香港大學(xué)電機(jī)電子工程系黃毅教授和劉正午博士，以及清華大學(xué)集成電路學(xué)院吳華強(qiáng)教授為論文的共同通訊作者。劉正午博士為第一作者。合作者包括南方科技大學(xué)王中銳教授，香港大學(xué)博士生丁辰辰，清華大學(xué)博士畢業(yè)生林博瀚、唐建石教授和高濱教授。

該研究獲得國家自然科學(xué)基金、香港研究資助局優(yōu)配研究金與主題研究計劃、安富利—香港大學(xué)新興微電子與泛在系統(tǒng)實(shí)驗(yàn)室，以及由香港創(chuàng)新科技署創(chuàng)新香港研發(fā)平臺資助的香港人工智能晶片研發(fā)中心等資助。

參考資料：

https://www.science.org/doi/10.1126/sciadv.ady5485