PulseAugur
中
实时 08:05:41
English(EN) Driving up Inference Energy on SNNs: Per-Sample and Universal Sponge Attacks

新的“海绵攻击”利用SNN的能效来增加功耗

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员发现了一种新的尖峰神经网络（SNN）安全漏洞，该漏洞利用了其能效。这些被称为“海绵攻击”的方法可以通过增加脉冲活动来显著增加SNN在推理过程中的能耗。逐样本攻击可以在保持预测准确性的同时将SynOps提高1.5-2.6倍，而通用攻击可以将能耗提高1.09-1.24倍，这对电池供电的边缘系统构成了现实威胁。 AI

影响 突出了能效AI硬件中一种新颖的安全漏洞，可能影响边缘AI系统的设计和部署。

排序理由 关于SNN新攻击向量的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

新的“海绵攻击”利用SNN的能效来增加功耗

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Spyridon Raptis, Haralampos-G. Stratigopoulos ·

    SNNs推理能耗提升：逐样本和通用海绵攻击

    arXiv:2607.27990v1 Announce Type: cross Abstract: Spiking Neural Networks (SNNs) communicate through sparse binary spike events rather than dense activations, enabling energy-efficient inference on neuromorphic hardware and motivating their use in always-on, battery-powered edge …

相关实体

相关话题