HPC 기반 악성코드 탐지기의 전력, 성능 및 면적: FPGA 및 Open-PDK ASIC 연구

원문 발행 2026. 10. 09. 08:03원문 언어 영어AI 한국어 번역arXiv cs.AR 원문 보기

요약

본 논문은 하드웨어 성능 카운터(HPC) 데이터를 이용한 악성코드 탐지기(HMD)의 면적, 전력, 타이밍 비용 문제를 다룹니다. 연구진은 포괄적인 설계 공간을 탐색하는 파이프라인을 구축하여, 트리 기반 및 규칙 기반 탐지기가 함수 기반 분류기보다 높은 성능과 낮은 자원 소모를 동시에 달성함을 입증했습니다.

핵심 포인트

HMD는 HPC 데이터를 이용해 악성코드를 분류하며, 면적/전력 문제가 해결 과제입니다.
트리 및 규칙 기반 탐지기가 함수 기반보다 성능은 높고 자원 소모가 적습니다.
HPC 입력 수를 최적화하면 성능 유지와 함께 면적, 전력, 지연 시간을 크게 줄일 수 있습니다.

하드웨어 악성코드 탐지기(Hardware malware detectors, HMDs)는 하드웨어 성능 카운터(hardware performance counter, HPC) 데이터를 기반으로 프로그램을 정상(benign) 또는 악성(malicious)으로 분류합니다. 이전 연구들에서는 앙상블 분류기가 다른 분류기들에 비해 탐지 지표에서 우수한 성능을 보인 것으로 나타났습니다. 하지만 HMD의 면적(area), 전력(power), 타이밍 비용(timing costs)은 여전히 해결되지 않은 문제입니다. 본 논문에서는 여러 분류기 계열, 가변 HPC 세트, 그리고 앙상블 학습 방법론으로 구성된 포괄적인 설계 공간에 걸쳐 이러한 문제들을 다룹니다. 우리는 선택된 훈련 모델을 재구성하고, 합성 가능한 레지스터 전송 수준(register-transfer-level, RTL) 구현을 생성하며, 각 설계를 비트 정확도의 골든 모델과 검증하고, 그 구현체들을 평가하는 파이프라인을 설계했습니다. 그 결과, 트리 기반 및 규칙 기반 탐지기가 함수 기반 분류기보다 더 높은 탐지 성능을 달성하면서도 면적은 거의 한 자릿수(order of magnitude) 낮고 에너지 소비는 몇 배 낮은 것으로 나타났습니다. HPC 입력의 수를 프로세서의 동시 카운터 제한에 맞게 줄이는 것은 탐지 성능을 유지하는 동시에 면적, 전력 및 지연 시간을 크게 감소시킵니다.

AI 자동 생성 콘텐츠

원문 바로가기

HPC 기반 악성코드 탐지기의 전력, 성능 및 면적: FPGA 및 Open-PDK ASIC 연구

요약

핵심 포인트

댓글