비전 처리 장치(Vision processing units) 및 기타 상용 신경망 추론 가속기(neural-network inference accelerators)가 안전 관련 엣지 애플리케이션(edge applications)에 점점 더 많이 배치되고 있지만, 일시적인 하드웨어 교란(transient hardware disturbances) 하에서의 결함 응답(fault response)은 공개된 문헌에서 여전히 제대로 규명되지 않은 상태입니다. Intel Neural Compute Stick 2 (NCS2)로 패키징된 Intel Movidius Myriad X의 경우, 단 하나의 타당성 조사만이 발표된 바 있습니다. 본 연구에서는 OpenVINO 런타임(runtime)에서 ImageNet으로 학습된 세 가지 합성곱 신경망(convolutional neural networks; ResNet-18, ResNet-50, VGG-11)을 실행하는 NCS2에 대해 체계적인 단일 펄스 전자기 결함 주입(electromagnetic fault injection; EMFI) 캠페인을 보고합니다. 특성화된 핫스팟(hotspots)에서의 1,536회 스팟 테스트(spot-test) 시도와 약 16,000회의 파라미터 탐색(parameter-search) 시도 전반에 걸쳐, 단일 펄스는 네 가지의 재현 가능한 결과 클래스(outcome classes)를 생성합니다: 측정된 정확도 변화 없음, 경미한 무결성 손상(silent data corruption; SDC), 모델 재로드 전까지 후속 추론 과정에서도 지속되는 주요 지속적 성능 저하(major persistent degradation), 그리고 USB 전원 재설정(power-cycling)이 필요한 장치 멈춤(device hangs). 이러한 결과들은 각각 영향 없음(no-effect), SET(single-event transient) 유사 또는 작은 지속 상태(persistent-state) 메커니즘을 동반한 SDC, SEU(single-event upset) 유사 지속적 손상, 그리고 SEFI(single-event functional interrupt) 유사 기능 상실로 해석됩니다. 두 가지 핵심적인 발견이 있습니다. 첫째, 주요 성능 저하 클래스는 특성화된 핫스팟에서 시도의 18-31% 수준으로 유도될 수 있으며, 붕괴 후의 Top-1 정확도는 5% 미만이고 명시적인 모델 재로드 전까지 모든 후속 추론에서 지속됩니다. 이는 어떠한 추론 API 수준의 메커니즘도 감지하지 못하는 영역입니다. 둘째, 이 영역은 모델이 이미 로드된 유휴(idle) 장치에 전달된 펄스에 의해서도 유도될 수 있으며, 이는 로드 시점의 무결성 검사(load-time integrity checks)만으로는 불충분함을 보여줍니다. 우리는 장치 펌웨어(firmware)나 OpenVINO 런타임을 수정하지 않고 애플리케이션 수준에서 구현 가능한 메커니즘에 초점을 맞추어, 클래스별로 등급을 나눈 완화 전략(mitigation strategies)을 논의합니다.