Insights
AI가 자동으로 큐레이션·번역·정리하는 기술 동향 피드입니다.
임베디드 마이크로컨트롤러 환경에서 활성화 함수의 타이밍 부채널 공격을 방어하기 위한 상수 시간 구현 방법론을 제안합니다. ARM Cortex-M4 플랫폼에서 다양한 함수를 대상으로 분기 없는 선택과 Padé 근사 등을 적용하여 보안성과 정확도를 동시에 검증했습니다.
AI 자동 생성 콘텐츠
본 콘텐츠는 arXiv cs.AI의 원문을 AI가 자동으로 요약·번역·분석한 것입니다. 원 저작권은 원저작자에게 있으며, 정확한 내용은 반드시 원문을 확인해 주세요.
원문 바로가기임베디드 신경망 추론 (Embedded neural-network inference)은 활성화 함수 (activation functions)의 연산으로 인해 발생하는 누출을 포함하여, 타이밍 부채널 (timing side channels)을 통해 정보를 유출할 수 있습니다. 본 연구는 임베디드 마이크로컨트롤러 (microcontrollers) 상의 활성화 함수를 위한 상수 시간 (constant-time) 구현 방법론을 제안하며, 이를 ARM Cortex-M4 플랫폼에서 ReLU, sigmoid, tanh, GELU, 그리고 Swish에 대해 검증합니다. 제안된 방법론은 타이밍이 일정한 (timing-regular) 활성화 함수 구현을 얻기 위해 분기 없는 선택 (branchless selection), 고정 비용의 Padé 기반 근사 (fixed-cost Padé-based approximation), 필요한 경우의 더미 산술 (dummy arithmetic), 그리고 사이클 정렬 (cycle alignment)을 결합합니다. 동기 부여로서, 우리는 또한 비동기화 기반 대응책 (desynchronization-based countermeasure)을 평가하고, 이것이 템플릿 기반 타이밍 공격 (template-based timing attack)에 여전히 취약함을 보여줍니다. 실험 결과에 따르면, 결과적으로 보호된 구현체들은 3개 함수 설정에서의 (88) 사이클 및 5개 함수 설정에서의 (108) 사이클을 포함하여, 테스트된 모든 입력에 대해 동일한 사이클 수를 달성합니다. 동시에, 수치 오차 분석 (numerical-error analysis)은 근사된 비선형 함수들이 높은 정확도를 유지함을 나타냅니다. 이러한 결과는 제안된 방법론이 임베디드 추론에서 부채널 저항성이 있는 (side-channel-resistant) 활성화 함수를 구축하기 위한 실질적인 토대를 제공함을 시사합니다.