Une macro de calcul en mémoire spintronique compatible CMOS pour sécuriser les appareils de périphérie IA

Les applications Edge Computing, qui impliquent le traitement et le stockage des données à la source de leur production (c’est-à-dire près de leur lieu de création), s’appliquent désormais à un nombre croissant de technologies. L’application de l’informatique de pointe se traduit par des appareils capables de collecter, stocker et traiter des données, tels que des montres intelligentes, des ordinateurs qui analysent les données du réseau électrique, des technologies de sécurité informatisées et d’autres systèmes.

Comme les algorithmes d’intelligence artificielle (IA) sont conçus pour analyser de grandes quantités de données, ils sont bien adaptés aux applications informatiques de pointe, car ils peuvent permettre aux appareils d’analyser les données qu’ils ont collectées et de faire des prédictions précises sur la base de ces données. Idéalement, les appareils informatiques de pointe alimentés par l’IA devraient atteindre une précision de prédiction élevée, des temps de réponse rapides et une bonne efficacité énergétique, ce qui permet une longue durée de vie de la batterie.

Pour faciliter l’utilisation généralisée des appareils informatiques de pointe alimentés par l’IA et protéger leurs utilisateurs, les informaticiens doivent également s’assurer qu’ils sont protégés contre les cyberattaques et contre le vol de données sensibles. Un article publié dans Électronique naturelle a introduit une nouvelle macro de calcul en mémoire spintronique qui pourrait améliorer la sécurité des appareils de périphérie IA.

En programmation informatique, les macros sont essentiellement des règles, des modèles ou des instructions qui décrivent comment les données d’entrée doivent être mappées sur une sortie donnée. Leur macro s’applique spécifiquement à un système de calcul en mémoire non volatile sur puce (nvCIM), une architecture qui combine un processeur et un composant de mémoire en un seul appareil.

« Nous rapportons une macro nvCIM spintronique pour une informatique de pointe efficace avec un contrôle d’accès sécurisé pour l’activation, la protection des clés et des données contre les sondages de mise sous tension et hors tension », ont écrit Yen-Cheng Chiu, Win-San Khwa et leurs collègues dans leur papier.

« L’approche repose sur des fonctions physiquement non clonables basées sur la spintronique et un cryptage physique bidimensionnel à demi-complément, ainsi qu’un schéma de lecture en rafale d’auto-décryptage à l’épreuve de l’espionnage en conjonction avec une unité consciente de la parcimonie et de l’unité linéaire rectifiée. moteur de calcul en mémoire à terminaison précoce. »

La macro nvCIM développée par Chiu Khwa et leurs collègues peut être intégrée à la technologie des semi-conducteurs existante, ce qui facilite son application dans le monde réel. Les chercheurs ont testé ses performances lors d’une série de tests préliminaires et ont constaté qu’il permettait une bonne protection contre les attaques malveillantes, ainsi que des temps de réponse rapides et une efficacité énergétique élevée.

« La macro intégrée à métal-oxyde-semi-conducteur complémentaire (CMOS) de 6,6 mégabits utilise la technologie de mémoire magnétique à accès aléatoire à couple de transfert de spin de 22 nm », ont expliqué Chiu, Khwa et leurs collègues dans leur article. « La macro atteint un caractère aléatoire élevé (distance inter-Hamming, 0,4999) et une fiabilité élevée pour les fonctionnalités physiquement non clonables (distance intra-Hamming, 0), ainsi qu’une efficacité énergétique élevée pour le calcul du produit scalaire (entre 30,1 et 68,0 téra-opérations par seconde par watt). »

À l’avenir, la macro nvCIM spintronique intégrée au CMOS introduite par cette équipe de chercheurs pourrait contribuer à améliorer la sécurité des appareils informatiques de pointe alimentés par l’IA, en protégeant les données sensibles stockées à l’intérieur sans compromettre leur vitesse, leur précision et leur efficacité énergétique. De plus, ces travaux récents pourraient inspirer d’autres équipes dans le monde à développer des solutions similaires pour améliorer l’informatique de pointe de l’IA, contribuant ainsi à l’adoption généralisée de technologies hautement performantes prises en charge par l’IA.