.png){kind=icon}
返回
Securing Generative Artificial Intelligence with Parallel Magnetic Tunnel Junction True Randomness
.png){kind=icon}
OA
AI
DOI：10.1002/aisy.202500643.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
确定性伪随机数生成器在生成式人工智能（GAI）模型中的应用会产生可预测的模式，易受攻击者利用。针对此类漏洞的常规防御措施通常伴随着显著的能耗和延迟开销。为此，本文将自旋转移矩磁隧道结（STT-MTJs）硬件生成的真随机比特嵌入系统以应对上述挑战。一个高度并行的、基于现场可编程门阵列（FPGA）的原理计算系统能够以兆比特每秒的速率生成真随机数，经过现场操作后通过NIST随机性测试，且开销极小。将硬件随机比特集成到在CIFAR-10上训练的生成对抗网络中，与低质量随机数生成器（RNG）基线相比，可将不安全输出降低高达18.6倍。凭借纳秒级开关速度、高能效和成熟的可扩展性，基于STT-MTJ的系统具有扩展至超过10^6个并行单元的潜力，实现适合大规模语言模型采样的每秒吉比特级吞吐量。这一进展凸显了自旋电子学RNG作为下一代GAI系统实用安全组件的潜力。
Keyword:
generative artificial intelligence security
parallel hardware architecture
spin-transfer torque magnetic tunnel junction
true random number generator
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
IF:
6.1
论文数:
2.0K
被引数:
8.4K
机构
引用论文
Spin transfer switching in the nanosecond regime for CoFeB/MgO/CoFeB ferromagnetic tunnel junctions
PREAI
分享收藏Prompt injection attacks on vision language models in oncology肿瘤学中视觉语言模型的提示注入攻击.png)
NATURE COMMUNICATIONS
OAAI
NATURE COMMUNICATIONSIF15.7
OAAI分享收藏分享收藏
查看更多内容