| 标题 |
 Memory-Efficient and Secure DNN Inference on TrustZone-enabled Consumer IoT Devices 在支持TrustZone的消费者物联网设备上实现内存高效且安全的DNN推理
相关领域
计算机科学
推论
物联网
嵌入式系统
人工智能
|
| 网址 | |
| DOI | |
| 其它 |
摘要： 边缘智能支持资源要求苛刻的深度神经网络 （DNN） 推理，而无需传输原始数据，从而解决了消费者物联网 （IoT） 设备中数据隐私的担忧。对于隐私敏感型应用程序，在硬件隔离的可信执行环境 （TEE） 中部署模型变得至关重要。但是，TEE 中有限的安全内存为部署 DNN 推理带来了挑战，并且模型分区和卸载等替代技术会带来性能下降和安全问题。在本文中，我们提出了一种在 TrustZone 中进行高级模型部署的新方法，该方法可确保在模型推理过程中进行全面的隐私保护。我们设计了一种内存高效的管理方法，以支持 TEE 中的内存需求推理。通过调整内存优先级，我们有效地缓解了内存泄漏风险和内存重叠冲突，导致可信作系统中代码修改 32 行。此外，我们还利用两个微型库：S-Tinylib （2538 LoC） （一个微型深度学习库）和 Tinylibm （827 LoC） （一个微型数学库），以支持 TEE 中的高效推理。我们在 Raspberry Pi 3B+ 上实现了一个原型，并使用三个著名的轻量级 DNN 模型对其进行了评估。实验结果表明，与 TEE 中的非内存优化方法相比，我们的设计显著提高了推理速度 3.13 倍，功耗降低了 66.5% 以上。 |
| 求助人 | |
| 下载 | 求助已完成，仅限求助人下载。 |
|
温馨提示：该文献已被科研通 学术中心 收录，前往查看
科研通『学术中心』是文献索引库，收集文献的基本信息（如标题、摘要、期刊、作者、被引量等），不提供下载功能。如需下载文献全文，请通过文献求助获取。
|
科研小民工
劲秉
SYLH
杳鸢
小林太郎
迟大猫
36456657
lalala
故意的傲玉
浦肯野
Agernon
sweetbearm
Zn
iNk
坚强的广山
从心
请叫我风吹麦浪
良辰
眯眯眼的衬衫
hhhblabla
皖公网安备34019202002308
