초록 ▼

용어보기논문에서 용어와 풀이말을 자동 추출한 결과로, 시범 서비스 중입니다. AI-Helper

최근 인공 지능(Artificial Intelligence, AI) 관련 연구가 활발히 이루어지면서 AI 기반 서비스 산업 규모 또한 상응하여 증가하고 있다. AI 모델은 입력 데이터를 기반으로 데이터 간의 연관성과 특징을 분석하여 학습, 이를 통해 설계자의 의도한 작동을 수행한다. 입력 데이터의 품질이 AI 모델의 성능에 큰 영향을 미치므로, 데이터 수집 과정에 많은 노력이 요구된다. 이러한 데이터 의존성 때문에 기업들은 자본을 활용하여 데이터를 수집하고, AI 모델을 구현 및 학습하여 사용자에게 제공한다.
복잡한 AI 모델은 모델 ...

최근 인공 지능(Artificial Intelligence, AI) 관련 연구가 활발히 이루어지면서 AI 기반 서비스 산업 규모 또한 상응하여 증가하고 있다. AI 모델은 입력 데이터를 기반으로 데이터 간의 연관성과 특징을 분석하여 학습, 이를 통해 설계자의 의도한 작동을 수행한다. 입력 데이터의 품질이 AI 모델의 성능에 큰 영향을 미치므로, 데이터 수집 과정에 많은 노력이 요구된다. 이러한 데이터 의존성 때문에 기업들은 자본을 활용하여 데이터를 수집하고, AI 모델을 구현 및 학습하여 사용자에게 제공한다.
복잡한 AI 모델은 모델 파라미터가 차지하는 메모리 공간이 크고 부동소수점 연산이 많아, 엣지 디바이스에서 처리하기에는 어려움이 있기 때문에 원활한 구동을 위해 모델의 경량화가 필요하다. BNN(Binarized Neural Network)은 데이터 양자화(Quantization)을 기반으로 하여 연구된 신경망이며, Weight와 Feature Map을 –1 또는 1로 구성하기 때문에 기존의 부동소수점 기반 AI모델보다 메모리 사용량을 최소화 할 수 있으므로 Edge Device에서 연산하기에 적합하다.
최근 엣지 디바이스에서 동작하는 딥러닝 가속기에 대해 부채널 공격(Side Channel Attack)사례가 증가하고 있으나, 이에 대한 방어 구조와 관련된 연구는 미흡한 상태다. 이에 본 논문에서는 먼저 BNN 기반 딥러닝 가속기를 설계 하고, 최종적으로 부채널 공격(Differential Power Analysis, Simple Power Analysis 등)에 대해 방어 구조를 적용한 BNN 기반 딥러닝 가속기를 제안한다.

주제어