Core Concepts
メモリ内処理アーキテクチャを活用することで、マルウェア検出モデルの更新に必要な計算リソースを大幅に削減できる。さらに精度スケーリングを組み合わせることで、エネルギー効率も向上する。
Abstract
本研究では、メモリ内処理(PIM)アーキテクチャを活用したマルウェア検出手法を提案している。
組み込みシステムの普及に伴い、マルウェアによるセキュリティ脅威が深刻化している。機械学習を用いたマルウェア検出手法が注目されているが、モデルの継続的な更新に多大な計算リソースが必要となる課題がある。
PIMアーキテクチャを活用することで、メモリアクセスの遅延を軽減し、モデル更新時の計算リソース消費を削減できる。
さらに、入力データの精度スケーリングを組み合わせることで、エネルギー効率も1.5倍向上させることができる。
提案手法は、AlexNet、ResNet、VGG-16、MobileNetV2などの各種CNNモデルに適用可能であり、98%の高精度なマルウェア検出を実現できる。
PIMアーキテクチャとの組み合わせにより、CPUやGPUと比べて4.02倍、45倍の高スループットと、74.62倍、64.13倍のエネルギー効率を達成できる。
Stats
2021年には54億件以上のマルウェア攻撃が記録された。
2022年上半期には28億件のマルウェア攻撃が発生した。
提案手法は、ResNet-50モデルの推論を10ミリ秒以内で実行できる。
提案手法は、GPU、CPUと比べて4.02倍、45倍の高スループットを実現できる。
提案手法は、GPU、CPUと比べて74.62倍、64.13倍のエネルギー効率を実現できる。
Quotes
"メモリ内処理(PIM)アーキテクチャを活用することで、マルウェア検出モデルの更新に必要な計算リソースを大幅に削減できる。"
"精度スケーリングを組み合わせることで、エネルギー効率を1.5倍向上させることができる。"
"提案手法は、98%の高精度なマルウェア検出を実現できる。"