Core Concepts
異種マルチコアプラットフォームにおける共有リソース競合が、拡張現実ヘッドアップディスプレイ(AR-HUD)アプリケーションのパフォーマンスに及ぼす影響を分析し、RT-Gang++という新しい手法を提案することで、悪意のある攻撃者タスクの存在下でも、AR-HUD アプリケーションの所望のパフォーマンスを達成できることを示した。
Abstract
本論文では、ARM社が提示した産業界の課題に対する解決策を提示している。具体的には以下の通り:
NVIDIA Jetson Nanoプラットフォームを用いて、拡張現実ヘッドアップディスプレイ(AR-HUD)アプリケーションのケーススタディを系統的に分析した。AR-HUDアプリケーションは、リアルタイムでの画像フレーム処理を20Hzで実現できるよう設定した。
マイクロアーキテクチャ型のサービス拒否(DoS)攻撃をアグレッサーワークロードとして使用し、それらがAR-HUDアプリケーションのレイテンシーと精度に大きな影響を及ぼすことを示した。特に、キャッシュバンク認識型のDoS攻撃が最も効果的であり、SLAM タスクの軌跡推定精度を大幅に低下させることが分かった。
これらの課題に対処するため、RT-Gang++と呼ばれる新しい手法を提案した。RT-Gang++は、パーティション化されたリアルタイムギャング スケジューリング、iGPUバンド幅スロットリング、LLCバンド幅スロットリングの機能を備えている。RT-Gang++を適用することで、悪意のある攻撃者タスクの存在下でも、AR-HUDアプリケーションの所望のパフォーマンスを達成できることを示した。
さらに、Raspberry Pi 4プラットフォームでもRT-Gang++の有効性を確認した。
Stats
SLAM タスクの軌跡推定精度(ATE)は、単独実行時は約0.03mであったが、DoS攻撃タスクと共実行時は最大4.0mまで悪化した。
DoS攻撃タスクと DNN タスクを同時に実行すると、SLAM タスクの軌跡推定精度が大幅に低下し、完全に失敗するケースもあった。
RT-Gang++を適用することで、Jetson Nanoでは全てのシナリオでATEが0.3m以下に抑えられ、Raspberry Pi 4でも良好な結果が得られた。