Główne pojęcia
하드웨어 장치에 기계 학습 기반 침입 탐지 시스템을 배치하는 것은 계산 자원, 전력 소비 및 네트워크 연결성의 제한으로 인해 중요한 도전입니다. 본 논문에서는 현재의 최첨단 신경망보다 천 배 작은 양자화 신경망 모델을 자동으로 훈련하고 발전시키는 설계 방법론을 제시합니다. 또한, 이 네트워크는 하드웨어에 배치될 때 더 낮은 지연 시간, 더 높은 처리량 및 최대 8.5배 적은 LUT를 활용하면서 비교 가능한 성능을 달성합니다.
Statystyki
하드웨어 리소스를 줄이고 성능을 향상시키는 양자화된 신경망 모델을 개발합니다.
양자화된 모델을 FPGA에 배치하면 다른 기술에 비해 더 적은 LUT를 사용하면서 비슷한 성능을 달성할 수 있습니다.
Cytaty
"하드웨어 장치에 기계 학습 기반 침입 탐지 시스템을 배치하는 것은 계산 자원, 전력 소비 및 네트워크 연결성의 제한으로 인해 중요한 도전입니다."
"양자화 인식 훈련 기술을 사용하여 양자화된 신경망을 개발하여 하드웨어 리소스를 줄이고 성능을 향상시킵니다."