片上监控器检测 AI 加速器中的比特翻转攻击（UF、UT Dallas、RPI）
On-Chip Monitors Detect Bit-Flip Attacks in AI Accelerators (UF, UT Dallas, RPI)
佛罗里达大学、得克萨斯大学达拉斯分校与伦斯勒理工学院的研究团队发表论文 BARE-AI，提出一种在 AI 推理时检测、定位并缓解比特翻转攻击（BFA）的运行时框架。该方案利用内置性能监控器保护深度神经网络，避免现有防御硬件开销大、依赖重训练或难以应对定向翻转的问题。
佛罗里达大学、德克萨斯大学达拉斯分校和伦斯勒理工学院的研究人员发表了一篇题为“BARE-AI: Bit-Flip Attack Resilience in AI Hardware through Built-in Performance Monitors”的技术论文。
摘要节选：
“深度神经网络（DNN）是许多安全关键系统的重要组成部分，但它们仍然极易受到比特翻转攻击（BFA）的影响，少数内存层面的扰动就能急剧降低准确率。现有的防御措施要么带来巨大的硬件开销，要么依赖于重新训练，要么无法抵御有针对性的翻转。 我们提出了 BARE-AI，这是一个在 AI 推理过程中检测、定位并缓解 BFA 的运行时框架。”
在此查找该技术论文。2026年10月。
Rahaman, Habibur, Swastik Bhattacharya, Sanjay Das, Kanad Basu, and Swarup Bhunia. “BARE-AI: Bit-Flip Attack Resilience in AI Hardware through Built-in Performance Monitors.” arXiv preprint arXiv:2610.08739 (2026).
来源：Semiconductor Engineering 芯片与封装 · semiengineering.com