当前位置：
X-MOL 学术
›
IEEE Des. Test
›
论文详情
Our official English website, www.x-mol.net, welcomes your
feedback! (Note: you will need to create a separate account there.)
Reverse-Engineering CNN Models Using Side-Channel Attacks
IEEE Design & Test ( IF 1.9 ) Pub Date : 2022-02-10 , DOI: 10.1109/mdat.2022.3151019 Weizhe Hua 1 , Zhiru Zhang 1 , G. Edward Suh 1
IEEE Design & Test ( IF 1.9 ) Pub Date : 2022-02-10 , DOI: 10.1109/mdat.2022.3151019 Weizhe Hua 1 , Zhiru Zhang 1 , G. Edward Suh 1
Affiliation
This article demonstrates that architectural side-channel attacks (i.e., memory access patterns) can help leak the parameters of a convolutional neural network. — Jeyavijayan “JV” Rajendran, Texas A&M University
中文翻译：
使用侧通道攻击对 CNN 模型进行逆向工程
本文演示了架构侧通道攻击（即内存访问模式）可以帮助泄漏卷积神经网络的参数。 — Jeyavijayan “JV” Rajendran，德克萨斯农工大学
更新日期：2022-02-10
中文翻译：
使用侧通道攻击对 CNN 模型进行逆向工程
本文演示了架构侧通道攻击（即内存访问模式）可以帮助泄漏卷积神经网络的参数。 — Jeyavijayan “JV” Rajendran，德克萨斯农工大学
京公网安备 11010802027423号