Este diminuto chip puede salvaguardar los datos del usuario al tiempo que permite la computación eficiente en un smartphone

Los ingenieros a menudo aceleran las cosas usando hardware que reduce la necesidad de mover tantos datos de ida y vuelta. Si bien estos aceleradores de aprendizaje automático pueden agilizar la computación, son susceptibles a los atacantes que pueden robar información secreta.

Para reducir esta vulnerabilidad, investigadores del MIT y del MIT-IBM Watson AI Lab crearon un acelerador de aprendizaje automático que es resistente a los dos tipos de ataques más comunes. Su chip puede mantener los registros de salud de un usuario, información financiera u otros datos sensibles privados, al tiempo que permite que los enormes modelos de IA funcionen eficientemente en dispositivos.

El equipo desarrolló varias optimizaciones que permiten una fuerte seguridad y solo ralentizar ligeramente el dispositivo. Además, la seguridad añadía no afecta a la precisión de los cálculos. Este acelerador de aprendizaje automático podría ser especialmente beneficioso para aplicaciones de IA exigentes como realidad aumentada y virtual o conducción autónoma.

Mientras que implementar el chip haría un dispositivo un poco más caro y menos eficiente energéticamente, eso a veces es un precio que vale la pena pagar por la seguridad, dice el autor principal Maitreyi Ashok, estudiante graduado de ingeniería eléctrica e informática (EECS) en el MIT.

"Es importante diseñar con seguridad en mente desde cero. Si usted está tratando de añadir incluso una cantidad mínima de seguridad después de que un sistema ha sido diseñado, es prohibitivamente caro. Pudimos equilibrar de manera efectiva muchas de estas compensaciones durante la fase de diseño", dice Ashok.

Sus coautores incluyen a Saurav Maji, estudiante graduada de EECS; Xin Zhang y John Cohn, del MIT-IBM Watson AI Lab; y la autora principal Anantha Chandrakasan, directora de innovación y estrategia del MIT, decana de la Escuela de Ingeniería, y el profesor de EECS Vannevar Bush. La investigación será presentada en la Conferencia de Circuitos Integrados Personalizado del IEEE.