Detail publikace
Late Breaking Result: FPGA-Based Emulation and Fault Injection for CNN Inference Accelerators
Fault injection, hardware accelerator, convolutional neural network inference
Byla navržena nová emulační platforma na bázi programovatelného hradlového pole
(FPGA), která urychluje analýzu odolnosti proti chybám akcelerátorů inference
konvolučních neuronových sítí (CNN). Pro daný model CNN, hardwarovou architekturu
akcelerátoru a cílovou skupinu analýzy FT je vygenerována implementace CNN na
bázi FPGA (s pomocí frameworku Tengine) a je přidána logika injekce poruch.
V naší první případové studii uvádíme, jak pokles klasifikační přesnosti závisí
na poruchách injektovaných do násobiček použitých v Multiply and Accumulate
jednotkách inferenčního akcelerátoru NVDLA provádějícího CNN ResNet-18. FT
analýza emulovaná na SoC Zynq UltraScale+ je řádově rychlejší než softwarová
emulace.
@inproceedings{BUT193424,
author="Filip {Masár} and Vojtěch {Mrázek} and Lukáš {Sekanina}",
title="Late Breaking Result: FPGA-Based Emulation and Fault Injection for CNN Inference Accelerators",
booktitle="2025 Design, Automation & Test in Europe Conference & Exhibition (DATE)",
year="2025",
pages="1--2",
publisher="Institute of Electrical and Electronics Engineers",
address="Lyon",
doi="10.23919/DATE64628.2025.10992992",
isbn="978-3-9826741-0-0"
}