Towards trustworthy neuromorphic computing: an analysis of hardware security and reliability risks

Staudigl, Felix; Krstić, Miloš; Leupers, Rainer

doi:10.18154/RWTH-2025-01929

Towards trustworthy neuromorphic computing: an analysis of hardware security and reliability risks

Staudigl, Felix^RWTH*

2025

Verantwortlichkeitsangabevorgelegt von M.Sc.(CVUT) M.Sc.(RWTH) Felix Staudigl

ImpressumAachen : RWTH Aachen University 2025

Umfang1 Online-Ressource : Illustrationen

Dissertation, Rheinisch-Westfälische Technische Hochschule Aachen, 2025

Veröffentlicht auf dem Publikationsserver der RWTH Aachen University

Genehmigende Fakultät
Fak06

Hauptberichter/Gutachter
Leupers, Rainer (Thesis advisor)^RWTH* ; Krstić, Miloš (Thesis advisor)

Tag der mündlichen Prüfung/Habilitation
2025-02-20

Online
DOI: 10.18154/RWTH-2025-01929
URL: https://publications.rwth-aachen.de/record/1005679/files/1005679.pdf

Einrichtungen

Lehrstuhl für Software für Systeme auf Silizium (611910)

Projekte

BMBF 16ME0400 - Verbundprojekt: Neuro-inspirierte Technologien der künstlichen Intelligenz für die Elektronik der Zukunft - NEUROTEC II - (16ME0400) (16ME0400)

Thematische Einordnung (Klassifikation)
DDC: 621.3

Kurzfassung
Der von-Neumann-Flaschenhals stellt eine erhebliche Einschränkung dar, die die Rechenleistung und Energieeffizienz herkömmlicher Computersysteme begrenzt. Neuromorphes Rechnen versucht, diese Einschränkung zu überwinden, indem es die intrinsische Parallelität und Effizienz des gehirninspirierten Computing-in-Memory- (CIM-) Paradigmas nutzt. Allerdings befindet sich die zugrunde liegende Bausteintechnologie, memristive Bauelemente, noch in einem unreifen Entwicklungsstadium. Dies führt zu erheblichen Herausforderungen in Bezug auf Zuverlässigkeit und Anfälligkeit für Hardware-Sicherheitsbedrohungen, was eine umfassende Analyse erfordert, um sichere und zuverlässige Computersysteme für zukünftige Anwendungen zu gewährleisten. Um eine detaillierte Untersuchung der Zuverlässigkeitsprobleme zu ermöglichen, wird eine Fehlerinjektionsplattform vorgestellt, die die Robustheit digitaler CIM-Operationen bewertet. Diese Plattform trägt wesentlich zum Verständnis und zur Minderung von Zuverlässigkeitsproblemen in memristorbasierten Systemen bei, indem sie ein umfassendes Simulationsframework auf Crossbar- und Operationsebene bereitstellt. Darüber hinaus wird mit NeuroHammer ein neuartiger Hardware-Sicherheitsangriff präsentiert, der die besonderen Eigenschaften memristiver Crossbar-Arrays ausnutzt, um die Integrität neuromorpher Rechensysteme zu gefährden. Dieser Angriff verdeutlicht die Anfälligkeit von resistiven Speichertechnologien (ReRAMs) gegenüber Hardware-Sicherheitsbedrohungen und unterstreicht die dringende Notwendigkeit wirksamer Gegenmaßnahmen. Für eine detaillierte Zuverlässigkeitsbewertung an realen Bauelementen wird in dieser Dissertation das NeuroBreakoutBoard (NBB) vorgestellt – eine hochflexible Messplattform zur Untersuchung der Auswirkungen von Nichtidealitäten memristiver Bauelemente auf verschiedenen Abstraktionsebenen. Die Fähigkeit des NBB, CIM-Operationen auf realen memristiven Crossbar-Arrays auszuführen, hebt es von bisherigen Plattformen ab und unterstreicht seine zentrale Rolle bei der detaillierten Analyse für die Entwicklung zuverlässiger neuromorpher Rechensysteme. Zusammenfassend liefert diese Arbeit eine umfassende Bewertung memristiver Bauelemente – von Zuverlässigkeitsproblemen bis hin zu Hardware-Sicherheitsbedrohungen – und ebnet damit den Weg für ihre breite Anwendung und Integration in die nächste Generation von Computersystemen.

The von Neumann bottleneck poses a significant barrier, limiting the computing performance and energy efficiency of conventional computing systems. Neuromorphic computing seeks to overcome this bottleneck by leveraging the intrinsic parallelism and efficiency of the brain-inspired Computing-in-Memory (CIM) paradigm. Nonetheless, the immature state of the foundational building block, memristive devices, introduces substantial challenges in terms of their reliability and vulnerability to hardware security threats, necessitating thorough analysis to ensure the development of secure and reliable computing systems for future applications. To provide an in-depth investigation of the reliability concerns, a fault injection platform is introduced evaluating the robustness of digital CIM operations. This platform marks a significant contribution to understanding and mitigating reliability issues in memristor-based systems by providing a holistic simulation framework operating on the crossbar and operational level. Moreover, the work presents NeuroHammer, a novel hardware security attack exploiting the unique properties of memristive crossbar arrays to compromise the integrity of neuromorphic computing systems. This attack underscores the susceptibility of Resistive Random-Access Memories (ReRAMs) to hardware security threats, highlighting the critical need for effective countermeasures. To perform a detailed reliability evaluation on actual devices, this dissertation unveils the NeuroBreakoutBoard (NBB)—a highly versatile instrumentation platform designed to examine the effects of memristive device nonidealities across various abstraction levels. The NBB’s ability in executing CIM operations on real memristive crossbar arrays sets it apart from previously proposed platforms, emphasizing its essential role in facilitating thorough analyses for the advancement of dependable neuromorphic computing platforms. In conclusion, this thesis delivers a comprehensive evaluation of memristive devices, spanning from reliability issues to hardware security threats, thereby paving the way for their broad adoption and integration into the next era of computing systems.

OpenAccess:
PDF
(additional files)