ASU 与马里兰大学提出 SEAL：面向异构 3D 存内计算加速器的多租户安全感知层映射

亚利桑那州立大学与马里兰大学的研究人员在《IEEE Journal on Exploratory Solid-State Computational Devices and Circuits》9 月刊发表论文《SEAL: Multitenant Security-Aware Layer Mapping for Heterogeneous 3-D CiM Accelerators》。研究针对异构 3D 存内计算架构：这类架构可在堆叠层间组合不同存储技术以加速深度神经网络推理，但多租户部署会通过共享供电网络引入安全风险。 SEAL 是一个安全感知的层映射框架，核心思路是把关键神经网络层分配到更抗故障的器件与层组合上，从而同时优化功耗、性能、面积和故障脆弱性，而不是像安全盲映射那样只考虑前者。 评估使用 ResNet-18 与 Qwen2.5-3B。与安全盲映射相比——两种方法都产出了可用映射——SEAL 将故障脆弱性分别最多降低 3.9× 和 7.8×。在 ReRAM 占比较高的配置中，SEAL 将所有高关键性层放在低脆弱性层上，把故障脆弱性降至表征下限。 精度方面，ResNet-18 与无故障基线的差距保持在 0.06 个百分点以内，Qwen2.5-3B 的困惑度与无故障基线相差 0.06 以内，说明安全加固未以明显模型质量为代价。