뉴로모픽 시스템의 새로운 위협 및 대응 방안: 종합 조사

Emerging Threats and Countermeasures in Neuromorphic Systems: A Survey

뉴로모픽 컴퓨팅은 뇌의 작동 방식을 모방하여 스파이킹 뉴런과 에너지 효율적인 처리 방식을 활용하며, 효율적인 메모리 내 컴퓨팅(IMC)을 가능하게 합니다. 그러나 이러한 발전은 중요한 보안 및 개인 정보 보호 문제를 야기합니다. 생체 모방 아키텍처 및 메모리저항 소자의 사용이 증가함에 따라, 이러한 신기술이 하드웨어 및 소프트웨어 공격에 얼마나 취약한지 평가하는 것이 시급합니다. 새로운 아키텍처는 특히 비동기, 이벤트 기반 처리 및 확률적 장치 동작으로 인해 새로운 공격 경로를 제공합니다. 뉴로모픽 하드웨어 및 스파이킹 신경망의 소프트웨어 구현에 메모리저항 소자를 통합하는 것은 보안을 고려한 응용 분야를 포함하여 고급 컴퓨팅 아키텍처를 위한 다양한 가능성을 제공합니다. 본 조사에서는 뉴로모픽 시스템의 보안 환경을 체계적으로 분석하며, 공격 방법론, 사이드 채널 취약점 및 대응 방안을 다룹니다. 스파이킹 신경망(SNN) 및 물리적 불능 함수(PUF) 및 진정한 난수 생성기(TRNG)와 같은 하드웨어 기반 요소와 관련된 하드웨어 및 소프트웨어 문제를 모두 고려합니다. 본 분석은 공격 방법론부터 효율성과 보호 기능을 통합하는 뇌-모방 하드웨어에 대한 대응 전략까지 다양한 관점에서 접근합니다. 본 검토는 현재의 보안 위협 현황을 파악하는 것뿐만 아니라, 안전하고 신뢰할 수 있는 뉴로모픽 아키텍처를 개발하기 위한 기반을 제공합니다.

Neuromorphic computing mimics brain-inspired mechanisms through spiking neurons and energy-efficient processing, offering a pathway to efficient in-memory computing (IMC). However, these advancements raise critical security and privacy concerns. As the adoption of bio-inspired architectures and memristive devices increases, so does the urgency to assess the vulnerability of these emerging technologies to hardware and software attacks. Emerging architectures introduce new attack surfaces, particularly due to asynchronous, event-driven processing and stochastic device behavior. The integration of memristors into neuromorphic hardware and software implementations in spiking neural networks offers diverse possibilities for advanced computing architectures, including their role in security-aware applications. This survey systematically analyzes the security landscape of neuromorphic systems, covering attack methodologies, side-channel vulnerabilities, and countermeasures. We focus on both hardware and software concerns relevant to spiking neural networks (SNNs) and hardware primitives, such as Physical Unclonable Functions (PUFs) and True Random Number Generators (TRNGs) for cryptographic and secure computation applications. We approach this analysis from diverse perspectives, from attack methodologies to countermeasure strategies that integrate efficiency and protection in brain-inspired hardware. This review not only maps the current landscape of security threats but provides a foundation for developing secure and trustworthy neuromorphic architectures.