《表2 训练深度预测和层结构估计网络所需的信息》
注:Y表示需要,N表示不需要
首先攻击者将依次从样本网络集中取出网络,并和构造的fpoison同时部署在多核CNN处理器上进行计算,并且记录下执行的结果,用于后续训练,需要记录的信息如表2所示;同GPU的执行方式一样[21],CNN卷积处理器也是顺序的执行每一层,遇到有分支的情况也是完成一个分支之后再继续完成另一个分支,因此Fdep得到的预测结果pre-depth的是在CNN处理器上串行执行网络的层数;Fdep为一个MLP,在训练时,输入为fpoison每层完成时间的序列T,标签值(label)为样本网络在CNN处理器上串行执行的网络层数,损失函数(Loss Function)为两者的均方误差。
图表编号 | XD00174277700 严禁用于非法目的 |
---|---|
绘制时间 | 2020.05.01 |
作者 | 高成思、陈维伟、王颖 |
绘制单位 | 中国科学院计算技术研究所、中国科学院大学、中国科学院计算技术研究所、中国科学院大学、中国科学院计算技术研究所 |
更多格式 | 高清、无水印(增值服务) |