来自麻省理工学院(MIT)的研究人员开发出了能够为低功耗设备提供加密的处理器。
物联网(IoT)包括嵌入式工业传感器、智能照明和监控系统等,可为企业带来宝贵价值。
这些设备要求功耗极低,可以在低功耗广域网(LPWAN)上运行,并在过去几年中迅速进入企业、工业现场和消费领域。
但是,当没有足够可用的动力时,安全可能就会成问题,因为没有资源或手段来实施传统的安全解决方案。
例如,加密是当今物联网设备的一个难点。虽然我们的许多在线交易和通信都受到公钥密码技术的保护,但由于缺乏电力和内存,许多物联网设备无法支持单独的加密。
然而,麻省理工学院的研究人员可能已经解决了加密方面的挑战。
电气工程师和计算机科学家组成的团队开发了一种新型芯片,用于公钥加密硬连线,消费者通常只消耗功率标准协议的1/400。
此外,这些处理器进行加密所需的内存仅为普通加密的10%,研究人员说,这些处理器执行命令的速度提高了500倍。
该芯片使用所谓的椭圆曲线加密,这依赖于一系列的数学函数和曲线来提高安全性——麻省理工的芯片被设计用于处理任何曲率。
该团队将处理加密格式化和传输的数据报传输层安全协议硬连接到芯片设计中,以及能够处理额外的基于椭圆曲线的安全协议的处理器。但是,这款处理器在不用时可以关闭以提高能源效率。
此外,他们还采用了定制逆变器电路将可用的表面积提高10%,同时能耗降低50%。
Utsav Banerjee是麻省理工学院的一名研究生,他在一份记录研究报告的论文中写道:“密码学家研究具有不同属性的曲线,并使用不同的素数。关于哪条曲线是安全的、使用哪条曲线存在着很多争议,并且很多政府有不同的标准,他们站出来谈论不同的曲线。”
“借助这款芯片,我们可以支持所有这些曲线,并希望未来有新的曲线出现时,我们也可以支持它们,”Banerjee补充道。
研究结果将在本周在国际固态电路会议上发表。
9月,IBM和麻省理工学院将联合建立全新的人工智能研究中心:MIT-IBM沃森人工智能实验室(MIT-IBM Watson AI Lab),专注于人工智能、医疗和网络安全。
好文章,需要你的鼓励
苏州大学研究团队提出"语境降噪训练"新方法,通过"综合梯度分数"识别长文本中的关键信息,在训练时强化重要内容、抑制干扰噪音。该技术让80亿参数的开源模型在长文本任务上达到GPT-4o水平,训练效率比传统方法高出40多倍。研究解决了AI处理长文档时容易被无关信息干扰的核心问题,为文档分析、法律研究等应用提供重要突破。
在Cloudera的“价值观”中,企业智能化的根基可以被概括为两个字:“源”与“治”——让数据有源,智能可治。
清华大学团队首次揭示了困扰AI训练领域超过两年的"幽灵故障"根本原因:Flash Attention在BF16精度下训练时会因数字舍入偏差与低秩矩阵结构的交互作用导致训练崩溃。研究团队通过深入分析发现问题源于注意力权重为1时的系统性舍入误差累积,并提出了动态最大值调整的解决方案,成功稳定了训练过程。这项研究不仅解决了实际工程问题,更为分析类似数值稳定性挑战提供了重要方法论。