SNNGX：在基于 RRAM 的神经形态加速器上利用遗传算法与 XOR 加密保护脉冲神经网络

基于摘要分析。该研究针对脉冲神经网络（SNN）权重被提取所带来的知识产权与白盒攻击风险，提出 SNNGX，一种基于 RRAM 的神经形态加速器软硬件协同保护方案。其主要研究对象是 SNN 模型安全与加解密开销，而非 EEG 解码算法本身。 在软件侧，方法结合定制遗传算法与经典 XOR 加密，搜索需要加密的少量权重位；在硬件侧，设计低能耗解密模块，作者称其可实现零解密延迟。摘要还称，该搜索策略可应对 Hessian／梯度搜索不敏感的问题，但具体搜索目标、适应度函数及“不敏感”的判定条件尚未验证。 作者报告，在包含 NMNIST、DVSGesture、EEGMMIDB、Braille Letter 和 SHD 的多数据集评估中，仅加密 0.00005%–0.016% 的权重位即可有效保护 SNN；能耗降低倍数为 59–6780，解密延迟降低倍数为 175–4250。上述范围对应哪些数据集、硬件配置与对照方案，摘要未明确，因此不能视为 EEGMMIDB 上的单独结果。作者还报告，加密过程所需数据最少可低至每类一个样本，但其具体适用条件尚未验证。 EEGMMIDB 的纳入说明作者评估涉及 EEG 数据，但摘要未说明具体任务、被试划分、解码指标及加密前后的性能变化，不能据此认定该方案已在 BCI 部署中得到验证。复现需核对攻击者可访问的信息、密钥管理、保护成功的判据、搜索成本、加解密硬件条件，以及“零解密延迟”与相对延迟降低倍数各自的测量口径；实验协议、消融及统计信息尚未验证。