11、基于面部生物特征的卷积神经网络安全卷积层硬件协处理器设计

基于面部生物特征的卷积神经网络安全卷积层硬件协处理器设计

1. 引言

图像解读对人类大脑和机器都至关重要。人类大脑能轻松分析和理解图像内容，但让机器达到类似效果极具挑战。计算机将图像视为像素阵列，卷积神经网络（CNN）便起源于让机器解读输入图像并输出分类结果的需求。

早期，Kunihiko Fukushima和Yann LeCun于1980年开展了CNN的初步研究。2012年，Alex Krizhevsky利用人工神经网络大幅降低图像分类误差，推动了CNN的发展。如今，谷歌、脸书等科技巨头纷纷将CNN应用于人脸识别、医学成像、自动驾驶等领域。此外，CNN还广泛用于目标/曲线检测、图像分类、情感检测等。

不过，CNN框架虽精度高，但计算量极大，尤其是卷积层。因此，将卷积层实现为硬件协处理器十分关键。设计的卷积层可复用协处理器IP核可用于上述所有应用，还能用于图形处理器、物联网设备和便携式电子设备。

设计CNN卷积层安全可复用IP核的方法亮点如下：
1. 探讨生成安全的CNN卷积层可复用硬件协处理器IP核的方法，以加速CNN性能。
2. 确保每个内核对应像素的硬件并行计算，加速计算过程和特征图生成。
3. 利用IP供应商的面部生物特征保护设计的IP核免受盗版侵害，嵌入式面部生物特征签名作为辨别盗版和正版IP版本的数字证据。
4. 通过对面部生物特征进行多级编码提供强大安全保障，防止对手逃避盗版检测。

2. 为何设计安全的CNN卷积层协处理器IP核

为设计安全的计算和消费电子系统，必须确保仅将安全的可复用协处理器IP核集成到片上系统（SoC）中。因为盗版设计可能包含恶意逻辑（硬件特洛