메뉴 건너뛰기
소속 기관 / 학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
고객센터 ENG
주제분류

논문 기본 정보

저자정보
(국민대학교) (국민대학교)
저널정보
한국자동차공학회 한국자동차공학회 추계학술대회 및 전시회 2025년 한국자동차공학회 추계학술대회 및 전시회
오류 신고하기

피인용 0

검색

    초록·키워드

    자율주행 시스템에서 심층 신경망 추론은 개인정보 보호와 모델 보안을 위해 안전하게 수행될 필요가 있다. 이를 위해 하드웨어 수준의 격리 환경인 TEE(Trusted Execution Environment)가 주목받고 있으며, TEE 내부에서의 추론은 외부 공격으로부터 중요한 자산을 보호하는 수단이 된다. 그러나 TEE 기반 보안 추론은 일반 환경 대비 성능 저하라는 단점을 지닌다. 특히 실행 시간 오버헤드와 제한된 보안 메모리 용량 부족이 대표적인 문제이다. TEE에서 발생하는 오버헤드는 크게 세 가지로 구분할 수 있다. 첫째, 일반 실행 환경에서 TEE로 작업을 이관할 때 발생하는 ECALL/OCALL 호출 과정에서의 호출 오버헤드이다. 이는 별도의 TEE OS에 요청을 전달하는 구조적 특성 때문에 발생한다. 둘째, 데이터를 TEE 내부로 복사하거나 공유 메모리를 매핑하는 과정에서의 데이터 전송 오버헤드가 있다. 셋째, TEE 내부에서의 연산은 하드웨어 접근 권한 및 최적화 수준이 일반 실행 환경과 다르므로, 같은 연산이라도 성능 차이가 발생하는 연산 오버헤드가 존재한다. 본 연구에서는 이러한 오버헤드를 레이어 단위로 분해하여 분석하였으며, 실험적 결과를 통해 각 오버헤드를 수식화하였다. TEE 기반 추론에서 또 다 ... 전체 초록 보기

    최근 본 자료 전체보기

      UCI(KEPA) : I410-151-26-02-095659933