نوقشت في جامعة تكريت/ كلية علوم الحاسوب والرياضيات رسالة ماجستير للباحث (معاذ فرمان إسماعيل ) الموسومة (Hardware Security of Machin Learning) هذا وقد جاء في مستخلص الدراسة ما يلي: يعد تطوير الشبكات العصبية العميقة الحديثة(DNN) امراً مهما لمساعدة البشر في العديد من التطبيقات ؛ لذلك ، من الضروري تطوير مسرعات لنماذج الشبكات العصبية العميقة لتقليل تنفيد النماذج كمسرعات. ومع ذلك، نظراً ان خطوط انتاج مسرعات(DNN) معقدة ومكلفة ، عادةً ما ترسل الشركات منتجاتها الى دول او شركات متخصصة لأغراض التصنيع للحصول على المنتجات بتكلفة اقل . لسوء الحظ ، هذا يمنح المهاجمين فرصة لسرقة المنتجات او تسريب معلومات حساسة حول المنتجات على العديد من المستويات اثناء التصنيع . نتيجة لذلك ، تتعرض (DNN) للعديد من الهجمات الضارة على مستوى الأجهزة . احد اخطر الهجمات على مسرعات(DNN) هو حصان طروادة الخبيث الذي يمكن إدخاله في مسرعات(DNN) بواسطة مهاجم لتوليد تنبؤ او تصنيف خاطئ . في هذا العمل ، نقترح حصان طروادة يصعب اكتشافه ويؤثر بشكل كبير على دقة نماذج (DNN) نقوم بإدخال حصان طروادة بعناية في أربعة نماذج مختلفة مختارة لاختبار وقياس فعالية حصان طروادة المصمم لدينا. يشير تحليلنا ، المدعوم بالنتائج التجريبية ، الى ان حصان طروادة المقترح يقلل من دقة (DNN) بحوالي بحوالي 35 بالمائة في المتوسط.
