边缘计算系统及智能终端的制作方法
本发明涉及集成电路与边缘计算交叉,具体涉及一种边缘计算系统及智能终端。
背景技术:
1、在边缘计算场景下(如智能医疗可穿戴设备),对设备的算力、能效和安全性提出了极其苛刻的要求。
2、安全(如安全芯片、物理不可克隆函数(physical unclonable function, puf)模块)和智能计算(如cpu、gpu或专用加速器)等边缘计算任务通常采用分离的模块来处理,这种架构导致了边缘计算系统复杂度高、资源冗余和能效低下。
3、虽然已有研究探索利用新兴器件实现物理不可克隆函数puf或储备池计算rc,但大多功能单一,未能从根本上解决模块分离的问题。
4、物联网与人工智能的融合正在推动智慧医疗发生范式变革,使得可穿戴设备得以应用于预防性和个性化健康管理。然而,由于这类可穿戴设备产生的医疗数据本身具有敏感性和高价值,其极易遭受安全泄露。例如,敏感生理数据的未经授权泄露则会使数据主体面临隐私风险、污名化或保险歧视问题。因此,医疗物联网设备的可信度与数据安全,是保障数据主体和医疗支付方权益、维持系统韧性的关键数字医疗生态系统。
5、现有的安全解决方案面临根本性局限。基于软件的加密会产生高昂的边缘资源开销,且存储的密钥易受漏洞利用攻击。硬件物理不可克隆函数( puf) 可通过制造差异或其他动态机制实现密钥的按需生成,但主流的物理不可克隆函数( puf)实现往往需要在功耗、可靠性或面积效率上做出权衡。更根本的是,传统的物理不可克隆函数( puf)硬件是作为功能独立的安全原语存在的,而新兴的物联网医疗应用则要求实现多功能集成,需在单一平台内整合治疗评估、监测、隐私保护和风险评估等功能。
6、要克服这种功能分离问题,需要重新思考集成架构的范围。
7、一种是完全分立的实现方式,通过芯粒或系统级封装组件实现,其中安全单元和计算单元制造在经过工艺优化的独立裸片上,并通过先进封装技术进行集成。尽管这种芯粒化技术支持独立的性能调优,但冗余的硬件和面积占用、封装复杂度、裸片间互连开销以及受限的外形尺寸,会带来高昂的系统级成本,这使得它在可穿戴设备应用中成本过高。
8、另一个极端是全功能融合,试图将所有所需功能集成到单个同质存储阵列中。这种单片化方案能最大化集成密度,但却需要在相互冲突的物理需求之间进行权衡。高保真功能(如权重存储、密钥生成)需要稳定的保持特性,而随机功能(如随机数生成、储层计算)则依赖、瞬态动力学。在同质阵列中调和这些对立的特性往往需要复杂的器件级权衡。此外, 在某些情况下, 对单个阵列进行时分复用会产生模式切换损耗和串行瓶颈, 而采用多个同质阵列则会浪费硬件资源,且仍无法解决相同的功能冲突问题。
9、常规的动态随机存取存储器(dynamic random access memory,dram)的存储单元如图1所示,由单个晶体管和单个电容器构成,为1t1c(1 transistor 1 capacitor,单晶体管单电容) dram的存储单元结构。随着存储器产品向高容量和高密度的不断发展,常规dram存储器阵列中电容的数量急剧提高,难以继续缩小工艺尺寸。
10、2t0c(2 transistor 0 capacitor,双晶体管0电容)dram(动态随机存取存储器)的单元架构避免了存储单元中电容的存在,可以克服常规dram存储单元在进行工艺尺寸缩放时出现的一系列问题。典型的2t0c dram的存储单元如图2所示,由两个晶体管(一个写晶体管和一个读晶体管)组成,没有独立的电容器。数据以电荷形式存储在读晶体管的栅极电容中,通过控制读晶体管栅极电压来实现读写操作。2t0c dram的存储单元结构简单,且具备固有的物理随机性,是实现物理不可克隆函数和类脑计算等应用的理想候选者。
11、2t0c dram的存储单元的电荷保持时间通常由材料和生产工艺固有决定,现有的2t0c dram制造方法,在后道或中场工艺中不能来系统性地、选择性地调控特定区域的2t0cdram的存储单元的电荷保持特性,无法在单一芯片上实现对2t0c dram的不同存储单元的电荷保持时间的精确、可控分化,从而限制了基于保持时间差异的多功能集成架构的实现。
12、随着物联网和边缘计算的发展,对硬件原语的需求日益增长,期望单一硬件能兼具安全、计算和存储等多功能。二维半导体材料(如mos2、黑磷)因其原子级厚度和优异静电调控性和高迁移率等独特电学特性,在构建新型电子器件方面展现出巨大潜力,成为2t0cdram的理想沟道材料,可进一步提升性能和集成度。例如,基于单层mos2的混合栅极2t0cdram能实现超过100秒的保持时间和0.2v的超低写入电压。
技术实现思路
1、本发明要解决的技术问题是提供一的边缘计算系统,能将智能计算与内生安全深度融合于单一平台。
2、为解决上述技术问题,本发明提供的边缘计算系统,其包括一个双模态2t0c动态随机存取存储阵列及一个控制器;
3、所述双模态2t0c动态随机存取存储阵列包括结构相同但电荷保持时间不同的长保持时间子阵列lra和短保持时间子阵列sra;
4、所述长保持时间子阵列lra被配置为能够执行模拟乘累加计算mac和物理不可克隆函数puf;
5、所述短保持时间子阵列sra被配置为能够执行储备池计算rc和真随机数生成trng。
6、较佳的,所述短保持时间子阵列sra还被配置为能够执行随机计算。
7、较佳的,所述双模态2t0c动态随机存取存储阵列,包括集成在单一芯片上的多个第一类2t0c存储单元及多个第二类2t0c存储单元;
8、2t0c存储单元由一个写入晶体管和一个读取晶体管构成;
9、所述写入晶体管,其栅端接写字线,其源漏中的一端接写位线,另一端接所述读取晶体管的栅端并作为存储节点;
10、所述读取晶体管,其源漏中的一端接读位线,另一端接读字线;
11、所述第一类2t0c存储单元,具有第一平均电荷保持时间;
12、所述第二类2t0c存储单元,具有第二平均电荷保持时间;
13、所述第二平均电荷保持时间小于所述第一平均电荷保持时间的1/10;
14、多个第一类2t0c存储单元组成长保持时间子阵列lra;
15、多个第二类2t0c存储单元组成短保持时间子阵列sra;
16、2t0c存储单元的晶体管的沟道为二维半导体;
17、第二类2t0c存储单元的写入晶体管的沟道二维半导体的缺陷多于所述第一类2t0c存储单元的写入晶体管的沟道二维半导体的缺陷。
18、较佳的,所述第一类2t0c存储单元的写入晶体管的沟道二维半导体未进行等离子体处理;
19、第二类2t0c存储单元的写入晶体管的沟道二维半导体的进行过等离子体处理。
20、较佳的,在执行储备池计算rc时,所述控制器配置为:
21、s1.控制将输入时序信号通过二进制掩码在时间维度上进行扩展,并注入短保持时间子阵列sra以驱动存储单元状态发生非线性演化;
22、s2.控制采集所述短保持时间子阵列sra的所有存储单元在时间维度上的输出电流,拼接成高维动态特征向量;高维是指超过三维的数据空间;分类包括正常和异常。
23、较佳的,所述输入时序信号为ecg信号;
24、所述分类为心拍分类,心拍分类包括正常心拍分类和异常心拍分类,异常心拍分类包括左束支传导阻滞心拍异常l、右束支传导阻滞心拍异常r、室性早搏异常v及房性早搏异常a;
25、将ecg信号通过二进制掩码在时间维度上进行扩展,包括以下步骤:
26、s11.心跳分段:首先对ecg信号进行r峰检测,以r峰为中心提取固定长度的心跳片段;
27、对心跳片段进行5倍原始采样间隔采样;
28、s12. 时间维度复制:将每个心跳片段的各采样点在时间维度上重复5次,形成各个心跳片段的扩展序列;
29、s13. 多通道掩码调制:使用预定义的16种相互正交的二进制掩码序列分别与同一心跳片段逐点相乘,生成16路独立调制后电压波形,16种相互正交的二进制掩码序列将同一个心跳片段映射为16路不同的调制信号;每个二进制掩码序列长度为5,固定“1”与“-1”比例为3:2或2:3;每个二进制掩码序列以原始采样间隔作用于同一心跳片段;
30、s14.多通道生成:同一个心跳片段对应的16路不同的调制后电压波形分别输入短保持时间子阵列sra的16个物理列的写入字线wwl上,驱动存储单元内部状态发生非线性演化。
31、较佳的,对滤波后的ecg信号采用pan-tompkins算法进行r峰检测;
32、原始采样间隔为1/360s。
33、较佳的,在执行模拟乘累加计算mac时,所述控制器配置为:
34、控制将所述高维动态特征向量映射为对所述长保持时间子阵列lra中的存储单元的写入脉冲幅度或宽度,将权重矩阵值映射为所述长保持时间子阵列lra中的存储单元的读取晶体管的栅极偏置电压或跨导;
35、控制外围读出电路读取所述长保持时间子阵列lra的位线上的总电流并量化后输出数字化结果,作为所述高维动态特征向量与权重矩阵相乘结果的累加和。
36、较佳的,所述外围读出电路为模数转换器adc或比较器。
37、较佳的,所述边缘计算系统在执行模拟乘累加计算mac时,所述控制器控制将所述长保持时间子阵列lra中的相应存储单元的读取晶体管偏置在线性区,控制将权重矩阵值通过写入脉冲被编程为所述长保持时间子阵列lra中的相应存储单元的读取晶体管的栅极偏置电压,将高维动态特征向量值编码为施加在所述长保持时间子阵列lra中的相应存储单元的读取晶体管漏极上的模拟电压脉冲幅度,以所述长保持时间子阵列lra中的相应存储单元的位线总电流作为模拟乘累加计算mac的输出值;
38、 ;
39、m为正整数, k为常数,wi为第i个权重矩阵值,xi为第i个高维动态特征向量值。
40、较佳的,在执行物理不可克隆函数puf时,所述控制器配置为:
41、控制在所述长保持时间子阵列lra中的相应存储单元上电或写入后经过稳定保持时间,通过外围读出电路读取所述长保持时间子阵列lra中的相应存储单元的稳定随机状态,生成原始物理不可克隆函数puf响应。
42、较佳的,所述外围读出电路支持0.5位、1位或多位模数转换器adc读出模式。
43、较佳的,所述稳定保持时间,是在所述长保持时间子阵列lra中的相应存储单元上电或写入后的100ms。
44、较佳的,所述外围读出电路采用0.5位模数转换器adc读出模式;
45、所述控制器,控制将第j个存储单元对的读位线rbl信号分别接入第j个灵敏放大器sa的正负输入端,第j个灵敏放大器sa比较其正负输入端的电流差异,输出第j位原始物理不可克隆函数puf响应:整个长保持时间子阵列lra中的相应存储单元对的响应构成物理不可克隆函数puf的原始响应向量r= [r1, r2, ..., rm];
46、 ;
47、每个存储单元对由所述长保持时间子阵列lra同一行中两个相邻列的存储单元组成;
48、m为正整数,j为小于或等于m的正整数,为第j个存储单元对的一个存储单元的读位线rbl电流,为第j个存储单元对的另一个存储单元的读位线rbl电流。
49、较佳的,所述外围读出电路采用1位模数转换器adc读出模式;
50、所述控制器,控制将长保持时间子阵列lra的一个存储单元的读位线rbl信号及一个固定参考电压分别接入第j个灵敏放大器sa的正负输入端,第j个灵敏放大器sa比较其正负输入端的电流差异,输出第j位原始物理不可克隆函数puf响应:
51、整个长保持时间子阵列lra中的相应存储单元的响应构成物理不可克隆函数puf的原始响应向量r= [r1, r2, ..., rm];
52、m为正整数,j为小于或等于m的正整数。
53、较佳的,所述外围读出电路采用8位模数转换器adc读出模式;
54、所述控制器,控制将长保持时间子阵列lra的一个存储单元的读位线rbl信号首先经放大并转换为电压,再由8位模数转换器adc量化为8位数字数据。
55、较佳的,所述边缘计算系统还包括可靠性增强模块;
56、在执行物理不可克隆函数puf时,所述控制器配置为:
57、控制所述可靠性增强模块在物理不可克隆函数puf注册阶段通过多次采样生成掩码以屏蔽不稳定比特位,并在物理不可克隆函数puf密钥再生阶段对未被屏蔽的比特位进行多次读取与多数投票;
58、对长保持时间子阵列lra的每个存储单元进行多次独立读取采样,统计每个存储单元在多次不同读取采样中发生翻转的概率;若一存储单元在多次不同读取采样中发生翻转的概率超过设定阈值,则将该存储单元标记为不稳定比特位;
59、注册阶段生成的掩码是一个与物理不可克隆函数puf响应长度相同的二进制向量,其中不稳定比特位对应的位置标记为“0”,稳定比特位标记为“1”;在后续密钥生成和再生过程中,仅使用掩码中标记为“1”的稳定比特位来构建密钥,被标记为“0”的不稳定比特位被永久排除在密钥生成流程之外。
60、较佳的,在执行真随机数生成trng时,所述控制器配置为:
61、控制模数转换器adc读取所述短保持时间子阵列sra的存储单元的读取晶体管被偏置在亚阈值区的模拟输出电流噪声,并将模数转换器adc最低有效位的跳变作为真随机数序列输出,用于作为物理不可克隆函数puf密钥生成的熵源。
62、本发明还公开了一种内部集成有所述边缘计算系统的智能终端;
63、所述智能终端被配置为:
64、通过将所述长保持时间子阵列lra配置为执行物理不可克隆函数puf,生成设备的唯一身份标识与加密密钥;
65、通过将所述短保持时间子阵列sra配置为执行储备池计算rc,将输入时序信号通过二进制掩码在时间维度上进行扩展,并注入短保持时间子阵列sra以驱动存储单元状态发生非线性演化;采集所述短保持时间子阵列sra的所有存储单元在时间维度上的输出电流,拼接成高维动态特征向量;
66、通过将所述长保持时间子阵列lra配置为执行模拟乘累加计算mac,对所述高维动态特征向量进行实时分类,以识别异常模式;对异常模式生成本地脱敏告警标签;
67、通过将所述短保持时间子阵列sra被配置为执行真随机数生成trng产生真随机数;
68、基于所述身份标识、加密密钥及真随机数对采集的输入时序信号进行加密;
69、将设备身份、加密后的输入时序信号以及本地脱敏告警标签上传至监管系统。
70、较佳的,所述智能终端为可穿戴智能医疗终端;
71、所述输入时序信号为采集的生理信号。
72、本发明的边缘计算系统,通过时间复用双模态2t0c存储阵列的长保持时间阵列lra,实现了高能效的模拟乘累加计算(multiply accumulate, mac)和高可靠性的物理不可克隆函数(physical unclonable function,puf);通过时间复用利用所述短保持时间阵列sra,实现了储备池计算储备池计算(reservoir computing, rc)和真随机数生成(truerandom number generation, trng)。该边缘计算系统通过硬件原生的动态特性,将智能计算与内生安全深度融合于单一平台,以单一硬件平台同步实现了“传感-计算-安全”一体化,能够深度融合安全与计算功能,单一硬件平台实现了内生安全(puf, trng)及边缘智能(mac, rc)等多重功能,极大提升了硬件利用效率和能效,实现资源的高效复用和系统的内生安全,解决资源严苛场景下的边缘设备的功能、功耗与面积之间的矛盾,能为资源受限的边缘设备(如智能医疗手环)提供了防伪、防欺诈的完整解决方案。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com