异常处理方法与人工智能处理器与流程

本申请涉及芯片安全，特别是涉及一种异常处理方法与人工智能处理器。

背景技术：

1、随着人工智能芯片在高性能计算、人工智能训练与推理、自动驾驶以及机密计算等安全关键领域的广泛应用，人工智能芯片正日益成为攻击者的重要目标。为保障人工智能芯片的安全运行，不仅需要保护数据本身的机密性与完整性，还需确保其运行环境的安全性，以有效抵御侧信道攻击等安全威胁。

2、现有技术中，通常采用固件定期轮询（fw polling）的方式，读取系统芯片中固定位置的传感器值来判断系统是否存在异常。然而，该方式受限于传感器本身的能力，导致安全性不足。

技术实现思路

1、基于此，有必要针对上述技术问题，提供一种异常处理方法与人工智能处理器，能够提高检测的精度，以增强人工智能芯片的安全性。

2、第一方面，本申请提供了一种异常处理方法，应用于人工智能芯片，所述人工智能芯片包括安全组件，所述安全组件设有屏蔽层，所述方法包括：

3、判断所述屏蔽层是否存在异常；

4、在所述屏蔽层不存在异常的情况下，基于所述安全组件，对所述人工智能芯片进行异常检测，得到芯片检测结果；根据所述芯片检测结果对应的异常等级，对所述人工智能芯片进行异常处理；

5、在所述屏蔽层存在异常的情况下，根据最高的所述异常等级，对所述人工智能芯片进行异常处理。

6、在其中一个实施例中，所述屏蔽层包括导线网，所述导线网用于传输屏蔽层信号；

7、所述判断所述屏蔽层是否存在异常，包括：

8、判断所述屏蔽层信号是否存在；

9、若存在所述屏蔽层信号，则所述屏蔽层不存在异常；

10、若不存在所述屏蔽层信号，则所述屏蔽层存在异常。

11、在其中一个实施例中，所述人工智能芯片包括所述导线网的信号发送端与信号接收端；

12、所述判断所述屏蔽层信号是否存在，包括：

13、在所述信号发送端随机生成屏蔽层信号，且通过所述导线网，向所述信号接收端发送所述屏蔽层信号的情况下，判断所述信号接收端是否接收到所述屏蔽层信号；

14、若接收到所述屏蔽层信号，则存在所述屏蔽层信号；

15、若未接收到所述屏蔽层信号，则不存在所述屏蔽层信号。

16、在其中一个实施例中，所述导线网中的导线间距与所述安全组件的布线间距相一致。

17、在其中一个实施例中，所述安全组件包括多种传感器；

18、所述基于所述安全组件，对所述人工智能芯片进行异常检测，得到芯片检测结果，包括：

19、基于多种所述传感器获取的传感器值，对所述人工智能芯片进行异常检测，得到各所述传感器的芯片检测结果；

20、基于表示所述人工智能芯片异常的芯片检测结果，确定各所述传感器各自对应的异常结果累计值；

21、所述根据所述芯片检测结果对应的异常等级，对所述人工智能芯片进行异常处理，包括：

22、获取各所述传感器的异常累计阈值；

23、确定各所述异常结果累计值与各所述异常累计阈值的比较结果，并根据所述比较结果对应的异常等级，对所述人工智能芯片进行异常处理。

24、在其中一个实施例中，所述获取各所述传感器的异常累计阈值，包括：

25、基于表示所述人工智能芯片异常的芯片检测结果，对检测出所述芯片异常的传感器进行种类计算，得到表示芯片异常的传感器种类数；

26、根据所述传感器种类数确定异常累计阈值；所述传感器种类数与异常累计阈值负相关。

27、在其中一个实施例中，所述根据所述比较结果对应的异常等级，对所述人工智能芯片进行异常处理，包括：

28、在所述比较结果对应于第一异常概率的情况下，更新所述异常结果累计值；

29、在所述比较结果对应于第二异常概率的情况下，更新所述异常结果累计值，并对所述人工智能芯片进行逻辑重置；

30、在所述比较结果对应于第三异常概率的情况下，对所述人工智能芯片进行数据清除；

31、其中，所述第一异常概率、所述第二异常概率与所述第三异常概率是依次增大的，表示依次增大的异常等级。

32、在其中一个实施例中，所述基于所述安全组件，对所述人工智能芯片进行异常检测，得到芯片检测结果，包括：

33、获取所述人工智能芯片的电源电压，对所述电源电压进行分压，得到分压后电压；

34、确定基准电压对应的毛刺电压阈值；

35、确定所述分压后电压与毛刺电压阈值之间的电压比较结果；

36、根据时钟信号，对所述电压比较结果进行双边采样，得到所述电压比较结果的采样值；所述时钟信号的频率与毛刺电压检测的延迟负相关；

37、根据所述采样值确定所述人工智能芯片的毛刺电压检测结果。

38、在其中一个实施例中，所述芯片检测结果包括温度检测结果、电压检测结果与时钟频率检测结果中的至少一项；

39、其中，所述温度检测结果是基于所述人工智能芯片的各区域各自的温度阈值与各区域温度值生成的；

40、所述电压检测结果包括，所述人工智能芯片的持续电源电压检测结果与毛刺电压检测结果中的至少一项；

41、所述时钟频率检测结果包括，所述人工智能芯片的参考时钟频率检测结果。

42、第二方面，本申请还提供了一种人工智能处理器，应用于人工智能芯片，所述人工智能芯片包括安全组件，所述安全组件设有屏蔽层，所述人工智能处理器包括：

43、物理检测模块，被配置为判断所述屏蔽层是否存在异常；

44、安全组件检测模块，被配置为在所述屏蔽层不存在异常的情况下，基于所述安全组件，对所述人工智能芯片进行异常检测，得到芯片检测结果；根据所述芯片检测结果对应的异常等级，对所述人工智能芯片进行异常处理；

45、所述物理检测模块，被配置为在所述屏蔽层存在异常的情况下，根据最高的所述异常等级，对所述人工智能芯片进行异常处理。

46、上述异常处理方法与人工智能处理器，设置屏蔽层保护相应的安全组件，并基于屏蔽层进行异常检测；当屏蔽层不存在异常时，安全组件并未遭受物理攻击，说明安全组件在此环境下的检测能力是正常的，可基于安全组件的芯片检测结果动态调整异常等级，以量化异常程度，动态处理相应需求，保障精度，且使用异常等级执行差异化的异常处理。当屏蔽层存在异常时，说明人工智能芯片的安全组件遭受物理攻击，基于最高的异常等级进行异常处理，以保障相应芯片的安全性。

1.一种异常处理方法，其特征在于，应用于人工智能芯片，所述人工智能芯片包括安全组件，所述安全组件设有屏蔽层，所述方法包括：

2.根据权利要求1所述的方法，其特征在于，所述屏蔽层包括导线网，所述导线网用于传输屏蔽层信号；

3.根据权利要求2所述的方法，其特征在于，所述人工智能芯片包括所述导线网的信号发送端与信号接收端；

4.根据权利要求2所述的方法，其特征在于，所述导线网中的导线间距与所述安全组件的布线间距相一致。

5.根据权利要求1所述的方法，其特征在于，所述安全组件包括多种传感器；

6.根据权利要求5所述的方法，其特征在于，所述获取各所述传感器的异常累计阈值，包括：

7.根据权利要求5所述的方法，其特征在于，所述根据所述比较结果对应的异常等级，对所述人工智能芯片进行异常处理，包括：

8.根据权利要求1所述的方法，其特征在于，所述基于所述安全组件，对所述人工智能芯片进行异常检测，得到芯片检测结果，包括：

9.根据权利要求1所述的方法，其特征在于，所述芯片检测结果包括温度检测结果、电压检测结果与时钟频率检测结果中的至少一项；

10.一种人工智能处理器，其特征在于，应用于人工智能芯片，所述人工智能芯片包括安全组件，所述安全组件设有屏蔽层，所述人工智能处理器包括：