電力サイドチャネルデータを用いた、リソース制約のあるMCU上でのZスコアベース自律型TinyML異常検知
arXiv cs.LG / 2026/4/13
📰 ニュースSignals & Early TrendsIdeas & Deep AnalysisModels & Research
要点
- 本論文は、低消費電力MCU上で学習と推論の両方を、電力サイドチャネルデータのみを用いて実行する完全自律型のTinyML異常検知システムを提案している。
- オンデバイスでのRMS電流サンプリングとZスコア閾値処理を用いて偏差を検出し、解釈可能性と低計算オーバーヘッドを目指している。
- 実装はSTM32ベースのプラットフォームで動作し、クラウドや外部計算を使わないリアルタイムの家電モニタリングを想定している。
- 14日間のミニ冷蔵庫データセットでの実験では、適合率と再現率がともに完全（1.00）であり、推論遅延も非常に低く（数十マイクロ秒）と報告されている。
- この手法は、厳しい組込みメモリ予算（約3.3 KBのSRAM、約63 KBのFlash）に収まっており、著者らは追加の軽量モデルやマルチデバイス学習による拡張を計画している。
