2026-11-04 00:59:12 网络安全文章来源：ZONE.CI 全球网 0 阅读模式

合肥工业大学国家示范性微电子学院在面向人工智能芯片设计领域取得系列新进展

信息网络安全杂志

2026年11月2日 12:00
上海

去阅读

近日，合肥工业大学国家示范性微电子学院解光军教授、张章教授团队面向人工智能芯片设计领域取得系列新进展。相关研究成果分别发表于中科院一区期刊《Expert Systems with Applications》（第一作者：博士研究生蒲向荣）、集成电路领域顶级期刊《IEEE Transactions on Circuits and Systems I: Regular Papers》（TCAS-I）和《IEEE Transactions on Very Large Scale Integration (VLSI) Systems》（TVLSI）（第一作者：青年教师张永亮博士），其中合肥工业大学为论文第一完成单位，张章教授为论文通讯作者。

ESWA:面向可信安全：构建边缘终端硬件音频保护方案

人脑由大量神经元及其连接网络构成，神经元复杂的电活动是信息传递、学习与记忆的重要基础。忆阻器具有非线性、记忆性和低功耗等特性，可模拟生物突触并拓展神经元系统的动力学维度。针对传统混沌系统复杂性调控空间有限的问题，团队将双忆阻调控机制引入Rulkov神经元，构建具有多状态耦合特征的神经元网络，产生丰富的超混沌动力学行为，为高复杂度密钥流生成奠定动力学基础。在此基础上，团队利用音频特征驱动密钥动态更新，并通过异质分形矩阵将一维音频映射至高维张量域，形成密钥生成、张量级置乱与扩散深度耦合的一体化加密架构，在增强加密系统明文敏感性及抵御统计分析和差分攻击能力的同时，充分发挥高维分块结构的并行计算优势。系统验证表明，该方案兼顾安全性、处理效率与硬件可部署性，为资源受限AIoT边缘终端的实时音频隐私保护提供了可行的技术路径。该成果已在线发表于中科院一区期刊《Expert Systems with Applications》。

面向边缘终端的音频安全通信系统

TCAS1：基于分段稀疏二值网络的高能效手语识别加速器

为了进一步优化面向二值网络的手语识别硬件的能效，团队在二值网络算法上引入了通道级分段稀疏，通过设置通道级正负比例损失函数，在手语识别模型的训练过程中主动放大单一通道的+1或者-1的比例。当多个通道组合在一起时会呈现出一种新的非零稀疏性，并将其命名为分段稀疏性，对应的稀疏数据称为分段稀疏向量。在多个手语数据集上该模型输入特征图中实现85.52%-96.37%的稀疏占比。为了实现能效的优化，团队在硬件层面提出了三种优化电路：基于通道洗牌的CSR压缩电路，实现2.57-3.85×的压缩率，减少数据存储开销和访存次数；稀疏感知的值预测电路，实现85.52-96.37%的计算跳过；以及贪婪计算调度器，实现3.19-4.18x的计算延时优化。实验结果表明，该手语识别加速器推理延迟仅8.16-10.72us，功耗为3.082W，能效达到894.09-1174.56 GOPS/W。该成果已在线发表于集成电路领域顶级期刊IEEE Transactions on Circuits and Systems I: Regular Papers（TCAS-I）。

基于分段稀疏二值网络的高能效手语识别加速器

TVLSI:基于分层自同构二值网络的手语识别芯片系统

针对二值化手语中相似图像带来的识别难度上升的问题，团队提出了分层自同构的二值网络模型，其参数量和计算量仅2.86 KB 和3.96 MOP，识别精度为95.8%。为了进一步提升识别手势识别精度，提出了保持纵横比的手势缩放算法和基于投票机制的精度补偿算法，实现识别精度提升1.3%。此外，在低功耗方面，采用超前边缘检测算法实现手势边缘的实时检测，将手势识别过程彻底隐藏于数据传输过程中，硬件以800kHz低频运行，大幅降低芯片功耗。最终，团队对基于分层自同构的手势识别模型进行硬件实现和芯片测试，芯片采用TSMC 28nm工艺节点进行制造。实验结果表明，基于分层自同构二值网络的手语识别芯片系统提供识别26种静态美国手语，识别精度达到95.8%，识别功耗仅45.2 𝜇[email protected]，该成果已在线发表于国际著名期刊《IEEE Transactions on Very Large Scale Integration (VLSI) Systems》（TVLSI）。