A pingalapú helymeghatározás olcsóbban ellenőrizheti az AI-chipeket

Öt módszerrel ellenőrizhető a chipek helye

A CSET Georgetown szeptember 29-én közzétett elemzése szerint a helymeghatározás fontos eszköz lehet az AI-chipekre vonatkozó exportkorlátozások betartatásának megerősítésében. Az Egyesült Államok Kongresszusának friss jogalkotási javaslatai is erre építenének, hogy a szabályozók megállapíthassák, hol találhatók az érintett chipek.

A kutatók öt módszercsoportot különböztettek meg. A fizikai ellenőrzés során a hatóságok vagy szerződött vizsgálók rendszeresen helyszíni auditokat végeznek. A postai ellenőrzésnél véletlenszerűen kiválasztott chipeket kell beküldeni vizsgálatra, a videós ellenőrzés pedig távolról, manipulációbiztos kamerákkal működik. Az eszköznyilvántartás a chipek egyedi azonosítóit, például sorozatszámait listázza, a geolokációs megoldások pedig a chipek, szerverek és adatközponti infrastruktúra által automatikusan létrehozott adatokat használják.

A pingek utazási idejét mérik

A pingalapú helymeghatározás, röviden PLV, a geolokáció egyik típusa. A rendszer azt méri, mennyi idő alatt jut el egy jel a chipből több megbízható, úgynevezett referencia-szerverhez, majd vissza. A CSET egy kísérő jelentésben négy szempont alapján értékelte a módszereket: ellenőrizhetőség, pontosság, biztonság és ismételhetőség.

Az elemzés szerint ezeknek a feltételeknek a vizsgált lehetőségek közül a PLV és a fizikai ellenőrzés felelt meg a legjobban. Ezután a két módszer költségeit és várható eredményét vetették össze. A kutatók szándékosan olyan modellparamétereket is alkalmaztak, amelyek a fizikai ellenőrzésnek kedveztek, így azt vizsgálták, hogy a PLV ilyen feltételek mellett is költséghatékonyabb marad-e.

Két PLV-változatot modelleztek. Az egyikben a referencia-szervereket a Bureau of Industry and Security, a chiptervezők vagy egy harmadik fél birtokolja és üzemelteti, a másikban felhőszolgáltatóktól bérlik ezeket.

A fizikai ellenőrzés egyetlen szimulációban sem nyert

A kutatók a módszereket az úgynevezett észlelésenkénti költség alapján hasonlították össze. Ez azt mutatja meg, hogy egy dollárnyi ráfordítással várhatóan hány eltérített chipet lehet azonosítani. A modellben 3 millió nyomon követett chippel számoltak, a teljes vizsgálat pedig 10,5 millió forgatókönyvet tartalmazott.

A CSET szerint a fizikai ellenőrzés egyik vizsgált forgatókönyvben sem ért el magasabb észlelésenkénti költséghatékonyságot a bérelt vagy a saját PLV-rendszernél. A legtöbb esetben mindkét PLV-változat egyértelműen jobb eredményt adott, a fennmaradó esetekben pedig döntetlen alakult ki.

A modell a fizikai ellenőrzésnél chipeként 9 és 48,80 dollár közötti költséggel számolt, ehhez klaszterenként és ellenőrzésenként további 2590 és 6050 dollár közötti költség társult. A PLV éves költsége a bérlésnél 2 592 987 és 72 427 200 dollár, a saját rendszer kiépítésénél pedig 3 093 801 és 28 805 814 dollár között alakult.

A nagyobb klaszterszám a PLV-nek kedvez

A bérelt PLV minden olyan forgatókönyvben egyértelműen felülmúlta a fizikai ellenőrzést, amelyben több mint 18 000 klaszter szerepelt. Ide tartoztak azok az esetek is, amelyekben a klaszterek között mindössze tíz chipet tartalmazók is voltak. A saját PLV-rendszer 11 000 klaszter felett teljesített jobban minden vizsgált esetben.

A CSET szerint a bérelt PLV észlelésenkénti költségének mediánja a fizikai ellenőrzés alsó becsléséhez képest hétszer magasabb volt az alsó, és 205-ször magasabb a felső becslésnél. A kutatók a kulcsfontosságú állandók érzékenységét is ellenőrizték, és arra jutottak, hogy az eredmény nem függött érzékenyen a választott értékektől. A vizsgálat alapján a szabályozók számára a PLV olyan megoldást kínálhat, amely nagy számú klaszter esetén kevesebb költséggel azonosít eltérített AI-chipeket, mint a rendszeres helyszíni ellenőrzés.