El Akida AKD1000 de BrainChip ilustra el potencial de la inteligencia neuromórfica para sistemas embebidos, mientras que Chipus Quantum aparece citado como ejemplo de trabajo orientado a una infraestructura de seguridad más robusta. Estas arquitecturas inspiradas en el cerebro pueden mejorar la eficiencia de procesamiento al combinar memoria y cómputo en la misma estructura, pero su diseño poco convencional introduce riesgos de seguridad que las protecciones habituales no necesariamente cubren.

Así lo plantea el análisis firmado por Venus Kohli, que sostiene que estos chips todavía no maduran en materia de seguridad pese a su notable eficiencia de procesamiento.

¿Cómo funciona un chip neuromórfico?

Estos chips utilizan redes neuronales de picos, dirigidas por eventos. Las neuronas permanecen inactivas hasta que las señales entrantes se acumulan por sobre un umbral determinado. Recién entonces se emite un pulso eléctrico breve, un pico, que pasa a otra neurona.

El resultado es una reducción del cómputo innecesario y del consumo energético, lo que vuelve a estas arquitecturas especialmente atractivas para dispositivos embebidos con recursos limitados. Ese es justamente el terreno donde operan la mayoría de los nodos de IoT industrial y los sensores desplegados en terreno.

¿Por qué la eficiencia se transforma en vulnerabilidad?

Porque esa misma actividad eléctrica entrega información al atacante. Las técnicas de canal lateral permiten monitorear efectos medibles como el consumo de energía, las fluctuaciones de tensión y la interferencia electromagnética. Los patrones de picos que se repiten pueden revelar el comportamiento computacional del chip, y los cambios en el uso de energía podrían llegar a exponer pesos almacenados, parámetros del modelo u otra información sensible.

A eso se suman otras dos familias de ataque. Los de inyección de fallos introducen errores de forma deliberada mediante fallas de tensión, interferencia electromagnética o inyección por láser. Y los troyanos de hardware consisten en modificaciones maliciosas incorporadas durante la fabricación o en algún otro punto de la cadena de suministro, capaces de alterar los pesos de la red, corromper el procesamiento o habilitar accesos no autorizados.

Tipo de ataqueQué explotaQué queda expuesto
Canal lateralConsumo, tensión, interferencia electromagnéticaPesos, parámetros del modelo, comportamiento de cómputo
Inyección de fallosFallas de tensión, interferencia, láserIntegridad del resultado del procesamiento
Troyano de hardwareCadena de suministro y fabricaciónPesos alterados, acceso no autorizado

¿Qué defensas se están proponiendo?

Las protecciones necesitan operar a nivel de hardware, y no solo por software. Entre los enfoques sugeridos aparecen las funciones físicas no clonables, los entornos de ejecución confiables y los crossbars de memristores tolerantes a fallos.

También se plantea recurrir a técnicas de aprendizaje automático para identificar comportamientos anómalos: entrenamiento adversarial, monitoreo de la firma de consumo eléctrico, y regularización tanto de la post activación como de los trenes de picos.

Qué está en juego en el despliegue

A medida que la computación neuromórfica avanza, la seguridad pasará a pesar tanto como la eficiencia. El análisis sostiene que harán falta protecciones incorporadas más sólidas, incluidas capacidades de criptografía post cuántica, para evitar que los ataques emergentes terminen anulando los beneficios de estos sistemas embebidos de bajo consumo.

La advertencia tiene un destinatario concreto en la región. Buena parte de los proyectos de sensórica industrial, agricultura de precisión y monitoreo remoto que se están armando en Chile y en el resto de LatAm apuntan justamente a lo que ofrece este tipo de silicio: inferencia en el dispositivo, sin conexión permanente y con un consumo que permite operar con batería o panel solar. Son también, por definición, equipos instalados en lugares físicamente accesibles y sin supervisión, es decir, el escenario ideal para los tres vectores descritos más arriba.