엣지 AI 가속기에서 실행되는 LLM 추론이 레이저 전압 이미징 같은 물리적 사이드채널 공격에 취약하다는 사실을 보여준 연구다. 연구진은 FPGA 기반 LLM 가속기를 대상으로 임베딩, 어텐션, 양자화된 MLP 가중치·활성값 등 추론 중 자산을 메모리와 연산 서브회로에서 프로빙해 완전히 복원하는 데 성공했다. 가속기가 주소·타일·모듈·레이어에 걸쳐 동일한 버퍼와 연산 회로를 재사용하는 구조적 특성이 공격을 가능하게 하며, 일부 가중치나 비트를 읽지 못해도 자산을 복원할 수 있는 방법론도 함께 제시했다. 이미징 노력이 자산 크기에 선형적으로 비례한다는 하한도 도출해, 엣지 AI 하드웨어 보안 설계에 시사점을 준다.

• •레이저 전압 이미징으로 엣지 AI 가속기의 LLM 추론 자산(임베딩·어텐션·가중치 등)을 물리적으로 추출
• •FPGA 기반 LLM 가속기에서 표적 자산 완전 복원 실증
• •버퍼·연산 회로가 주소·타일·모듈·레이어 간 재사용되는 구조가 공격의 근본 원인
• •일부 가중치·비트 미확보 시에도 자산을 복원하는 방법론 제시
• •이미징 노력이 자산 크기에 선형 비례한다는 하한 도출