據 Enterprise Management Associates 稱，預計未來幾年將有超過 600 億臺智能設備上線。更令人興奮的是在智能物聯(lián)網設備中實現(xiàn)的處理能力和智能水平。工廠和樓宇控制系統(tǒng)、醫(yī)療設備、自動駕駛汽車和機器以及家庭解決方案等系統(tǒng)將以前所未有的數量在邊緣應用機器學習 （ML） 和人工智能 （AI）。事實上，Gartner 預測邊緣計算將處理 75% 的所有生成數據。使我們的工業(yè)世界更智能、更安全、更高效的能力正在呈指數級增長。

雖然這一發(fā)展令人興奮，但它強調了網絡邊緣安全性的日益重要。執(zhí)行關鍵任務任務的聯(lián)網物聯(lián)網設備的日益普及意味著存在比以往更多的易受攻擊的接入點。為了享受“智能”設備帶來的好處，尤其是那些在其應用程序中實施 ML 和 AI 的設備，保護代表解決方案價值的很大一部分（如果不是全部）的關鍵知識產權變得至關重要。產品本身還必須內置更多的互連性，需要訪問互聯(lián)網以接收人工智能模型、固件或文件系統(tǒng)的關鍵更新。雖然數據中心可能被認為可以免受外部入侵，但物聯(lián)網設備的暴露程度要高得多，

物聯(lián)網設備開發(fā)人員需要確保他們的產品在制造過程中不受攻擊、安全可靠，并且能夠在產品的整個生命周期內得到安全管理。如果沒有適當地實施物聯(lián)網安全，供應商可能會損害他們的產品、信譽和品牌，以及失去關鍵知識產權。這種關鍵方法的最前沿是邊緣的保護 AI 模型。

在智能設備上保護 AI 模型（驗證模型是否真實并使其免受威脅）的方法可能會有所不同，具體取決于硬件及其應用程序的性質。需要考慮的因素包括：

可用于容納和加密模型或應用程序的內存

周圍環(huán)境中的風險級別（例如，該模型是否會與同一設備上的其他不太受信任的應用程序共存？）

用于執(zhí)行應用程序的硬件（例如，GPU 是否參與運行 AI 模型并提供推理？）

在了解環(huán)境后，開發(fā)人員可以使用針對需求優(yōu)化的方法來保護邊緣的 AI。以下是一些最佳實踐示例。

靜態(tài)加密應用程序

此方法在設備未主動使用模型時保護模型。這種方法涉及將模型的加密版本存儲在非易失性存儲器中。每當需要模型時，都會對其進行身份驗證和解密。一旦推理完成，任何未加密的數據都會從易失性存儲器中刪除。這大大減少了模型暴露的時間以及相關的攻擊面。

使用 ARM? TrustZone? 隔離模型

在 ARM TrustZone 架構中，可以將模型的敏感部分存放在內存的安全分區(qū)或安全飛地中。使用這種方法，模型永遠不會暴露在不安全的應用程序環(huán)境中（例如 Linux）。這種方法需要在安全區(qū)域分配內存和一些開發(fā)時間來構建應用程序以符合安全飛地規(guī)范，但這是保護 AI 模型的最安全方法。

使模型能夠使用虛擬化訪問多個硬件塊和運行時環(huán)境

如果使用專用硬件（例如 GPU）運行模型，則模型可能位于一個虛擬環(huán)境（例如 Linux）中，并由另一個可以訪問硬件 （GPU） 的環(huán)境訪問以進行處理和生成推理。使用虛擬化，可以對應用程序進行身份驗證、解密，然后在隔離虛擬機中的專用環(huán)境中運行。運行模型只能由具有 GPU 訪問權限的隔離環(huán)境訪問，并將推理安全地發(fā)送到包含加密模型的運行時環(huán)境。

由于端點設備面臨大量潛在的物聯(lián)網安全威脅，制造商和集成商必須繼續(xù)專注于尋找一流的安全策略和能夠鎖定其產品和其中包含的 IP 的產品，因為它根本無法被妥協(xié)。諸如此類的 AI 模型保護方法為智能設備帶來了安全性，并開啟了邊緣智能的新時代。

審核編輯：郭婷