面向模型量化的安全性研究综述.pdfVIP

小型微型计算机系统2025年6月第6期

DOI:10.20009/ki.21-1106/TP.2024-0356

JournalofChineseComputerSystemsVol.46No.62025

面向模型量化的安全性研究综述

陈晋音12,曹志骐²,郑海斌1²,郑雅羽2

1（浙江工业大学网络空间安全研究院，杭州310023）

2（浙江工业大学信息工程学院，杭州310023）

E-mail;chenjinyin@zjut.edu.cn

摘要：随着边缘智能设备的飞速发展，为了在资源受限的边缘端设备上部署参数和存储需求巨大的深度模型，模型压缩技术

显得至关重要.现有的模型压缩主要包含剪枝、量化、知识蒸馏和低秩分解4类，量化凭借推理快、功耗低、存储少的优势，使它

成为了边缘端部署的常用技术.然而，已有的量化方法主要关注的是模型量化后的模型精度损失和内存占用情况，而忽略模型

量化可能面临的安全性威胁.因此，针对模型量化的安全性研究显得尤为重要.本文首次针对模型量化的安全性问题展开分析，

首先定义了模型量化的攻防理论，其次按照模型量化前和模型量化过程中两个阶段对量化攻击方法和量化防御方法进行分析

归纳，整理了针对不同攻击任务进行的通用基准数据集与主要评价指标，最后探讨了模型量化的安全性研究及其应用，以及未

来潜在研究方向，进一步推动模型量化的安全性研究发展和应用。

关键词：模型量化；模型安全；对抗攻击；后门攻击；隐私窃取；公平性；模型防御

中图分类号：TP183文献标识码：A文章编号：1000-1220(2025)06-1473-18

SecurityReviewofModelQuantificationMethods

CHENJinyin2,CAOZhiqi°,ZHENGHaibin2,ZHENGYayu?

1(InstituteofCyberspaceSecurity,ZhejiangUniversityofTechnology,Hangzhou310023,China)

2(CollegeofInformationEngineering,ZhejiangUniversityofTechnology,Hangzhou310023,China)

Abstract:Withtherapiddevelopmentofedgeintelligentdevices,modelcompressiontechniquesbecomecrucialinor-dertodeploy

deepmodelswithhugeparameterandstoragerequirementsonresource-constrainededge-enddevices.Existingmodelcompression

mainlycontainsfourcategories:pruning,quantization,knowledgedistillation,andlow-rankdecomposition.Quantizationmakesita

commontechniqueforedge-enddeploymentbyvirtueofitsfastinference,lowpowerconsumption,andlessstorageadvantages.How-

ever,existingquantizationmethodsmainlyfocusonthetrade-offbetweenmodelaccuracyandmemoryoccupationaftermodelquanti-

zation,whileignoringthesecuritythreatsthatmodelquantizationmayencounter.Therefore,securityresearchformodelquanti