面向边缘AI计算的模型参数完整性校验与防篡改安全推理架构设计.docxVIP

PAGE2

面向边缘AI计算的模型参数完整性校验与防篡改安全推理架构设计

摘要

随着边缘计算与人工智能的深度融合，边缘AI推理在低延迟与数据隐私方面展现出显著优势。然而，边缘设备物理环境开放，极易遭受模型参数篡改、模型窃取及数据投毒等安全威胁。现有软件级防护难以抵御物理层攻击，导致推理架构存在严重安全隐患。

本课题旨在设计面向边缘AI计算的模型参数完整性校验与防篡改安全推理架构。核心方案提出基于轻量级增量哈希的参数校验机制，并结合可信执行环境构建安全隔离的推理执行空间，从而有效抵御物理窥探与恶意篡改。

全文遵循工程递进思路展开。第一章分析边缘AI安全痛点与需求；第二章论证轻量级哈希与硬件隔离技术的适用性；第三章细化功能与非功能需求；第四章规划安全世界与普通世界隔离的总体架构；第五章详细设计参数校验、隔离推理及防窃取算法；第六章展示系统核心代码与难点解决；第七章通过功能与性能测试验证架构有效性；第八章总结成果并展望未来。

本设计的创新点在于：将物理层防护与密码学哈希深度融合，提出增量参数校验算法降低开销，并设计动静结合的防模型窃取机制，为边缘AI提供全链路安全屏障。

第一章绪论

1.1研究背景

边缘AI计算将推理任务从云端下沉至终端设备，极大降低了网络传输延迟，并有效保护了用户数据的本地隐私。在智能安防、自动驾驶和工业物联网等场景中，边缘AI正发挥着不可替代的核心作用，成为