边缘智能中模型分割推理的隐私泄露风险与TEE协同防护.docxVIP

PAGE2

边缘智能中模型分割推理的隐私泄露风险与TEE协同防护

摘要

随着物联网设备生成海量数据，传统云端集中式推理面临高延迟与带宽瓶颈，边缘计算与深度神经网络（DNN）结合的边缘智能成为必然趋势。为突破终端算力极限，模型分割推理技术应运而生，将DNN计算任务拆分至端侧与边缘服务器协同执行。然而，这种架构在提升效率的同时，引入了严峻的中间层特征隐私泄露风险。

本报告聚焦物联网边缘智能领域，系统剖析DNN模型在端-边分割执行时的安全痛点，并提出基于可信执行环境（TEE）的协同防护方案。报告遵循“概况→环境→现状→竞争→需求→趋势→机会→建议”的递进逻辑展开。首先界定边缘智能与模型分割推理的行业边界，指出其作为物联网基础设施的核心地位。随后，分析宏观经济与政策环境对隐私计算及边缘安全产业的驱动作用。

在产业链与现状部分，报告指出全球边缘计算市场规模持续扩张，据GrandViewResearch数据，2023年全球边缘计算市场规模约为1576亿美元，预计从2024年到2030年将以超过37%的复合年增长率增长。其中，模型分割推理作为关键细分市场，正经历从理论验证向规模化部署的过渡。但当前产业链在安全特征传递环节存在显著薄弱点。

竞争格局方面，市场呈现芯片厂商、云服务提供商与电信运营商三足鼎立的态势，ARM、Intel与华为等头部企业正加速在TEE与边缘AI融合领域的布局。需求