DeepFreeze：针对商用EdgeML设备的冷启动攻击与高保真模型恢复
密码学与安全
2021-08-04 v1
摘要
像英特尔神经计算棒2（NCS）这样的EdgeML加速器能够利用复杂的预训练模型实现高效的边缘端推理。模型被加载到主机（如树莓派）中，然后传输到NCS进行推理。在本文中，我们展示了对NCS实施的低成本、实用冷启动模型恢复攻击，以恢复从树莓派加载的模型架构和权重。架构恢复成功率为100%，权重恢复误差率为0.04%。恢复的模型与原始模型相比，最大精度损失为0.5%，并允许高保真地迁移对抗样本。我们进一步将研究扩展到文献中报道的其他冷启动攻击设置，这些设置具有更高的误差率，导致精度损失高达70%。然后，我们提出了一种基于知识蒸馏的方法来纠正恢复模型中的错误权重，即使在没有原始训练数据的情况下也能实现。所提出的攻击不受OpenVINO和NCS框架模型加密特性的影响。
引用
@article{arxiv.2108.01281,
title = {DeepFreeze: Cold Boot Attacks and High Fidelity Model Recovery on Commercial EdgeML Device},
author = {Yoo-Seung Won and Soham Chatterjee and Dirmanto Jap and Arindam Basu and Shivam Bhasin},
journal= {arXiv preprint arXiv:2108.01281},
year = {2021}
}
备注
9 pages, 8 figures