设备绑定无密钥存储的硬件 AI 模型 IP 保护：一种 PUF 与置换扩散加密赋能的方法
密码学与安全
2022-12-22 v1
摘要
机器学习即服务（MLaaS）框架为本地设备提供智能服务或训练良好的人工智能（AI）模型。然而，在模型传输与部署过程中存在安全问题，即由于不可靠的传输环境导致 AI 模型泄露，以及本地设备未经许可的非法滥用。尽管现有工作研究了 AI 模型的知识产权（IP）保护，但主要聚焦于基于水印与基于加密的方法，并存在以下问题：（i）基于水印的方法仅提供事后被动验证而非主动保护。（ii）基于加密的方法计算效率低且密钥存储安全性低。（iii）现有方法非设备绑定，无法避免 AI 模型的非法滥用。为解决这些问题，我们提出一种设备绑定且无密钥存储的硬件 AI 模型 IP 保护机制。首先，提出基于物理不可克隆函数（PUF）与置换扩散加密的 AI 模型保护框架，包括基于 PUF 的密钥生成与基于几何值变换的权重加密。其次，我们设计基于 PUF 的密钥生成协议，采用基于延时的 Anderson PUF 生成派生绑定密钥。此外，结合卷积编码与卷积交织技术以提升基于 PUF 的密钥生成与重建的稳定性。第三，提出基于置换与扩散的智能模型权重加密/解密方法以实现有效 IP 保护，其中利用混沌理论将基于 PUF 的密钥转换为加密/解密密钥。最后，实验评估证明了所提智能模型 IP 保护机制的有效性。
引用
@article{arxiv.2212.11133,
title = {Device-Bind Key-Storageless Hardware AI Model IP Protection: A PUF and Permute-Diffusion Encryption-Enabled Approach},
author = {Qianqian Pan and Mianxiong Dong and Kaoru Ota and Jun Wu},
journal= {arXiv preprint arXiv:2212.11133},
year = {2022}
}
备注
12 pages, 9 figures, 4 tables