基于神经元授权的边缘深度学习模型保护
密码学与安全
2023-03-24 v2 人工智能
摘要
随着深度学习处理器与加速器的发展，深度学习模型已作为物联网的一部分广泛部署于边缘设备。边缘设备模型通常被视为有价值的知识产权，值得精心保护。遗憾的是，这些模型面临被窃取或非法复制的巨大风险。现有使用加密算法的模型保护受限于高计算开销，因边缘设备计算能力有限而不切实际。在本工作中，我们提出一种轻量、实用且通用的神经元级边缘设备模型保护方法，记为 EdgePro。具体而言，我们选取若干神经元作为授权神经元，将其激活值设为锁定值，并在训练时将神经元输出缩放作为“密码”。EdgePro 通过确保模型仅在“密码”匹配时才能正确工作来保护模型，其代价是加密并存储“密码”信息而非整个模型。大量实验结果表明 EdgePro 能很好地完成不同模式数据集上的保护任务。EdgePro 的推理时间增量仅为最先进方法的 60%，且精度损失小于 1%。此外，EdgePro 对包括微调与剪枝在内的自适应攻击具有鲁棒性，使其在真实应用中更为实用。EdgePro 也已开源以促进未来研究：https://github.com/Leon022/Edg
引用
@article{arxiv.2303.12397,
title = {Edge Deep Learning Model Protection via Neuron Authorization},
author = {Jinyin Chen and Haibin Zheng and Tao Liu and Rongchang Li and Yao Cheng and Xuhong Zhang and Shouling Ji},
journal= {arXiv preprint arXiv:2303.12397},
year = {2023}
}