图谕金库：基于受信执行环境保护边 GNN 推理
密码学与安全
2025-02-24 v1 人工智能
摘要
在边缘设备上部署机器学习模型已使模型知识产权 (IP) 和数据隐私暴露于风险。我们提出 GNNVault，首个基于受信执行环境 (TEE) 的安全图神经网络 (GNN) 部署策略。GNNVault 遵循“训练前分区”设计，包含一个私有 GNN 矫正器，以补充公共 backbone 模型。如此一来，关键 GNN 模型参数和推理期间使用的私有图都受到受保护的 TEE 隔离区的保护。基于 Intel SGX 的实际实现表明，GNNVault 在不实质降低准确率 (<2%) 的情况下，能防御最新的链接窃取攻击。
引用
@article{arxiv.2502.15012,
title = {Graph in the Vault: Protecting Edge GNN Inference with Trusted Execution Environment},
author = {Ruyi Ding and Tianhong Xu and Aidong Adam Ding and Yunsi Fei},
journal= {arXiv preprint arXiv:2502.15012},
year = {2025}
}
备注
This work is accepted by DAC 2025