面向远程推理的物联网边缘轻量非显式数据混淆

基于物联网边缘生成的数据，在服务器级或云端后端执行深度神经网络进行推理是值得期待的，这主要由于边缘设备计算能力有限以及需要保护推理神经网络的机密性。然而，这种远程推理方案引发了关于边缘设备传输给好奇后端的推理数据隐私的担忧。本文提出一种在边缘设备上混淆推理数据的轻量且非显式方法。其轻量在于边缘设备仅需执行一个小规模神经网络；其非显式在于边缘设备无需指示是否应用了混淆。通过自由语音数字识别、手写数字识别和美国手语识别三个案例研究的广泛评估表明，我们的方法在有效保护推理数据原始形式机密性的同时，有效保持了后端的推理精度。