海报：移动应用的海绵机器学习模型攻击

机器学习（ML）驱动的应用被用于手机、平板、智能手表和物联网设备等普适设备中。协作式分布式 ML（如联邦学习（FL））的最新进展试图解决用户和数据所有者的隐私担忧，因此被 Google、Facebook 和 Apple 等科技行业领导者所采用。然而，FL 系统和模型仍然易受对抗性成员推断、属性推断和模型投毒攻击，尤其是在近期提出的 FL 即服务生态系统中，这可能使攻击者能够访问多个 ML 驱动的应用。在本工作中，我们关注近期提出的海绵攻击（Sponge attack）：它旨在吸收执行 ML 模型推理（而非训练）时所消耗的能量，同时不妨碍分类器的性能。近期工作表明，针对启用 ASCI 的 GPU 上的海绵攻击可能潜在地加剧功耗和推理时间。在本工作中，我们首次在移动场景下研究该攻击，并测量其对运行于移动设备应用内 ML 模型的影响。