TensorShield：利用 TEE 屏蔽关键 DNN 张量以保护设备端推理
密码学与安全
2025-05-30 v1
摘要
为了保护用户数据隐私，设备端推理已成为移动与物联网设备上的重要范式。该范式涉及在本地设备上部署由第三方提供的模型以执行推理任务。然而，这将私有模型暴露于两大主要安全威胁：模型窃取（MS）与成员推理攻击（MIA）。为了降低这些风险，现有方法将模型部署在可信执行环境（TEEs）中，这是一个安全的隔离执行空间。尽管如此，TEE 中受限的安全内存容量使得在实现低推理延迟的同时保障完整模型安全面临挑战。本文通过 TensorShield 填补了这一空白，这是首个高效的设备端推理工作，它屏蔽模型的部分张量，同时仍能全面防御 MS 与 MIA。TensorShield 的关键使能技术包括： 一种新颖的可解释 AI（XAI）技术，利用模型的注意力转移来评估关键张量并将其屏蔽在 TEE 中以实现安全推理； 两种包含关键特征识别与延迟感知放置的精细设计，以在维持安全性的同时加速推理。广泛的评估表明，TensorShield 提供了与将整个模型屏蔽在 TEE 内几乎相同的安全保护，同时比最先进的工作快达 25.35（平均 5.85），且无精度损失。
引用
@article{arxiv.2505.22735,
title = {TensorShield: Safeguarding On-Device Inference by Shielding Critical DNN Tensors with TEE},
author = {Tong Sun and Bowen Jiang and Hailong Lin and Borui Li and Yixiao Teng and Yi Gao and Wei Dong},
journal= {arXiv preprint arXiv:2505.22735},
year = {2025}
}