VeriSplit：跨物联网设备安全且实用的机器学习推理卸载
密码学与安全
2025-04-01 v2 人工智能
摘要
许多物联网设备依赖云端计算资源来执行机器学习推理。这成本高昂，并可能引发用户的隐私担忧。这些设备的消费者通常拥有配备图形加速器的硬件，如游戏主机和个人电脑，这些硬件能够执行此类计算，但可能长时间闲置。虽然这为云端卸载提供了一种引人注目的潜在替代方案，但对推理完整性、模型参数机密性以及用户数据隐私的担忧意味着设备供应商可能不愿将其推理任务卸载到由其他制造商管理的平台上。我们提出了 VeriSplit，一个用于将机器学习推理卸载到本地可用设备的框架，以解决这些问题。我们引入了掩码技术来保护数据隐私和模型机密性，并引入了一个基于承诺的验证协议来解决完整性问题。与许多旨在解决这些问题的先前工作不同，我们的方法不依赖于有限域元素上的计算，这可能会干扰硬件加速器上的浮点计算支持，并要求修改现有模型。我们实现了 VeriSplit 的原型，评估结果表明，与本地执行计算相比，我们的安全且私有的卸载解决方案可以将推理延迟降低 28%–83%。
引用
@article{arxiv.2406.00586,
title = {VeriSplit: Secure and Practical Offloading of Machine Learning Inferences across IoT Devices},
author = {Han Zhang and Zifan Wang and Mihir Dhamankar and Matt Fredrikson and Yuvraj Agarwal},
journal= {arXiv preprint arXiv:2406.00586},
year = {2025}
}