AIarXiv cs.CR (암호학·보안)AI 점수 80%
0단 자동
AI가 규칙대로 쓰고 그대로 게시했습니다. 사람이 따로 보지 않았습니다.
- 규칙 판
- 규칙 판 도입 이전 기사입니다.
- 남기는 것
- 규칙 판 · 모델 · 시각
- 판 기록
- 아직 없습니다.
Mind Your Boundaries: Boundary-Aware Model Obfuscation against Cross-node Attack (원문, 새 창)
AI 인사이트
대상 독자:개발자
- 결정경계의 곡률이 모델 강건성을 좌우한다는 점에 착안한 모델 난독화 기법 BMO 제안
- 널스페이스 제약으로 파라미터를 경계위치·경계곡률 성분으로 분해해 곡률에만 노이즈 주입
- 정상 정확도는 유지하면서 기기 간 결정경계를 다르게 만들어 전이 공격을 차단
- 4종 공격·4종 온디바이스 모델 실험에서 평균 방어성공률 68.68%로 기존 최고 기법 22.32%를 크게 상회
왜 중요한가
엣지 디바이스가 화이트박스로 노출돼도 결정경계를 기기별로 다르게 비틀면 한 기기의 공격이 다른 기기로 전이되지 못함을 보여, 대규모 온디바이스 AI 배포의 보안 설계에 실질적 지침을 준다.
언급 프로젝트
본문 미리보기
arXiv:2610.27135v1 Announce Type: new Abstract: With the advancement of powerful AI chips, on-device machine learning is gaining traction for its low latency and privacy protection. However, when edge devices are compromised, attackers can obtain white-box access to the deployed models by reversing the apps directly to obtain the knowledge of peer devices, which is known as Cross-Node Attacks, like performing efficient adversarial attacks. Most existing defenses target known vulnerabilities, ye
전체 내용이 궁금하다면?
arXiv cs.CR (암호학·보안)에서 원문을 직접 읽어보세요
공유
- #모델난독화
- #엣지AI
- #적대적공격방어
이 글이 만들어진 과정
- 11:34AI 초안