Securing Edge AI and Embedded Intelligence

• 对嵌入式系统或边缘AI部署环境的理解
• 具备Python和ML框架（例如TensorFlow Lite、PyTorch Mobile）的经验
• 对网路安全或物联网威胁模型的基本了解

受众

• 嵌入式AI开发者
• 物联网安全专家
• 在边缘或受限设备上部署ML模型的工程师

保护Edge AI与嵌入式智能是指保护机器学习模型和数据在受限且通常物理暴露的环境中的实践，例如无人机、传感器、智能摄像头和自主系统。

本课程为讲师指导的培训（线上或线下），面向中级工程师和安全专业人员，旨在帮助他们保护部署在边缘的AI模型，抵御篡改、数据泄露、对抗性输入和物理攻击等威胁。

在本课程结束时，学员将能够：

• 识别并评估边缘AI部署中的安全风险。
• 应用防篡改和加密推理技术。
• 加固边缘部署的模型并保护数据管道。
• 实施针对嵌入式及受限系统的威胁缓解策略。

课程形式

• 互动式讲座与讨论。
• 大量练习与实践。
• 在实验室环境中的实际操作。

课程定制选项

• 如需为本课程定制培训，请联系我们安排。

Edge AI 和 Embedded Systems 简介

• Edge AI 是什么？用例和限制
• 边缘硬件平台和软件堆栈
• 嵌入式和去中心化环境中的安全挑战

Edge AI 的威胁态势

• 物理访问和篡改风险
• 对抗性示例和模型操纵
• 数据泄露和模型反演威胁

模型安全

• 模型加固和量化策略
• 水印和指纹识别模型
• 防御性蒸馏和剪枝

加密推理与安全执行

• AI 的受信任执行环境 (TEEs)
• 安全飞地和机密计算
• 使用同态加密或 SMPC 进行加密推理

篡改检测与设备级控制

• 安全启动和固件完整性检查
• 传感器验证和异常检测
• 远程认证和设备健康监控

边缘到 Cloud Security 的集成

• 安全数据传输和密钥管理
• 端到端加密和数据生命周期保护
• 具有边缘安全约束的云 AI 编排

最佳实践与风险缓解策略

• 边缘 AI 系统的威胁建模
• 嵌入式智能的安全设计原则
• 事件响应和固件更新管理

总结与下一步