Eine Verteidigung namens Boundary-Aware Model Obfuscation (BMO) erreichte eine durchschnittliche Erfolgsrate von 68,68 % gegen adversarielle Angriffe in einer Arbeit von Yihui Jin, die am 19. Oktober 2026 veröffentlicht wurde. Die stärkste Basisverteidigung erreichte 22,32 %. Der Ansatz zielt auf eine Schwachstelle beim On-Device-Maschinellen Lernen ab: Ein kompromittiertes Gerät kann Modelle offenlegen, die Angreifern helfen, andere Geräte ins Visier zu nehmen.
Die Ausführung von maschinellem Lernen auf Geräten bietet niedrige Latenz und Schutz der Privatsphäre, aber eine Kompromittierung kann sich über ein einzelnes Gerät hinaus ausweiten. Angreifer können Anwendungen rückentwickeln, um White-Box-Zugriff auf bereitgestellte Modelle zu erhalten und Wissen über Modelle auf Peer-Geräten zu extrahieren. Die Arbeit beschreibt dies als einen Cross-Node-Angriff, bei dem ein kompromittiertes Gerät eine Bedrohung darstellen kann
Artikel erstellt mit Unterstützung künstlicher Intelligenz und von der Redaktion überprüft.




