本文针对AI系统在可信根（RoT）认证后、权重在执行路径上可能被篡改的TOCTOU安全问题，提出SILK机制。RoT认证通常只在加载时验证DNN模型，但权重在被计算引擎消耗前会经过DRAM、DMA、互连和预取等多条路径，攻击者可在此路径上修改权重，而不影响已认证的模型镜像，导致实际使用的权重与认证时不一致。SILK在权重进入计算的最后边界进行流式完整性验证。它利用量化权重的LSB位作为密钥完整性位，并建立跨权重字节的依赖链，使得任何局部修改都会扰动多个完整性检查。一个轻量级的流式检查器无需附加认证标签即可重新计算这些检查，并通过提交门控机制阻止未经验证的权重被计算。在安全伪随机函数（PRF）假设下，伪造概率随受影响检查数量呈指数下降，实测未命中率与分析界限一致。在功能攻击套件中，SILK检测所有流修改实例。对于INT8，在测试的CNN上质量损失最多0.76个百分点，在8个LLM上困惑度增加最多0.17；INT4和MXFP4可通过检查稀疏性提供可配置的安全质量权衡。在Xilinx ZCU102上，参考流水线实现吞吐量756MB/s，面积成本仅为Caliptra 2.x RoT的1.00%，而配置为每次尝试伪造概率2^-128时仍能保持678MB/s，成本为6.15%。该研究为AI推理路径提供了一种低开销的完整性保障方案，适合硬件安全设计者和AI系统架构师参考。