Autonomy in Check: Governor-Mediated Adaptive Security at the Edge
该论文关注网络边缘场景下自适应安全机制的一个根本性风险：随着自动化规划器（规则式控制器、学习型策略、LLM 辅助智能体）越来越多地把观测结果直接转化为执行动作，一旦规划器能够影响实时策略状态，仅靠语法层面的合法性校验已不足以保障安全。一个由
#edge-security
共收录 4 条相关情报。
← 返回所有主题Robust Industrial Cyber Physical Classification Using Neuromorphic Temporal Embeddings and Hybrid SNN XGBoost Under Machine Unlearning Attacks
该论文关注电力配电网数字化带来的安全后果：工控与关键基础设施侧的网络暴露面扩大，而现有入侵检测系统（IDS）多依赖计算开销大的深度学习模型，难以在边缘侧部署；同时，为适应数据分布漂移而进行的周期性重训练，又使模型暴露于「机器遗忘攻击」（ma
Model Multiplicity for Adversarial Detection in Small Language Model Training on Edge Devices
本文针对边缘设备上小语言模型（SLM）分布式微调面临的安全挑战，提出了一种基于模型多样性的系统级防御机制。研究背景是，随着边缘机器学习的发展，语言模型在移动和物联网设备上的分布式部署虽能保护隐私并实现实时响应，但不可信或异构的边缘节点可能注
Verifiable and Confidential DNN Inference on Low-End Edge Devices
本文针对低端边缘设备上部署深度神经网络（DNN）推理时面临的两个关键挑战：模型机密性保护（防止被受损的边缘系统窃取）和可验证推理（确保推理结果正确且未被篡改）。现有方案要么将部分模型和推理软件置于可信执行环境（TEE）中，导致高成本和依赖于