17、标准化 AI 架构下的安全 TinyML 探索

标准化 AI 架构下的安全 TinyML 探索

1. 研究聚焦方向

在 TinyML 相关研究中，主要聚焦于以下几个方面：
- 由多个协作模块组成，可能运行在多个设备上的复杂应用。
- 专门（或主要）在受限的远端边缘设备上执行的系统。
- 系统从单设备层面到本地设备网络，再到与云等外部通信的端到端安全。

2. TinyML 系统概述

TinyML 旨在以几毫瓦的功耗运行。为实现这一目标，相关设备会利用硬件加速和电源管理模块来优化系统的能源效率。同时，TinyML 使用的软件需尽可能紧凑，以减少 RAM 需求和功耗。此外，还需优化机器学习模型，以便在资源受限的情况下提供更高的准确性。当这些条件满足时，基于物联网的嵌入式边缘设备可以在不依赖云的情况下执行一系列任务。

TinyML 系统通常包括能量收集（EH）边缘设备、电池供电的嵌入式边缘设备、传感器等，这些设备的 RAM 通常只能存储几十到几百 KB 的数据。

在研究处理受限智能设备执行机器学习（及广义的人工智能）的工作时，提出了以下几个问题：
1. Q1 ：在所研究的系统中，人工智能是在终端设备、边缘设备还是两者上执行？
2. Q2 ：人工智能是否用于优化某些系统行为（例如设备与边缘之间的通信、能源等）？
3. Q3 ：人工智能是否用于“正常”的系统操作（例如图像或声音识别）？
4. Q4 ：具备人工智能功能的设备之间是否存在协作？

3. Tiny