18、迈向标准化AI架构下的安全TinyML及智能农业应用探索

迈向标准化AI架构下的安全TinyML及智能农业应用探索

前沿研究概览

在当前的研究领域中，多篇论文聚焦于不同的技术方向。P16论文为实现工业4.0的垂直和水平集成，提出了基于边缘计算的工业网关（EC - IG），该网关用于连接信息技术和运营技术，能将计算资源和数据存储靠近数据源，提升安全性和系统效率。P17论文关注医疗保健应用中物联网（IoT）的安全和隐私问题，强调实施安全框架的挑战，并提出了医疗物联网（HioT）的安全和隐私架构。P18论文从以人为中心的视角探讨边缘AI的应用，提出了开发以人为中心的嵌入式机器学习（HC - EML）应用的流程，还分析了HC - EML应用的隐私、可信度、鲁棒性和安全性等方面。

安全TinyML技术现状与研究缺口

• 技术现状观察
  1. 许多边缘AI系统仍依赖强大的边缘节点甚至云作为处理复杂AI任务的基础组件。
  2. 基于受限设备（TinyML）的系统架构往往较为简单，终端设备单独执行简单的机器学习任务（如图像分类），然后将结果传输到上层系统组件（如边缘服务器）进行存储和分析。
  3. 存在多种模型优化技术，使得在高度受限的设备上存储AI模型并进行推理成为可能。
  4. TinyML系统的安全继承了更广泛的机器学习安全领域中保护AI模型知识产权的方法，如水印、混淆、加密等。
  5. 可采用轻量级加密技术进行通信的认证、机密性和完整性保护，利用硬件支持的可信执行环境（TEE）保证单个设备内的安全性。
• 研究缺口总结