論文の概要: Protecting CPU AI On Edge TEEs: WebAssembly's Promise and Practical Challenges
- arxiv url: http://arxiv.org/abs/2610.12050v1
- Date: Thu, 08 Oct 2026 14:35:27 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-10 02:36:54.079972
- Title: Protecting CPU AI On Edge TEEs: WebAssembly's Promise and Practical Challenges
- Title（参考訳）: Edge TEE上でCPU AIを保護する - WebAssemblyの約束と実践的課題
- Abstract要約: エッジハードウェア上のAIモデルは重要な知的財産権(IP)を含んでいるが、敵はルートアクセスを達成すればそれを盗むことができる。
Arm TrustZoneのようなTrusted Execution Environment(TEE)内で、修正されていないアプリケーションを実行するのは難しい。
この作業は、Arm TrustZone用のOP-TEEのWebAssembly Micro(WAMR)上でWebAssemblyにコンパイルされた、修正されていないAIモデルの実行を可能にするソリューションを提供する。
- 参考スコア（独自算出の注目度）: 2.4488474155474447
- License: http://creativecommons.org/licenses/by-sa/4.0/
- Abstract: AI models on edge hardware contain important intellectual property (IP), but an adversary can steal it when they achieve root access. Trusted Execution Environments (TEE) like Arm TrustZone protect against these Operating System (OS) level attacks. However, they are challenging to use. More precisely, it is difficult to run unaltered applications inside a TEE. This work presents a solution that allows the execution of unaltered AI models, compiled to WebAssembly, on the WebAssembly Micro Runtime (WAMR) in OP-TEE for Arm TrustZone. Additionally, this work provides an AI model distributor that encrypts the WebAssembly binary and places the encryption key in one of the device's fuses. This way, only the WAMR Trusted Application (TA) in OP-TEE can decrypt and execute the AI model. A thorough evaluation of our solution shows that it incurs an additional overhead of 22% in comparison to an application manually ported to OP-TEE, while also facilitating the execution of unaltered AI models with an additional inference latency of 6% without significant porting effort. Overall, there is a pressing need to safeguard the IP of AI models and this work shows that there is a real promise in WebAssembly, but there remain some practical challenges.
- Abstract（参考訳）: エッジハードウェア上のAIモデルは重要な知的財産権(IP)を含んでいるが、敵はルートアクセスを達成すればそれを盗むことができる。
Arm TrustZoneのようなTrusted Execution Environments (TEE)は、これらのOSレベルの攻撃から保護する。
しかし、彼らは使うのが難しい。
より正確には、TEE内で変更されていないアプリケーションを実行するのは難しい。
この作業は、Arm TrustZone用のOP-TEEのWebAssembly Micro Runtime(WAMR)上でWebAssemblyにコンパイルされた、修正されていないAIモデルの実行を可能にするソリューションを提供する。
さらに、この作業はWebAssemblyバイナリを暗号化し、暗号化キーをデバイスのヒューズのひとつに配置するAIモデルディストリビュータを提供する。
これにより、OP-TEEのWAMR Trusted Application(TA)のみが、AIモデルを復号化して実行することができる。
我々のソリューションの徹底的な評価は、OP-TEEに手動で移植されたアプリケーションと比較して22%のオーバヘッドを余分に生み出す一方で、追加の推論レイテンシで6%の遅延で修正されていないAIモデルの実行を容易にすることを示している。
全体としては、AIモデルのIPを保護する必要性が強く、この研究はWebAssemblyに本当の約束があることを示しているが、実際的な課題がいくつか残っている。
関連論文リスト
- EnclaveX: End-to-End Confidential AI with CPU/GPU TEEs [0.26249027950824505]
大規模言語モデル(LLM)は急速に普及し、AIアプリケーションの普及を促している。
ほとんどのデプロイメントは、Microsoft Azure、Google Cloud、AWSなどの集中型インフラストラクチャに依存しており、ユーザは機密データやトレーニング、微調整コードを共有する必要がある。
クラウドプロバイダは機密性と整合性を確保するために信頼しなければなりません。
我々は、(Intel TDXとAMD SEV-SNPによる)VMレベルでの機密性と整合性を保証するメカニズムとアプリケーションレベルでのアプリケーションレベルのセキュリティを保証するメカニズムを提案し、管理者が機密VMコンテンツにアクセスする能力などの脆弱性を強調した。
論文 参考訳（メタデータ） (2026-06-30T09:35:28Z) - ExploitGym: Can AI Agents Turn Security Vulnerabilities into Real Attacks? [92.21756459993695]
低レベルのプログラム推論を必要とするため、爆発は難しい作業です。
その重要性と診断価値にもかかわらず、搾取は未評価のままである。
ExploitGymは、AIエージェントのエクスプロイト能力に関する大規模で多様な、現実的なベンチマークである。
論文 参考訳（メタデータ） (2026-05-11T18:00:14Z) - WebAgentGuard: A Reasoning-Driven Guard Model for Detecting Prompt Injection Attacks in Web Agents [117.65855863464863]
Webエージェントはインジェクション攻撃に対して非常に脆弱である。
システム・プロンプト・ディフェンス(英語版)やエージェントの直接微調整を含む既存の防御は、効果が限られている。
本稿では,WebAgentGuardを導入し,インジェクション検出のためのマルチモーダルガードモデルを提案する。
論文 参考訳（メタデータ） (2026-04-14T04:50:35Z) - CaMeLs Can Use Computers Too: System-level Security for Computer Use Agents [60.98294016925157]
AIエージェントは、悪意のあるコンテンツがエージェントの行動をハイジャックして認証情報を盗んだり、金銭的損失を引き起こすような、インジェクション攻撃に弱い。
CUAのためのシングルショットプランニングでは、信頼できるプランナーが、潜在的に悪意のあるコンテンツを観察する前に、条件付きブランチで完全な実行グラフを生成する。
このアーキテクチャ分離は命令インジェクションを効果的に防止するが、ブランチステアリング攻撃を防ぐには追加の対策が必要であることを示す。
論文 参考訳（メタデータ） (2026-01-14T23:06:35Z) - SecureInfer: Heterogeneous TEE-GPU Architecture for Privacy-Critical Tensors for Large Language Model Deployment [9.666696979829359]
SecureInferは、計算集約的な操作を信頼できないアクセラレータにオフロードするフレームワークである。
LLaMA-2モデルを用いてSecureInferのプロトタイプを実装し,性能およびセキュリティ指標間で評価する。
論文 参考訳（メタデータ） (2025-10-22T19:17:31Z) - Cuckoo Attack: Stealthy and Persistent Attacks Against AI-IDE [64.47951172662745]
Cuckoo Attackは、悪意のあるペイロードを構成ファイルに埋め込むことで、ステルス性と永続的なコマンド実行を実現する新しい攻撃である。
攻撃パラダイムを初期感染と持続性という2つの段階に分類する。
当社は、ベンダーが製品のセキュリティを評価するために、実行可能な7つのチェックポイントを提供しています。
論文 参考訳（メタデータ） (2025-09-19T04:10:52Z) - Embedded Off-Switches for AI Compute [0.011407683290107266]
ハードウェアレベルのオフスイッチは、各AIアクセラレータに数千の独立した“セキュリティブロック”を組み込む。
メインセキュリティブロックは、公開鍵暗号を使用して、認証ライセンスの信頼性をチェックする。
さらなるセキュリティブロックのバリエーションは、より堅牢性を高めるために追加できる。
論文 参考訳（メタデータ） (2025-09-09T12:04:24Z) - Security Challenges in AI Agent Deployment: Insights from a Large Scale Public Competition [101.86739402748995]
44の現実的なデプロイメントシナリオを対象とした,22のフロンティアAIエージェントを対象にしています。
Agent Red Teamingベンチマークを構築し、19の最先端モデルで評価します。
私たちの発見は、今日のAIエージェントの重要かつ永続的な脆弱性を浮き彫りにしたものです。
論文 参考訳（メタデータ） (2025-07-28T05:13:04Z) - AI2Agent: An End-to-End Framework for Deploying AI Projects as Autonomous Agents [15.802600809497097]
本稿では、ガイドライン駆動実行を通じてAIプロジェクトのデプロイメントを自動化するエンドツーエンドフレームワークであるAI2Agentを紹介する。
我々は、TTS、テキスト・ツー・イメージ生成、画像編集、その他のAIアプリケーションをカバーする、30のAIデプロイメントケースの実験を行った。
その結果、AI2Agentはデプロイメント時間を大幅に短縮し、成功率を向上させることがわかった。
論文 参考訳（メタデータ） (2025-03-31T10:58:34Z) - Ascend-CC: Confidential Computing on Heterogeneous NPU for Emerging Generative AI Workloads [1.8633238548765558]
クラウドワークロードは、大規模言語モデル(LLM)に基づいた生成AIを支配している
GPU、NPU、TPUといった特殊なハードウェアアクセラレータは、汎用CPUよりも優れたパフォーマンスのため、AIの採用において重要な役割を果たす。
AIモデルとデータは、しばしば非常に敏感で、相互に不信な関係者から来ています。
本稿では,ホストシステムへの信頼を必要としない離散NPUデバイスに基づく秘密計算アーキテクチャAscend-CCを提案する。
論文 参考訳（メタデータ） (2024-07-16T16:17:28Z) - A LLM Assisted Exploitation of AI-Guardian [57.572998144258705]
IEEE S&P 2023で発表された敵に対する最近の防衛であるAI-Guardianの堅牢性を評価する。
我々は、このモデルを攻撃するためのコードを書かず、代わりに、GPT-4に命令とガイダンスに従って全ての攻撃アルゴリズムを実装するよう促します。
このプロセスは驚くほど効果的で効率的であり、言語モデルでは、この論文の著者が実行したよりも高速に曖昧な命令からコードを生成することもあった。
論文 参考訳（メタデータ） (2023-07-20T17:33:25Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。