技术博客

模型压缩技术在边缘设备部署中的安全基线验证方法

本文探讨了将深度神经网络模型压缩后部署至边缘设备时面临的安全挑战，并提出了一套结合鲁棒性评估与运行时监测的安全基线验证框架。我们实现了一个完整的Python项目，核心功能包括：利用量化与剪枝对预训练模型进行压缩；使用对抗样本攻击（FGSM， PGD）量化模型鲁棒性下降程度；集成基于特征统计的运行时异常检测器。该项目提供了从模型压缩、安全攻击到基线验证的一站式流程，包含可运行的代码、可视化评估及量化...