Batasan keamanan runtime untuk aplikasi AI seluler
Panduan teknis Yudun · Prinsip dan praktik teknik · Bahasa Indonesia
Aplikasi AI seluler sering kali menggabungkan model, runtime inferensi, SDK, antarmuka, dan keputusan bisnis. Memetakan tempat setiap aset dibuat, ditransfer, digunakan, dan diperbarui sebelum memutuskan apa yang harus dilindungi oleh klien.
Perlakukan model sebagai salah satu aset di antara banyak aset
Permintaan inventaris, prapemrosesan, pascapemrosesan, kredensial antarmuka, cache, log, serta input dan output pengguna di samping model.
Setiap aset memiliki kebutuhan kerahasiaan, integritas, dan ketersediaan yang berbeda.
- Model dan konfigurasi
- SDK dan runtime
- Antarmuka dan kredensial
- Input, output, dan log
Pisahkan tanggung jawab klien dan server
Klien dapat mendukung inferensi offline dan latensi rendah. Rahasia jangka panjang, otorisasi akun, dan keputusan bisnis berisiko tinggi lebih aman di bawah kendali server.
Sinyal klien adalah bukti, bukan kepercayaan mutlak.
Amankan jalur pembaruan
Model, runtime, dan versi aplikasi memerlukan kompatibilitas yang ditentukan. Verifikasi sumber pembaruan, integritas, rollback, dan jangkauan peluncuran.
Sistem harus mampu menghentikan model atau kebijakan yang cacat dibandingkan mempertahankannya tanpa batas waktu.
- Penyandingan versi
- Perbarui sumber
- Verifikasi integritas
- Pengembalian kegagalan
Publikasikan dalam batas bukti
Tanpa sampel terkini dan bukti runtime, publikasikan model ancaman, prinsip desain, dan daftar periksa penerimaan, bukan klaim bahwa ekstraksi atau modifikasi memori diblokir.
Verifikasi batas dengan kandidat pelepasliaran sebenarnya
Menyediakan tumpukan aplikasi, jalur kritis, dan jangkauan sistem target. Akun, aplikasi, dan detail proyek ditangani oleh platform Yudun pusat.