移动 AI 应用的运行时安全边界

御盾技术指南 · 技术原理与实操 · 简体中文

移动 AI 应用通常同时包含模型、推理运行时、SDK、接口和业务决策。安全设计应先画出这些资产在哪里生成、传输、使用和更新，再决定哪些部分由客户端保护。

模型只是资产清单的一部分

除模型文件外，还应盘点提示模板、预处理规则、后处理逻辑、接口凭据、缓存、日志和用户输入输出。

不同资产的保密、完整性和可用性目标不同，不应只用模型加密覆盖全部问题。

端侧适合承担低延迟推理和离线能力，但长期密钥、账号授权和高风险业务决策更适合由服务端控制。

客户端信号可以作为证据，不能被当作绝对可信结论。

模型、运行时和应用版本需要保持兼容关系。更新过程应验证来源、完整性、回退和灰度范围。

异常时要能停止使用有问题的模型或策略，而不是让客户端无限期保留旧版本。

没有当前样本和运行验证时，可以公开威胁模型、设计原则和验收清单，但不能声称某种注入、提取或内存修改已经被阻断。

提交应用的技术栈、关键路径与目标系统范围。登录、注册、申请和项目资料均由御盾中央平台承接。