御盾端側模型加密為什麼不能替代介面鑑權
拆分模型檔案、推理執行時、API 憑據、服務端授權、完整性訊號與日誌責任，給出移動 AI 應用的分層安全架構和驗證清單。
別讓模型、金鑰和介面成為移動 AI 的洩漏點
御盾把端側模型、推理執行時、API 憑據、輸入輸出和更新鏈分開處理：客戶端保護高價值程式碼與資源，高許可權金鑰和最終授權留在服務端，並透過版本與釋出驗證控制風險。
你的 App 是否正遇到這些問題
- 模型或配置隨安裝包下發後可以被複制和替換
- 長期模型 API Key 被打進 APK、IPA 或 SO
- 仿冒客戶端持續呼叫介面，產生額度盜刷和成本失控
- 模型、執行時和 App 版本不一致導致線上異常
御盾如何處理
端側模型與執行時保護
針對模型資源、預後處理邏輯和推理呼叫路徑設計客戶端保護範圍。
介面與憑據邊界
協助把長期高許可權金鑰移出客戶端，採用短期、限權憑據和服務端授權。
模型版本與釋出驗證
核對模型、執行時和 App 的版本關係，準備異常停用、灰度和回滾路徑。
本次公開了什麼
- 客戶端只申請短期、限權憑據，不儲存長期模型主金鑰
- 模型呼叫透過服務端代理或受控閘道器執行
- 結合請求繫結、限額、呼叫記錄與成本監控發現異常
說明： 這是公開風險場景與架構方案，不是客戶事故、攔截率或費用節省資料。
從評估到交付
檢視交付方法- 01
拆分風險
區分模型、執行時、憑據、介面和輸入輸出，不用“模型加密”概括全部問題。
- 02
確定端雲邊界
確認哪些資產留在端側，哪些金鑰與高風險動作必須由服務端控制。
- 03
驗證交付
測試模型與 App 版本配對、介面許可權、異常停用和回滾。
購買前常見問題
模型檔案加密後是否就安全？
不是。模型在執行時需要被使用，輸入輸出、記憶體材料、呼叫介面和金鑰仍然可能形成風險。
API Key 可以放在移動 App 中嗎？
不應把長期高許可權金鑰作為客戶端秘密。更穩妥的方式是由服務端代理、限權、輪換並記錄呼叫。
AI 推理必須全部放在服務端嗎？
不一定。端側推理可以降低延遲並改善隱私，但需要額外處理模型交付、版本、裝置資源和執行材料風險。
什麼情況下可以聲稱 AI 防護已驗證？
需要明確候選版本、驗證方法、覆蓋場景和未覆蓋項。只有概念設計或靜態觀察時不能寫成執行驗證透過。
安全標準與平臺依據
- Apple Core ML
端側模型整合與執行邊界
- Google AI Edge LiteRT
端側推理執行時與模型交付背景
- OWASP MASVS
移動應用安全控制與驗證範圍
- Android 安全最佳實踐
Android 應用安全設計與釋出邊界
- Apple Platform Security
Apple 平臺程式碼簽名與執行安全背景