Un nouveau dépôt GitHub intitulé "Awesome Mobile On-Device AI Security" a été curated pour servir de feuille de route pour la recherche en sécurité concernant les modèles d'IA s'exécutant localement sur des appareils mobiles.
La ressource couvre les runtimes d'IA mobile, notamment TFLite/LiteRT, Core ML, ExecuTorch et ONNX. Elle détaille les surfaces d'attaque telles que les attaques adversariales, les backdoors, le vol de modèles et les attaques énergie-latence. Les défenses listées incluent l'obfuscation de modèle, l'autorisation, les TEEs et le watermarquing. Le dépôt fournit également une feuille de route de lecture, une taxonomie, des problèmes ouverts et des directions émergentes.
L'auteur invite aux commentaires sur les articles manquants, la clarté de la taxonomie et l'utilité du parcours de lecture minimal de la première semaine pour les débutants.