Une défense appelée Boundary-Aware Model Obfuscation (BMO) a atteint un taux moyen de réussite de défense de 68,68 % contre des attaques adversariales dans un article de Yihui Jin publié le 19 octobre 2026. La meilleure défense de référence a atteint 22,32 %. L’approche cible une faiblesse de l’apprentissage automatique sur appareil : un appareil compromis peut exposer des modèles qui aident les attaquants à cibler d’autres appareils.
Exécuter l’apprentissage automatique sur des appareils offre une faible latence et une protection de la vie privée, mais une compromission peut s’étendre au-delà d’un seul appareil. Les attaquants peuvent rétroconcevoir des applications pour obtenir un accès en boîte blanche aux modèles déployés et extraire des connaissances sur les modèles présents sur des appareils pairs. L’article décrit cela comme une attaque inter-nœuds, dans laquelle un appareil compromis peut menacer
Article produit avec l’assistance de l’intelligence artificielle et relu par l’équipe éditoriale.




