具身智能企业需要长期保护感知、决策和运动控制模型。当模型随推理机进入客户现场,并运行在客户可管理的设备上时,如何降低模型被逆向、复制和越权使用的风险?下面以某国内具身智能行业巨头(下称“X 公司”)为例,介绍深盾科技针对这一场景设计的保护方案。
一、行业背景:具身智能进入规模化交付期
具身智能(Embodied AI)近年受到持续关注。“具身智能”被写入 2025 年政府工作报告后,相关产业化进程进一步加快。随着人形机器人、四足机器人和智能操作设备进入工厂和商业服务场景,具身智能正在从实验室演示走向规模化交付。
许多 AI 企业通过云端 API 提供服务,模型运行在企业自己的基础设施中。具身智能企业则经常需要把模型部署到客户现场的机器人本体或推理机上,以满足实时控制和数据不出场等要求。
这也带来了一个实际问题:
- 视觉-语言-动作(VLA)模型和运动控制模型需要长期进行数据采集、训练和场景微调,相关研发工作也主要围绕模型和配套算法展开;
- 工厂等客户通常要求私有化或离线部署,模型文件、推理程序和配置脚本需要随设备交付;
- 客户可能拥有设备管理权限,也可以直接接触硬件和存储介质,因此模型文件、推理程序和运行环境都需要单独保护。
如果模型权重或推理程序被提取,竞争对手可能据此复现部分能力,模型的授权范围也可能被绕过。对于离线部署项目,设备长期处于客户现场,攻击行为还可能无法被及时发现和追溯。
X 公司当前需要解决的问题是:模型进入客户现场后,如何降低模型文件、推理程序和运行环境面临的安全风险。
二、业务场景:模型训练、交付、微调与推理
X 公司采用模型授权收费模式。客户获得约定期限和范围内的使用权,模型仍由 X 公司管理。业务链路包括四个环节:
| 环节 | 动作 | 资产形态 |
|---|---|---|
| 初始训练 | 用业务数据训练模型 | 训练程序、算法代码、模型权重/检查点 |
| 加密交付 | 将模型、推理程序和配置打包交付客户 | 交付包(文件形态) |
| 场景化微调 | 客户用自有场景数据进行二次微调 | 微调后的新模型 |
| 推理运行 | 模型在客户现场推理机上长期运行 | 内存中的明文模型、推理引擎 |
四个环节各有风险。训练程序中的算法实现可能被反编译,交付包中的模型文件可能被复制,微调产生的新模型也需要继续纳入授权管理。模型加载到内存后才能参与推理,内存中的模型数据也可能被调试或读取。
X 公司需要保护的对象包括算法代码、模型权重、运行时的明文模型和相关数据。对应风险包括文件复制、程序反编译、运行环境调试、代码注入和内存读取。
三、威胁分析:具身智能模型面临的主要攻击路径
模型交付后的风险主要集中在三个层面:模型文件、解密程序和运行环境。常见攻击路径如下。
- 反编译推理程序,还原算法逻辑;
- 直接拷贝模型文件,绕过 License 离线使用;
- 使用 PE 盘或 U 盘启动其他系统,绕开原操作系统的权限控制,读取或转储数据。
具备专业逆向能力的攻击者还可能:
- 修改 BIOS 引导顺序,先启动调试环境,再返回原系统观察解密程序与密钥的交互过程;
- 逆向解密程序,伪造合法调用方,复用解密接口读取模型文件;
- 对运行中的推理进程进行内存转储,绕过文件层面的加密保护。
客户可以管理操作系统并接触设备硬件,单纯依赖客户操作系统、主板或设备配置来保护模型存在局限。对于离线交付场景,模型提供方还需要建立独立的可信根,用于保存密钥、校验授权并保护关键能力。
DMA 总线读取内存、低温条件下提取数据等手段属于更高等级的物理攻击,超出本项目的商业防护范围。方案主要处理客户现场更可能出现的文件、程序和运行环境攻击。
四、解决方案:四类能力保护模型各阶段
针对上述场景,深盾科技围绕训练、交付、授权和运行四个环节设计保护方案。VBP、ADE、精锐5加密锁和 AHS 分别对应算法代码、模型文件、使用权限和运行环境等风险。
1. 程序加固能力(VBP)——保护算法代码与推理程序
- 训练阶段:保护训练程序的执行文件和动态库,降低算法实现被反编译还原的风险;
- 运行阶段:对推理引擎进行加固,并结合反调试和环境检测。发现调试器挂载、进程注入或 Frida、Trace 等工具时,可以根据策略退出进程或锁定授权,减少推理程序和模型调用过程暴露的风险。
2. 模型与数据加密能力(ADE)——保护模型文件与微调成果
- 交付阶段:模型文件、脚本和配置统一加密,并与许可绑定。客户必须通过授权加载(许可校验 + 透明解密)才能使用;
- 微调阶段:客户二次微调产生的新模型继续加密保存,防止衍生模型脱离管控二次扩散;
- 模型所需的密钥和算子可以与硬件可信根配合使用,运行时按照授权动态读取,降低模型文件被单独复制后脱离授权使用的风险。
3. 授权与硬件可信根(精锐5加密锁)——管理模型使用权限
授权管理可以将模型使用与客户、设备、项目、有效期、调用次数或并发范围关联。精锐5加密锁用于保存密钥、授权信息和关键能力,为客户现场的离线部署提供独立的可信基础。
对于安全等级要求较高的算法,可以将关键算子或部分算法逻辑与硬件锁结合保护,使模型运行依赖授权硬件,增加伪造调用方和批量读取的难度。根据项目需要,还可以增加设备绑定、离线授权、异常状态处理和风险日志记录等功能。
4. 运行时防护能力(AHS)——降低内存提取风险
模型加载到内存后才能参与推理,文件加密无法单独解决这一阶段的风险。AHS 运行时防护用于识别附加调试、代码注入和进程内存转储等行为,并按照策略采取限制或退出措施。
方案还可以配套风控与取证机制:将异常行为日志同时写入加密锁和本地硬盘,形成电子取证链。在约定的授权校验过程中,系统可以回传已积累的风险日志;对于全程离线的设备,则保留本地记录,供设备返修或回收后分析。检测到非法行为时,可以按预设策略停止推理服务或暂停授权。
五、行业启示:具身智能安全的核心是资产交付
这个案例反映出,具身智能企业在模型交付和生态协作中,主要需要考虑以下几个方面:
-
模型安全要前置到交付流程。 工厂和政企客户经常要求数据不出场,模型随设备部署的项目会持续增加。模型离开研发环境前,企业就需要确定加密、授权和运行防护措施。
-
可信根要由模型提供方掌握。 当客户可以管理操作系统并接触设备硬件时,外置硬件锁可以保存密钥和授权信息,并保护模型运行所需的关键能力,适合离线部署环境。
-
防护要覆盖模型运行链路。 文件加密、程序加固和运行时防护分别应对存储、程序分析和运行时提取风险,对应模型在训练、交付、微调和推理阶段的不同暴露面。
-
安全要求要纳入生态协作规则。 当机器人进入工厂、家庭和医疗等敏感场景,客户会关注算法的使用范围、运行过程是否可审计,以及出现问题后能否追溯。具身智能企业在开放二次开发时,需要明确各方的使用权限和责任范围。
具身智能企业交付给客户的内容包括机器人硬件,以及支撑感知、决策和行动的模型与算法。模型加密、程序加固、硬件可信根和运行时防护,可以帮助企业在模型进入客户现场后继续管理使用边界,降低技术资产泄露和未授权使用风险。
相关阅读
- AI 模型交付安全:Virbox Protector 处理五类资产暴露点
- Virbox Protector 机器人算法资产交付安全方案:二开生态的价值前提是边界可控
- Virbox Protector 大模型安全:模型文件和 Python 代码怎么保护
- Virbox Protector 机器视觉安全方案:保护代码、模型、工程文件与训练数据
- 运行时防护是什么?Virbox Protector 如何应对调试与内存分析
深盾科技 · Virbox | 让数字世界充满信任
Virbox Protector(VBP)是一套面向软件交付安全的全栈软件加密与应用加固解决方案,广泛覆盖本地程序、移动应用、Java/.NET/Python、Unity、SDK、静态库、目标文件与 AI 模型等软件资产,帮助企业在交付之后依然保持代码、算法、资源和业务价值可控。
