流式图像分类器在物理捕获下无法阻止模型提取的实证分析

该论文通过LTE网络实测证明，针对边缘节点设计的“流式多出口模型”方案无法有效抵御具备冷启动捕获能力的攻击者。研究对比了从零训练和基于公开预训练主干切片两种场景，发现无论采用何种旋转策略，只要设备被物理控制，攻击者均能获取可用模型片段。

关键证据显示，在从零训练的受害者场景中，自适应攻击者在浅层捕获时获益最大，30秒内的可用人质捕获率高达86.8%；而在基于公开预训练模型的场景中，攻击者仅需下载未旋转阶段即可恢复97.3%的最大准确率，5秒内即可从0%提升至该水平。这表明交付端的保密性仅能提高捕获成本，一旦存在公开副本，防御价值即刻归零。

事实层面确认了流式架构在对抗物理捕获时的局限性，推断表明单纯依靠内存驻留时间管理无法解决模型资产泄露问题。猜测部分指出，若未来需保护端侧模型，必须结合硬件级可信执行环境或完全重构训练数据分发逻辑，而非依赖软件层面的旋转机制。