计算机研究与发展

作者：陈若曦,陈晋音,郑海斌,阳雪燕,纪守领,陈铁明,

关键词：模型供应链, 预训练模型, 安全风险, 安全与隐私, 深度神经网络, 深度学习,

预训练模型缓解了训练数据和算力受限的问题，也催生了模型开发和应用的新范式——深度学习模型供应链.在这一供应链中，预训练模型由原始发布者上传，并经二次开发者进行必要的迁移、压缩与部署，以适应不同的应用需求.然而，这一过程引入了新的环节和多元要素，随之产生了数据泄露和计算安全等风险.尽管深度学习模型供应链已被广泛采纳，目前对于其安全性威胁的系统性研究仍然不足.针对这一研究空白，概括了深度学习模型供应链的概念及其基本框架，调研了相关的研究工作.依据模型生命周期的不同阶段，详细分析了设计、二次开发、部署和使用各环节的安全脆弱点，对可能遭遇的安全性攻击手段进行了系统的梳理、比较和总结，并探讨了相应的防护策略.为了帮助读者更好地使用预训练模型，对现有预训练模型仓库进行了比较.最后，基于目前深度学习模型供应链所面临的挑战，从安全性审查、实时检测和问题溯源等不同角度分析和讨论了未来可能的研究发展方向，为更安全可靠地开发和使用预训练模型提供了思路.论文涉及的方法和相关代码归纳整理在网址：https://github.com/Dipsy0830/DNN-supply-chain-survey，方便研究人员下载使用.

来源：2025年第8期

《计算机研究与发展》期刊编辑部

查看计算机研究与发展杂志2025年第8期