La distribuzione all'edge significa eseguire modelli di IA su dispositivi locali o sistemi vicini, come server on-premises, gateway o hardware sul campo, invece di inviare ogni richiesta a un cloud remoto. Questo approccio viene usato quando contano bassa latenza, larghezza di banda limitata, privacy o funzionamento offline. In termini di sicurezza, cambia il punto in cui viene riposta la fiducia: i dati possono rimanere più vicini all'utente, ma il modello, i suoi input e i suoi aggiornamenti vengono gestiti su molti endpoint distribuiti.
Questa distribuzione crea sia vantaggi sia rischi. I difensori usano la distribuzione all'edge per ridurre l'esposizione dei dati sensibili e per mantenere operative le funzioni critiche durante le interruzioni di rete. Gli aggressori, però, possono prendere di mira il dispositivo stesso, manomettere i file locali del modello, avvelenare i dati memorizzati nella cache o intercettare percorsi di aggiornamento non sicuri. Avvio sicuro, aggiornamenti firmati, controllo degli accessi e monitoraggio sono essenziali perché un sistema edge è forte solo quanto il suo nodo locale più debole.