Confidential Consortium Framework: Secure Multiparty Applications with Confidentiality, Integrity, and High Availability
针对云环境下多方应用难以同时保证机密性、完整性和高可用性的问题，提出机密联盟框架（CCF），结合集中计算与去中心化信任，利用可信执行环境和不可变账本，支持透明治理和自定义应用逻辑，实现安全有状态应用。
2023-10-17 cs.CR cs.DC
Decentralized Compute on Untrusted Hardware Using Intel TDX and Encrypted CVMs
Manifold Labs Inc.（Manifold Labs 公司）；Intel（英特尔）
针对人工智能工作负载对安全计算资源的需求及云提供商的局限，本文利用英特尔TDX等建立去中心化机密计算平台，通过激励硬件提供商贡献资源，为各参与方提供加密CVM，保障数据安全，是传统云基础设施的可行替代方案。
2026-07-27 cs.CR cs.DC
Enforcing Attestable Workflows across Untrusted Networks
Van Lang School of Technology, Van Lang University（范浪技术学院，范浪大学）；Appota
本文提出了一种通过分割可信计算基础（TCB）设计将可信执行环境联邦化的架构，实现了加密路由的原生速度，并在分布式管道中降低了执行开销。
2026-05-10 cs.CR cs.DC
Privacy-Preserving Decentralized AI with Confidential Computing
本文研究去中心化AI中的隐私保护问题，提出在Atoma Network中利用基于硬件可信执行环境（TEE）的机密计算来保护模型参数和用户数据，以弥补zkML等密码学方法计算开销过大的不足。
2024-10-18 cs.AI cs.CR
Agora: Trust Less and Open More in Verification for Confidential Computing
Indiana University Bloomington（印第安纳大学布鲁明顿分校）；The Pennsylvania State University（宾夕法尼亚州立大学）；Yale University（耶鲁大学）；Duke University（杜克大学）；Hong Kong University of Science and Technology（香港科技大学）；Nanyang Technological University（南洋理工大学）
本文提出一种新颖的二进制验证服务AGORA，通过将特定任务委托给不可信实体并将验证器置于可信计算基内，结合基于区块链的众包技术减轻TCB规模负担，实现了开放且可公开审计的机密计算验证。
2025-10-13 cs.CR
Confidential High-Performance Computing in the Public Cloud
公共云中的高性能计算（HPC）使大多数用户无法负担购买和维护的超级计算能力民主化。研究人员已经研究了它的可行性，性能和可用性。然而，云中的HPC有一个独特的功能-用户必须将数据和计算导出到不受信任的云平台。用户要么完全信任云提供商来保护自己免受各种攻击，要么将敏感资产保留在内部。随着可信执行环境（TEE）最近在云中的部署，云中的HPC的机密计算对于解决用户的隐私问题变得实用。本文讨论了威胁模型、独特的挑战、可能的解决方案和重大差距，重点关注基于TEE的机密HPC计算。我们希望这次讨论能够提高对云中HPC这一新课题的理解，并促进新的研究方向。
2022-12-05 cs.CR cs.DC
Synergia: Hardening High-Assurance Security Systems with Confidential and Trusted Computing
高保证安全系统需要与不受信任的世界紧密隔离，以保护它们处理的安全敏感或隐私敏感数据。现有法规强制要求此类系统必须在可信赖的操作系统（OS）中执行，以确保它们不与可能对其可用性或安全性产生负面影响的不可信软件搭配。然而，现有的技术来证明操作系统的完整性下降，由于布谷鸟攻击。在本文中，我们首先提出了一种新的防御机制，对布谷鸟攻击，我们正式证明了它，然后，我们实现了它的一部分，完整性监测和执法框架，证明可信的操作系统从3.7倍到8.5倍的速度比现有的完整性监测系统。我们证明了它的实用性，通过保护现实世界的电子健康应用程序的执行，执行微观和宏观基准，并评估安全风险。
2022-05-12 cs.CR
EIFL: Efficiently Protecting Global Model Privacy and Integrity Against an Untrusted Server in Federated Learning
College of Computer Science and Technology, Jilin University（吉林大学计算机科学与技术学院）；Department of Computer Science, Illinois Institute of Technology（伊利诺伊理工学院计算机科学系）
EIFL是一种联邦学习方法，通过两阶段聚合与对称加密保护全局模型隐私，以向量内积验证方法解决辅助信息泄露漏洞，且开销优于现有方案。
2026-10-09 cs.CR
Privacy-Preserving Machine Learning in Untrusted Clouds Made Simple
UC Berkeley（加州大学伯克利分校）；Intel Labs（英特尔实验室）
我们提出了一个实用的框架部署隐私保护机器学习（PPML）应用程序在不可信的云的基础上可信的执行环境（TEE）。具体而言，我们通过在英特尔SGX安全区中使用加密的模型参数和加密的输入数据运行未经修改的PyTorch ML应用程序来保护这些秘密在静态和运行时的机密性和完整性。我们使用开源的Graphene库操作系统，具有透明的文件加密和基于SGX的远程证明，以最大限度地减少移植工作，并无缝地提供文件保护和证明。我们的方法对机器学习应用程序完全透明：开发人员和最终用户不需要以任何方式修改ML应用程序。
2020-09-09 cs.CR cs.LG
sec-cs: Getting the Most out of Untrusted Cloud Storage
我们提出了sec-cs，一个哈希表一样的数据结构的文件内容不可信的存储，是安全和存储效率。我们实现了真实性和机密性与零存储开销使用确定性认证加密。现有技术的数据去重方法防止不同内容的共享部分的冗余存储，而不管内容之间的关系是否先验已知。而不仅仅是适应现有的方法，我们引入了新的（多级）分块策略，ML-SC和ML-CDC，这是显着更高的存储效率比现有的方法存在的高冗余。我们证明了sec-cs的安全性，发布了一个现成的实现，并提出了广泛的分析和实证评估的结果，表明其适用于，例如，未来的备份系统应该在几乎没有可用的云存储上保存多个版本的文件。
2016-06-10 cs.CR
Privacy Preserving Enforcement of Sensitive Policies in Outsourced and Distributed Environments
在不受信任的环境中执行敏感策略仍然是基于策略的系统面临的一个公开挑战。一方面，采取任何适当的安全决策都需要访问这些策略。另一方面，如果在不受信任的环境中允许这样的访问，则机密信息可能被策略泄露。关键的挑战是如何在不受信任的环境中实施敏感策略和保护内容。在不可信环境的上下文中，我们主要区分外包和分布式环境。关于外包和分布式环境最有吸引力的范例分别是云计算和机会网络。在这篇论文中，我们提出了我们提出的基于策略的访问控制机制的设计，技术和实现细节的不可信环境。首先，我们在外包环境中提供访问策略的完全保密性，在外包环境中，服务提供商不会了解有关策略的私有信息。我们支持表达策略并考虑上下文信息。系统实体不共享任何加密密钥。对于复杂的用户管理，我们提供了成熟的基于角色的访问控制（RBAC）策略。在机会网络中，我们通过指定表达策略来保护内容。在我们提出的方法中，经纪人将订阅与内容相关的政策相匹配，而不会损害订阅者的隐私。因此，未经授权的代理既不能访问内容，也不能学习策略，而授权的节点只有在满足发布者指定的策略时才能访问。我们提出的系统提供了可扩展的密钥管理，其中松散耦合的发布者和订阅者进行通信，而无需任何事先接触。最后，我们开发了一个在真正的智能手机上运行的系统原型，并分析了它的性能。
2013-12-22 cs.CR
More Granular, Less Trust: Enforcing Intra-Process Isolation with Arm CCA in an Untrusted Management Environment
Huazhong University of Science and Technology（华中科技大学）；JinYinHu Laboratory（金银湖实验室）；George Mason University（乔治梅森大学）；Peking University（北京大学）；DAMO Academy, Alibaba Group（阿里巴巴集团达摩院）
本文提出CCAegis系统，扩展Arm CCA实现进程内隔离，仅信任安全监视器以最小化TCB，在真实密码工作负载中性能开销为1.01x-1.43x，可有效隔离敏感数据与操作。
2026-08-24 cs.CR
Towards a Formally Verified Security Monitor for VM-based Confidential Computing
本文针对现有机密计算系统缺乏形式化验证的问题，提出一种形式化建模与证明安全监视器的方法，并给出基于RISC-V的Rust实现示例。
2023-10-01 cs.AR cs.CR
Accelerating Confidential Databases with Crypto-free Mappings
Key Laboratory of System Software (Chinese Academy of Sciences)（系统软件重点实验室）；Institute of Software, Chinese Academy of Sciences（中国科学院软件研究所）；University of Chinese Academy of Sciences（中国科学院大学）
本文提出FEDB，一种无需加密操作的保密数据库设计，通过加密自由映射在可信域内安全映射数据到明文秘密，减少运行时开销达78倍。
2026-07-10 cs.CR cs.DB
Enjoy the Untrusted Cloud: A Secure, Scalable and Efficient SQL-like Query Framework for Outsourcing Data
虽然云的安全性仍然是一个问题，但一种常见的做法是在外包数据之前对其进行加密。一个关键的挑战性问题是如何有效地执行查询的密文。传统的基于密码的解决方案，例如部分/完全同态加密和可搜索加密，遭受低性能、差表达性和弱兼容性。一种利用硬件辅助的可信执行环境的替代方法，即，英特尔SGX最近出现了。一方面，这些工作缺乏对多个数据用户的可扩展访问控制的支持。另一方面，现有的解决方案受到密钥撤销问题和知识提取器的漏洞。在这项工作中，我们利用新的硬件辅助方法，并提出了一个安全，可扩展和高效的SQL类查询框架命名为QShield。QShield基于英特尔SGX构建，可以保证敏感数据在不受信任的云平台上处理时的机密性和完整性。此外，我们提出了一种新的轻量级秘密共享方法，使多用户访问控制在QShield，同时解决密钥撤销问题。此外，通过额外的信任证明机制，QShield保证了查询的正确性，并大大提高了构建知识提取器的可能性。我们实现了QShield的原型，并表明QShield的性能成本最低。
2019-12-18 cs.CR cs.DB cs.DC
Abstraction of Trusted Execution Environments as the Missing Layer for Broad Confidential Computing Adoption: A Systematization of Knowledge
Télécom SudParis, Institut Polytechnique de Paris（巴黎理工学院苏德帕里斯电信）；Thales, cortAIx Labs（泰雷兹cortAIx实验室）；Lund University（隆德大学）；Karlstad University（卡尔斯特德大学）
本文系统化地探讨了可信执行环境的抽象层，旨在通过统一生态系统提升保密计算的广泛应用和效率，提出WebAssembly作为支持最大功能集的潜在解决方案。
2025-12-26 cs.CR
Enhancing IoT Security and Privacy with Trusted Execution Environments and Machine Learning
针对物联网设备向不可信云传输敏感信息的安全问题，提出将外设驱动隔离在可信执行环境中、用安全机器学习分类过滤敏感数据的方案，提升物联网系统的安全与隐私性。
2023-05-04 cs.CR
Heckler: Breaking Confidential VMs with Malicious Interrupts
本文提出Heckler攻击，利用不可信hypervisor注入恶意非定时器中断并操纵CVM寄存器状态，在AMD SEV-SNP与Intel TDX上绕过认证并破坏多语言应用完整性。
2024-04-04 cs.CR
Confidential Serverless Computing
针对不可信云中无服务器计算的安全与性能瓶颈，提出机密计算系统WALLET，通过嵌套机密执行与轻量级LibOS优化TCB、延迟及函数密度，实现高效安全的无服务器部署。
2025-08-13 cs.CR cs.OS
Trustworthy confidential virtual machines for the masses
本文提出 Revelio，利用 AMD SEV-SNP 保护面向 Web 的机密虚拟机工作负载，使最终用户能在每次 Web 会话中无缝远程验证其完整性，并防止服务提供商篡改。
2024-02-23 cs.CR cs.DC
Confidential Prompting: Privacy-preserving LLM Inference on Cloud
Yale University（耶鲁大学）
针对云托管LLM推理中的用户提示与模型参数隐私泄露风险，本文提出基于机密计算的Petridish系统，通过核心技术安全分区解码（SPD）实现兼顾效率、输出一致性的可审计隐私保护推理。
2025-11-19 cs.CL cs.CR
Two-Way Confidential VMs (2cVM): Collaborative Confidential Computing for Mutually Distrustful Parties
Ghent University（根特大学）
提出2cVM双层架构，结合硬件可信执行环境与工作负载内隔离，通过承诺清单实现策略不可变，提供可验证的隐私保护协作计算，性能开销取决于内存访问模式。
2026-06-11 cs.CR
Information Flows in Encrypted Databases
在加密数据库中，通过使用部分同态加密方案加密列并将加密密钥存储在可信客户端中，来保护敏感数据免受不可信服务器的攻击。但是，加密列和保护加密密钥并不能确保机密性，因为在查询处理期间，由于信息流经受信任的客户端，敏感数据可能会泄漏。在本文中，我们提出了SecureSQL，一个加密的数据库，分区查询处理之间的不可信的服务器和可信的客户端，同时确保信息流的情况下。我们基于OLTP基准测试的评估表明，SecureSQL可以以较低的开销（< 30%）保护显式流。但是，针对隐式流的保护可能代价高昂，因为它排除了使用关键数据库优化，并在客户端和服务器之间引入了额外的往返行程。
2016-05-03 cs.CR cs.DB
ISA-Based Trusted Network Functions And Server Applications In The Untrusted Cloud
如今，企业在云中广泛部署网络功能（NF）和服务器应用程序。然而，敏感数据的处理和可信执行不能安全地部署在不可信云中。云提供商本身可能会意外泄露私人信息（例如，由于配置错误）或流氓用户可以利用供应商系统的漏洞来破坏执行完整性，对内部企业和客户数据的机密性构成威胁。在本文中，我们确定了（i）可应用可信执行的NF和服务器应用用例的数量，（ii）损害每个用例的私有数据和执行完整性的资产和影响，以及（iii）我们利用英特尔的Software Guard Extensions（SGX）架构为基于云的NF和服务器应用设计可信执行环境（TEE）。我们将SGX与数据平面开发工具包（DPDK）相结合，针对多种应用场景（针对普通和加密流量的第2层帧和第3层数据包处理、流量负载平衡和后端服务器处理）对我们的TEE进行原型设计和评估。我们的结果表明，涉及普通流量的NF可以实现几乎原生的性能（例如，对于64字节帧的第3层转发，每秒约2200万个数据包），而涉及加密流量和服务器处理的NF仍然可以实现有竞争力的性能（例如，对于64字节帧，服务器处理速度约为每秒1200万个数据包）。
2018-02-20 cs.CR cs.NI
Protecting Against Untrusted Relays: An Information Self-encrypted Approach
由于信道衰落严重，无线通信的可靠性和传输距离通常受到限制。协作中继作为抵抗信道衰落的一种有效方法，在无线网络中通常采用相邻节点作为中继来帮助源节点和目的节点之间的传输。大多数研究工作只是简单地认为这些合作节点是可信的，这在某些情况下可能是不切实际的，特别是在传输机密信息时。针对协作通信中存在的不可信中继问题，提出了一种信息自加密的方法。具体地，信息的原始分组被用来作为秘密密钥彼此加密，使得在接收到所有加密分组之前不能恢复信息。只有当中继器获得所有这些加密的数据包时，信息才被拦截。证明了拦截概率随原始数据包的个数呈指数规律地降低到零。然而，大量继电器的安全性能仍然不能令人满意。因此，进一步采用基于目的地的干扰的组合来迷惑中继，这使得即使对于大量中继，安全性能也是可接受的。最后，仿真结果验证了理论分析和所提出的方案的优越性。
2017-05-18 cs.CR cs.IT math.IT
Efficient and Verifiable Privacy-Preserving Convolutional Computation for CNN Inference with Untrusted Clouds
Shandong University（山东大学）；Binzhou Polytechnic（滨州职业学院）；Shandong Sansec Information Technology Co., Ltd（山东三未信安信息科技有限公司）
本文针对不可信云环境下CNN推理的隐私与效率问题，提出一种面向卷积层的高效可验证隐私保护方案，在10个数据集上实现26至87倍加速且保持准确率。
2025-08-19 cs.CR cs.LG
It's a Feature, Not a Bug: Secure and Auditable State Rollback for Confidential Cloud Applications
University of Wisconsin-Madison（威斯康星大学麦迪逊分校）；Intel Labs（英特尔实验室）
本文提出Rebound框架，通过参考监视器实现安全回滚，允许授权的合法回滚，同时保证状态更新的原子性并生成防篡改日志，提升版本控制的可靠性。
2026-04-16 cs.CR
INTCC: A Framework for Interactive Confidential Computing
SUSTech（南方科技大学）
针对传统TEE远程证明与交互式开发工作流的冲突，该研究提出INTCC交互式机密计算框架，通过逻辑划分TEE和三大核心机制，在保障数据机密性的同时支持动态交互操作，且开销处于实用水平。
2026-09-28 cs.CR
Securing Filesystems for Confidential Computing
Azure Research, Microsoft（微软 Azure 研究院）；Imperial College London（伦敦帝国理工学院）；University of California, Irvine（加州大学尔湾分校）；SPARC, Indian Institute of Science（印度科学院 SPARC）
针对机密计算中存储面临的回滚等攻击问题，提出无需修改应用的ShieldFS文件系统，扩展ZFS得到ShieldZFS，实现强完整性与新鲜度保障且性能优异。
2026-08-21 cs.CR
Sharing is caring: Attestable and Trusted Workflows out of Distrustful Components
Imperial College London（帝国理工学院）；Microsoft Research（微软研究院）
Mica是一种保密计算架构，通过分离保密性与信任，提供可证明的保密性保障，适用于现代云工作负载中的安全通信。
2026-10-22 cs.CR cs.OS
Enabling Low-Cost Secure Computing on Untrusted In-Memory Architectures
本文利用多方计算技术（算术秘密共享和姚氏混淆电路）将带宽密集型计算安全外包给内存计算（PIM），并通过预计算优化避免CPU瓶颈，在UPMEM系统上实现高达14.66倍加速，同时保障数据机密性与完整性。
2025-04-22 cs.CR
Parma: Confidential Containers via Attested Execution Policies
基于容器的技术使云租户能够快速开发高度可移植的软件并在云中部署服务。与此同时，云隐私很重要，因为大量容器部署都是在隐私敏感数据上运行的，但由于攻击的频率和复杂性越来越高，这一点也很具有挑战性。最先进的基于容器的机密设计利用了基于流程的可信执行环境（TEE），但面临着限制其实际部署的安全性和兼容性问题。我们提出了Parma，这是一种架构，它提供了未修改的容器的提升和转移部署，同时提供了强大的安全保护，以抵御控制不受信任的主机和虚拟机管理程序的强大攻击者。Parma利用VM级隔离在唯一的基于VM的TEE中执行容器组。除了容器完整性和用户数据机密性和完整性外，Parma还提供基于经证明的执行策略的容器证明和执行完整性。Parma执行策略为容器组的所有未来状态提供了归纳证明。在初始化过程中建立的这个证明形成了一个信任根，可以用于容器组内的安全操作，而不需要对容器化工作流本身进行任何修改（除了包含执行策略之外）。我们通过运行一组不同的工作负载来评估AMD SEV-SNP处理器上的Parma，结果表明，与在安全区外运行相比，工作流的性能开销增加了0-26%，而在SPEC 2017上的平均开销为13%，同时不需要修改其程序代码。添加执行策略带来的额外开销不到1%。此外，我们还部署了Parma作为驱动Azure容器服务器上机密容器的底层技术。
2023-03-07 cs.CR cs.NI cs.OS
User Collusion Avoidance Scheme for Privacy-Preserving Decentralized Key-Policy Attribute-Based Encryption -- Full Version
最近的云计算范例、智能设备和4G无线技术的趋势已经实现了用户之间的无缝数据共享。云计算环境是分布式和不可信的，因此数据所有者必须加密他们的数据，以加强数据的机密性。采用基于属性的加密技术可以实现分布式环境中数据的保密性。分散式基于属性的加密技术是基于多个权限的基于属性的加密的变体，其中任何属性权限都可以独立地加入和离开系统，而无需与现有的属性权限合作。本文提出了一种隐私保护的分散密钥策略属性基加密方案。该方案在用户与多个权威机构交互以获取解密密钥时保护了用户隐私，同时减轻了众所周知的用户合谋安全漏洞。我们表明，我们的计划依赖于决策双线性Diffie-Hellman标准的复杂性假设，而不是以前的非标准的复杂性假设，如$q-$决策Diffie-Hellman反演。
2016-02-03 cs.CR
HasTEE+ : Confidential Cloud Computing and Analytics with Haskell
本文提出嵌入 Haskell 的领域特定语言 HasTEE+，通过 tierless 编程模型、通用远程 attestation 架构和动态信息流控制，解决 TEE 编程的内存安全与信息泄漏问题，并以机密数据分析案例验证其可行性。
2024-01-17 cs.CR cs.PL
Towards Practical Privacy-Preserving Solution for Outsourced Neural Network Inference
当神经网络模型和数据被外包给云服务器进行推理时，期望保持模型和数据的机密性，因为涉及方（即，云服务器、模型提供客户端和数据提供客户端）可能相互不信任。基于多方计算、可信执行环境（TEE）和分层或全同态加密（LHE/FHE）的解决方案已被提出，但其局限性阻碍了实际应用。我们提出了一个新的框架的基础上协同集成的LHE和TEE，这使得相互不信任的三方之间的协作，同时最大限度地减少（相对）资源受限的TEE的参与，并允许充分利用服务器的不信任，但更丰富的资源的一部分。我们还提出了一个通用的和高效的基于LHE的推理方案作为一个重要的性能确定组件的框架。我们实现/评估所提出的系统在一个温和的平台上，并表明，我们提出的方案是更适用/可扩展到各种设置，并具有更好的性能，相比，最先进的基于LHE的解决方案。
2022-06-06 cs.CR
Private delegated computations using strong isolation
敏感的计算现在通常委托给第三方。作为回应，机密计算技术正在被引入微处理器，提供一个受保护的处理环境，我们通常称之为隔离，为内部托管的代码和数据提供机密性和完整性保证-即使面对特权攻击者。使用证明协议，隔离允许远程第三方在不受信任的机器上建立包含已知代码和数据的可信“滩头阵地”。然而，这些技术的兴起带来了许多新问题，包括：如何将计算安全地部署到隔离区;如何开发跨越多个隔离级别的分布式系统;以及如何处理不支持机密计算的数十亿“遗留”设备？解决上述问题，我们介绍韦拉克鲁斯，一个框架，简化了复杂的隐私保护，协作，委托计算之间的一组相互不信任的主体的设计和实施。韦拉克鲁斯支持多种隔离技术，并提供了一个通用的编程模型和认证协议在所有这些，平滑部署委托计算支持的技术。我们演示了韦拉克鲁斯在操作中，对来自摄像机的加密视频流进行私有云内目标检测。除了支持硬件支持的隔离（如AWS Nitro Enclaves和Arm机密计算架构Realms）外，Veracruz还使用高保证seL 4微内核和我们的IceCap框架，在没有硬件机密计算功能的Armv 8-A设备上提供实用的“软件隔离”。
2022-05-06 cs.CR cs.OS cs.PL
P3LI5: Practical and Confidential Lawful Interception on the 5G Core
针对5G网络标识符隐私增强导致的合法监听隐私泄露风险，提出基于私有信息检索协议的P3LI5系统，可适配不同保密与延迟需求，且具备低延迟、高可扩展性，是首个解决该问题的方案。
2023-08-27 cs.CR cs.NI
Trusted AI Agents in the Cloud
Technical University of Munich（慕尼黑技术大学）；INESC-ID/Instituto Superior Tecnico, University of Lisbon（里斯本大学技术学院）
Omega系统通过端到端隔离和可验证信任建立，实现云中可信AI代理的安全运行与高效多代理部署。
2025-12-13 cs.AI cs.CR cs.MA
Encrypted Data Processing
在本文中，我们提出了一个全面的机密计算架构，我们证明是通用的，相当有效的。它按原样执行应用程序，而不会增加应用程序开发人员的负担或纪律要求。此外，它不需要在计算服务器处的系统软件的信任，并且不对通信子系统施加任何附加负担。所提出的加密数据处理（EDAP）架构通过采用具有多级密钥保护方案的数据加密来实现基于密钥的加密数据保护的机密性、真实性和新鲜性。它保证用户数据仅在非特权模式下对指定硬件上受数据所有者信任的指定程序可见，从而保护数据免受不受信任的硬件、管理程序、操作系统或其他用户应用程序的影响。在用例示例中描述了用于实现这些机密计算要求的加密密钥和协议。在启用EDAP的处理器中加密和解密数据可能会导致性能下降，因为它会增加整个执行的周期时间。然而，我们的模拟结果表明，当数据加密引擎放置在L1和L2缓存之间时，在一系列商业工作负载中，平均速度仅为6%。我们证明了EDAP架构在现代云环境中的机密计算是有价值的和实用的。EDAP提供了一种零信任计算模型，其中用户软件不信任系统软件，反之亦然。
2021-09-20 cs.AR cs.CR
Confidential Attestation: Efficient in-Enclave Verification of Privacy Policy Compliance
可信执行环境（TEE）（如英特尔软件防护扩展（SGX））运行远程证明，以向数据所有者证明安全区初始状态的完整性，包括对其数据进行操作的程序。为此，数据处理程序应该对所有者开放，因此在建立信任之前可以评估其功能。然而，越来越多的应用场景需要保护程序本身。因此，应该在不暴露其代码的情况下验证它是否符合数据所有者所期望的隐私策略。为此，本文提出了CAT，一个新的模型，基于TEE的机密证明。我们的模型受到Proof-Carrying Code的启发，其中代码生成器与代码一起生成证明，代码消费者验证代码是否符合安全策略。鉴于传统的解决方案在资源有限和TCB节俭的TEE下不能很好地工作，我们提出了一种新的设计，该设计允许不可信的外部飞地生成器在将程序编译成二进制文件时分析程序的源代码，并且可信的内部飞地消费者在运行二进制文件之前有效地验证仪器的正确性和其他保护的存在。我们的设计策略性地将大部分工作量转移到了代码生成器，它负责生成格式良好且易于检查的代码，同时保持用户的简单性。此外，整个消费者可以公开，并通过传统的证明进行验证。我们在英特尔SGX上实现了该模型，并证明它引入了TCB的一小部分。我们还彻底评估了它在微观和宏观基准测试以及实际应用中的性能，表明新设计在执行几类安全策略时只会产生很小的开销。
2020-07-20 cs.CR
iPrivacy: a Distributed Approach to Privacy on the Cloud
云存储的日益普及带来了许多隐私问题。用户希望保留对其敏感数据的完全控制，并且不能接受远程存储提供商可以访问这些数据。以前的研究是关于保护存储在不受信任的服务器上的数据的技术;然而，我们认为云架构提出了一些开放的问题。为了处理它们，我们提出了一种方法，其中机密数据存储在高度分布式数据库中，部分位于云上，部分位于客户端上。数据共享在一个安全的方式使用一个简单的授予和撤销权限的共享数据，我们已经开发了一个系统测试实现，使用内存中的关系数据库管理系统与行级数据加密细粒度的数据访问控制
2015-03-27 cs.CR cs.DC
QFlow: Quantitative Information Flow for Security-Aware Hardware Design in Verilog
设计现代硬件实现所需的大量代码往往导致关键漏洞被忽视。特别是危及敏感数据（如密钥）机密性的漏洞，对整个系统的可信度有重大影响。信息流分析可以详细说明来自敏感信号的信息是否流向系统的输出或不可信组件。但是这些分析策略中的大多数依赖于非干扰属性，即不可信的目标必须不受源数据的影响，这对于许多应用程序来说太不灵活了。为了解决这个问题，有一些方法可以量化组件之间的信息流，从而可以忽略不重要的泄漏。由于该量化的高计算复杂性，需要近似，这引入了误预测。为了解决这些限制，我们重新制定了近似。此外，我们提出了一个工具QFlow具有更高的检测率比以前的工具。它可以被没有经验的用户用来识别硬件设计中的数据泄漏，从而促进安全意识的设计过程。
2021-12-22 cs.AR cs.CR
Blind quantum machine learning with quantum bipartite correlator
Global Technology Applied Research, JPMorgan Chase（摩根大通全球技术应用研究部门）；Massachusetts Institute of Technology（麻省理工学院）
针对分布式量子计算中不可信节点带来的数据隐私问题，本文基于量子二分相关器算法提出低通信与计算开销、无需复杂密码技术的盲量子机器学习协议，并通过复杂度和隐私分析验证其有效性。
2023-10-19 cs.CR cs.LG quant-ph
Defeating Prompt Injections by Design
Google（谷歌）；Google DeepMind（谷歌DeepMind）；ETH Zurich（苏黎世联邦理工学院）
针对LLM代理的提示注入攻击，提出CaMeL防御框架，通过显式分离控制流与数据流及能力机制，在AgentDojo上以77%可证明安全任务完成率验证有效性。
2025-06-24 cs.AI cs.CR
WebPol: Fine-grained Information Flow Policies for Web Browsers
针对现有浏览器安全机制粒度过粗、无法平衡第三方脚本数据访问需求与泄露防护的问题，提出WebPol细粒度信息流策略机制，支持用JavaScript语法定义数据访问规则，可基于现有信息流跟踪方案实施，经集成测试验证了可行性。
2017-06-26 cs.CR
A One-Time Pad based Cipher for Data Protection in Distributed Environments
提出了一种基于一次一密（OTP）的密码算法，当移动代码到达远程主机时，该算法既能保证数据保护，又能保证数据的完整性。当移动代理可以检索将在网络的不可信节点中加密的机密信息时，需要数据保护;在这种情况下，信息管理不能依赖于携带加密密钥。数据完整性是一个先决条件，因为必须保护移动代码免受恶意主机的攻击，恶意主机通过伪造或删除收集的数据，可以将信息隐藏到发送代理的服务器。本文中描述的算法似乎足够简单，以便容易实现。该方案是基于一个非交互式的协议，并允许远程主机改变自己的数据上的飞行，并在同一时间，保护信息处理由其他主机。
2000-05-24 cs.CR cs.DC cs.IR
Policy-Compliant Cloud Storage Systems
Technical University of Munich（慕尼黑工业大学）；INESC-ID/Instituto Superior Tecnico, University of Lisbon（里斯本高等理工学院）
提出GDPRuler，一种在不可信云上为键值存储提供可验证GDPR合规性的可信中间件系统，通过机密虚拟机执行策略、紧凑元数据编码和专用索引实现低开销合规保障。
2026-06-03 cs.CR cs.CY cs.DB
SPA: Securing Persistent LLM Agents Across Queries with Plan-First Information-Flow Control
University of South Florida（南佛罗里达大学）
SPA是一种优先计划的架构，通过双格信息流控制保护LLM智能体的规划、执行与跨查询状态复用，在AgentDojo和AgentDojo-MQ上可显著降低攻击成功率，同时揭示了安全与效用的权衡。
2026-08-28 cs.CR cs.SE
InspectJS: Leveraging Code Similarity and User-Feedback for Effective Taint Specification Inference for JavaScript
静态分析已成为检测安全漏洞的首选武器。污点分析特别是一种非常通用和强大的技术，其中安全策略以禁止流的形式表示，无论是从不受信任的输入源到敏感的接收器（在完整性策略中）还是从敏感的源到不受信任的接收器（在机密性策略中）。这种方法的吸引力在于，污染跟踪机制只需实现一次，然后可以使用不同的污染规范（即，源和汇的集合，以及使其他有问题的流无害的任何消毒器）进行参数化，以检测许多不同类型的漏洞。但是，尽管实现可伸缩的过程间静态污点跟踪的技术已经相当成熟，但制作污点规范仍然是一门艺术而不是科学，并且在实践中往往涉及大量的手动工作。过去的工作主要集中在自动化技术上，用于从库的实现或从它们在客户端代码中的使用方式来推断库的污点规范。在后者中，基于机器学习的方法已经显示出巨大的前景。在这项工作中，我们将现有的机器学习方法与GitHub的CodeQL分析框架中的手动污点建模相结合，以挖掘JavaScript库的水槽规范。我们表明，机器学习组件可以成功地推断出许多新的污点汇，要么不是手动建模的一部分，要么由于分析不完整而未被检测到。此外，我们提出了组织水槽预测使用自动排名和代码相似性指标，使分析工程师能够有效地筛选大量的预测，以确定真正的积极的技术。
2021-11-18 cs.CR cs.SE
MUZZLE: Adaptive Agentic Red-Teaming of Web Agents Against Indirect Prompt Injection Attacks
Northeastern University（东北大学）；Mozilla Corporation（Mozilla公司）
提出MUZZLE框架，利用智能体轨迹自动识别高显著性注入面，自适应生成上下文相关的恶意指令，评估网络智能体对间接提示注入攻击的安全性，发现44种新攻击和跨应用攻击策略。
2026-06-16 cs.AI cs.CR
A Distributed Approach to Privacy on the Cloud
基于云的数据处理和存储的日益普及带来了许多隐私问题。用户希望保留对其敏感数据的完全控制，并且不能接受外部存储提供商完全访问这些数据。以前在这方面的研究主要是解决技术，以保护存储在不受信任的数据库服务器上的数据;然而，我认为，云架构提出了一些具体的问题和问题。本论文包含了一个开放的问题进行了详细的分析。为了处理它们，我提出了一种新的方法，其中机密数据存储在高度分布式的分区数据库中，部分位于云上，部分位于客户端上。在我的方法中，数据可以是私有的，也可以是共享的;后者通过简单的授予和撤销权限以安全的方式共享。我开发了一个概念验证实现，它使用具有行级数据加密的内存RDBMS来实现细粒度的数据访问控制。在传统的外包RDBMS中很少采用这种方法，因为它需要几个复杂的步骤。我的proofofof-concept实现的基准测试表明，我的方法克服了大多数问题。
2015-03-27 cs.CR cs.DB
Hierarchical Role-Based Access Control with Homomorphic Encryption for Database as a Service
数据库即服务提供了访问和管理客户数据的服务，这些服务提供了访问的便利性，并且这些服务的成本较低。DBaaS服务提供商可能不受信任，数据可能存储在不受信任的服务器上。访问控制机制可以限制用户的非授权访问，但在云环境中访问控制策略更加灵活。但是，攻击者可以通过滥用其他用户的权限来收集用于恶意目的的敏感信息，从而危及数据库安全。与DBaaS相关的其他问题是管理角色层次结构和数据库中查询事务的安全会话管理。提出了一种基于角色层次的多租户数据库访问控制方法。查询被授予最低访问权限，会话密钥用于会话管理。建议的工作保护数据免受特权升级和SQL注入。它使用部分同态加密（Paillier加密）对敏感数据进行加密。如果查询要对敏感数据执行任何操作，则需要额外的权限才能访问敏感数据。采用基于角色的访问控制和部分同态加密实现了数据的机密性和完整性。
2016-03-02 cs.CR
A Public-key based Information Management Model for Mobile Agents
基于移动代码的计算需要开发保护方案，该保护方案允许对由不可信主机中的代理收集的数据进行数字签名和加密。这些算法不能依赖于携带加密密钥，如果这些密钥可能被窃取或用于伪造数据的敌对主机和代理。因此，信息和密钥都必须得到保护，只有授权的主机，即提供信息的主机和发送移动代理的服务器，才能修改（通过更改或删除）检索到的数据。在这项工作中提出的数据管理模型允许由代理收集的信息被保护免受处理的信息网络中的其他主机。这是通过使用标准的公钥密码学来完成的，该标准的公钥密码学经过修改以支持分布式环境中的数据保护，而不需要与已经丢弃代理的主机的交互式协议。它们的重要性在于，它是第一个支持全功能保护移动代理的模型，允许远程主机在代理返回其原始服务器之前根据需要更改自己的信息。
2000-10-09 cs.CR cs.DC cs.IR
Here is a GIFT: Enforcing User Data Isolation in LLM Serving via GPU Information Flow Tracking
Institute of Parallel and Distributed Systems, School of Computer Science, Shanghai Jiao Tong University（上海交通大学计算机学院并行与分布式系统研究所）；Northeastern University（东北大学）
本文提出GIFT（GPU信息流跟踪系统），通过按用户加密、静态流分析等技术在LLM服务中实现用户数据隔离，扩展版GIFT-CC集成机密计算，在vLLM等框架上仅产生4-10.7%吞吐量开销。
2026-08-27 cs.CR
