EBCC: Enclave-Backed Confidential Containers via OCI-Compatible Runtime Integration
School of Computer Science and Technology, Xidian University(西安电子科技大学计算机科学与技术学院);Shaanxi Key Laboratory of Network and System Security(陕西省网络与系统安全重点实验室);College of Cyber Security, Jinan University(暨南大学网络空间安全学院)
EBCC 提出了一种 OCI 兼容的运行时架构,用于管理复合保密计算工作负载,通过统一容器化保密计算复合体,保持 OCI 生命周期操作,并将 TEE 特定执行置于后端适配器后。
2026-07-29 cs.CR
A performance analysis of VM-based Trusted Execution Environments for Confidential Federated Learning
本文比较了基于虚拟机与基于应用隔离的可信执行环境在机密联邦学习中的性能,发现前者开销有限(最多1.5倍),可安全利用公共计算环境。
2025-01-20 cs.CR cs.PF
Confidential Computing for Cloud Security: Exploring Hardware based Encryption Using Trusted Execution Environments
本文研究基于可信执行环境(如Intel SGX和ARM TrustZone)的机密计算,分析其架构、安全特性、部署策略及性能,论证其在保护使用中数据和强化云安全基础设施中的核心作用。
2025-11-06 cs.CR cs.LG
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
Proof of Cloud: Data Center Execution Assurance for Confidential VMs
Flashbots;Technical University of Munich(慕尼黑工业大学);Imperial College London(伦敦帝国学院)
DCEA通过绑定CVM认证与TPM证据,提供数据中心可信执行的证明,防止代理攻击并确保隐私敏感工作负载的执行位置可验证。
2026-03-03 cs.CR cs.DC
Verifiable and Confidential DNN Inference on Low-End Edge Devices
EURECOM(欧洲通信与信息技术研究所);University of Zurich(苏黎世大学);Prince of Songkla University (PSU)(宋卡王子大学)
提出VECODI框架,利用TrustZone-M TEE的SHANGRI-LA抽象,在非安全世界执行推理代码,以最小安全世界支持实现模型保密性和结果可验证性,适用于低端边缘设备。
2026-06-05 cs.CR
A blockchain-based pattern for confidential and pseudo-anonymous contract enforcement
区块链因其以分散和防篡改的方式保存数据的能力而受到称赞。它还支持通过区块链的智能合约执行代码,为网络增加了高可信度的自动化操作。然而,由于智能合约在网络上的任何人都可以看到,业务数据和逻辑可能会面临风险,因此公司可能不愿意使用这种技术。本文旨在提出一种允许执行可自动化的法律合同条款的模式,其中其执行状态存储在链上智能合同中,并且执行它所需的逻辑将其包装在链下。引擎通过运行与法律合同相对应的业务流程来完成此模式。然后,我们提出了一个基于模式的解决方案,基于现实生活中的用例:冷藏货物的运输。我们认为,这种模式保证了公司的真实性和数据机密性,同时确保可以通过区块链智能合约重建审计跟踪,以识别不当行为或错误。本文铺平了道路,为未来可能实施的解决方案所描述的,以及其评估。
2021-01-22 cs.CR
Integrating Homomorphic Encryption and Trusted Execution Technology for Autonomous and Confidential Model Refining in Cloud
Iowa State University(爱荷华州立大学)
本文提出整合同态加密与可信执行环境技术,设计一种在云中实现自主且保密模型精炼的方案,实验证明云服务器能自主利用加密数据精炼加密模型并提升准确率。
2023-08-02 cs.CR cs.LG
SoK: TEE-assisted Confidential Smart Contract
基于区块链的智能合约缺乏隐私性,因为合约状态和指令码都是公开的。将智能合约执行与可信执行环境(TEE)相结合,提供了一种有效的解决方案,称为TEE辅助智能合约,用于保护合约状态的机密性。然而,联合治疗的方法多种多样,缺乏系统的研究。新发布的系统可能无法从现有协议中吸取经验,例如重复已知的设计错误或以不安全的方式应用TEE技术。在本文中,我们首先调查和分类现有的系统分为两种类型:第一层的解决方案和第二层的解决方案。然后,我们建立了一个分析框架来捕获它们的共同点,包括所需的属性(对于合同服务),威胁模型和安全考虑因素(对于底层系统)。基于我们的分类法,我们确定了它们的理想功能,并揭示了每个规范设计中挑战的根本缺陷和原因。我们相信,这项工作将为TEE辅助的智能合约的开发提供指导,并为评估未来TEE辅助的机密合约系统提供框架。
2022-04-20 cs.CR
Confidential Machine Learning within Graphcore IPUs
Microsoft Research(微软研究院);Graphcore(Graphcore(格拉夫科尔))
我们提出了IPU可信扩展(ITX),这是一组实验性的硬件扩展,可以在Graphcore的AI加速器中实现可信的执行环境。ITX能够以低性能开销执行具有强大机密性和完整性保证的AI工作负载。ITX将工作负载与不受信任的主机隔离,并确保其数据和模型在IPU内以外的任何时候都保持加密。ITX包括一个硬件信任根,提供认证功能并协调可信执行,以及片上可编程加密引擎,用于在PCIe带宽上对代码和数据进行认证加密。我们还介绍了ITX的编译器和运行时扩展的形式,支持多方培训,而不需要基于CPU的TEE的软件。ITX的实验支持包括在台积电7 nm技术节点上流片的Graphcore的GC 200 IPU中。在使用标准DNN训练工作负载的开发板上进行的评估表明,与依赖AMD SEV-SNP的基于CPU的机密计算系统相比,ITX增加了不到5%的性能开销,并提供了高达17倍的性能提升。
2022-05-20 cs.AI cs.AR cs.CR
RaceTEE: Enabling Interoperability of Confidential Smart Contracts
University of Oxford(牛津大学)
本文提出RaceTEE框架,利用链下TEE节点实现机密长期智能合约间任意复杂度的互操作,解决隐私与可扩展性问题,并通过Intel SGX原型与以太坊集成验证其有效性。
2025-11-06 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 Computing across Edge-to-Cloud for Machine Learning: A Survey Study
本文综述了跨边缘到云环境的机密计算在机器学习中的应用,涵盖了基于可信执行环境、同态加密和安全飞地的软硬件解决方案,并指出了现有研究的空白与未来发展方向。
2023-07-31 cs.CR cs.DC
Dstack: A Zero Trust Framework for Confidential Containers
Phala Network(Phala网络)
本文提出 dstack 框架,通过可移植机密容器、去中心化代码管理和可验证域管理三项创新,将 TEE 技术转化为零信任平台,兼顾 VM 级性能与 Web3 无信任需求。
2025-09-15 cs.AI cs.CR
Confidential Computing in Edge-Cloud Hierarchy
本文提出在边缘-云层级中利用静态/传输加密与可信执行环境保护数据,并通过区块链和强认证实现数据分割与共享,确保机密性、完整性和可用性。
2023-06-19 cs.CR
Confidential Inference via Ternary Model Partitioning
当今的云计算供应商正在竞相提供各种产品,以简化和加速AI服务部署。然而,云用户总是担心他们的运行时数据的机密性,这些数据应该在第三方的计算基础设施上处理。用户提供的数据的信息披露可能会危及用户的隐私,并违反日益严格的数据保护法规。在本文中,我们系统地研究了深度学习图像分类管道中推理输入的生存周期,并了解了信息是如何泄露的。基于发现的见解,我们开发了一个三元模型分区机制,并带来可信的执行环境,以减轻识别的信息泄漏。我们的研究原型由两个合作组件组成:(1)模型评估框架,一个本地模型评估和分区工具,帮助云用户进行部署准备;(2)Infenclave,一个基于飞地的模型服务系统,用于云中的在线机密推理。我们对三个具有代表性的具有不同网络深度和架构复杂度的ImageNet级深度学习模型进行了全面的安全性和性能评估。我们的研究结果证明了在云中推出机密推理服务的可行性,并具有最大的机密性保证和较低的性能成本。
2020-08-12 cs.CR
PS-UIE: Privilege-Separated Integrity Enforcement for User-Space Executable Objects in Confidential VMs
Beijing Jiaotong University(北京交通大学);Beijing Key Laboratory of Security and Privacy in Intelligent Transportation(智能交通安全与隐私北京市重点实验室)
提出PS-UIE,一种基于特权分离架构的方法,通过将完整性度量和强制权限置于更高特权域,实现对AMD SEV-SNP机密虚拟机中用户空间可执行对象的策略控制完整性强制,并提供可验证的运行时证据。
2026-06-03 cs.CR
Polars inside Intel SGX2 Enclaves: An Empirical Study of Confidential Analytical Query Processing
Mozilla
本文研究了在Intel SGX2内核中通过Gramine运行Arrow原生DataFrame引擎Polars的性能,分析了查询和数据加载的开销,并比较了Polars的惰性与主动API性能。
2026-05-20 cs.CR cs.DB
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
SgxPectre Attacks: Stealing Intel Secrets from SGX Enclaves via Speculative Execution
本文介绍了SgxPectre攻击,利用最近披露的CPU漏洞来破坏SGX安全区的机密性和完整性。特别地,我们表明,当飞地代码的分支预测可以受到飞地外部的程序的影响时,飞地程序的控制流可以被临时改变以执行导致可观察到的高速缓存状态变化的指令。观察到这种变化的攻击者可以了解安全区内存或其内部寄存器中的秘密,从而完全击败SGX提供的机密性保证。为了证明我们的SgxPectre攻击的实用性,我们系统地探讨了分支目标注入的可能攻击向量,在飞地的投机执行过程中赢得竞争条件的方法,以及自动搜索发动攻击所需的代码模式的技术。我们的研究表明,任何飞地程序都可能容易受到SgxPectre攻击,因为所需的代码模式在大多数SGX运行时(例如,英特尔SGX SDK、Rust-SGX和Graphene-SGX)。最重要的是,我们已经应用了SgxPectre攻击来从英特尔签名的引用飞地中窃取密封密钥和证明密钥。密封密钥可用于解密安全区外部的密封存储并伪造有效的密封数据;证明密钥可用于伪造证明签名。由于这些原因,SgxPectre攻击实际上击败了SGX的安全保护。本文还系统地评估了英特尔现有的对抗SgxPectre攻击的措施,并讨论了安全影响。
2018-06-03 cs.CR
GhostKnight: Breaching Data Integrity via Speculative Execution
现有的投机执行攻击仅限于突破权限边界的数据的机密性,所谓的幽灵型攻击。它们都利用推测执行对微体系结构缓冲区的更改来泄漏数据。我们表明,投机执行可以被滥用,以打破数据完整性。我们观察到,推测执行不仅在微体系结构缓冲区中留下痕迹,而且还在DRAM中引起副作用,即推测执行可以触发对DRAM中非法地址的访问。如果对DRAM的访问足够频繁,则架构改变(即,DRAM中的永久位翻转)将发生,我们称之为GhostKnight。借助GhostKnight的强大功能,攻击者基本上能够跨越不同的权限边界,并将可利用的位写入其他权限域。在我们未来的工作中,我们将开发一个基于GhostKnight的漏洞,以跨越可信执行环境,击败1024位RSA求幂实现,并获得可控签名。
2022-01-18 cs.CR
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
Towards Confidential and Efficient LLM Inference with Dual Privacy Protection
Institute of Information Engineering, Chinese Academy of Sciences(中国科学院信息工程研究所);School of Cyber Security, University of Chinese Academy of Sciences(中国科学院大学网络安全学院);State Key Laboratory of Cyberspace Security Defense(网络空间安全防御国家重点实验室)
本文提出CMIF框架,通过将嵌入层部署在客户端TEE、后续层在GPU上,并优化Report-Noisy-Max机制,在保护隐私的同时降低LLM推理开销。
2025-09-11 cs.AI cs.CR
Sponge-Based Control-Flow Protection for IoT Devices
物联网(IoT)中的嵌入式设备面临着各种各样的安全挑战。例如,软件攻击者在其远程接口上执行代码注入和代码重用攻击,对物联网设备的物理访问允许篡改内存中的代码,窃取机密知识产权(IP)或安装故障攻击以操纵CPU的控制流。在这项工作中,我们提出了基于海绵的控制流保护(SCFP)。SCFP是一种有状态的、基于海绵的方案,用于确保软件IP的机密性及其在物联网设备上的真实执行。在编译时,SCFP以防御级别的粒度对软件进行加密和认证。在执行期间,CPU的提取和解码阶段之间的SCFP硬件扩展连续地解密和认证指令。SCFP中基于海绵的认证加密产生细粒度的控制流完整性,从而防止代码重用,代码注入和对代码和控制流的错误攻击。此外,SCFP还能承受内存中软件的任何修改。为了进行评估,我们使用SCFP扩展了RISC-V内核,并制作了一个真正的片上系统(SoC)。在此设计上,SCFP的代码大小和执行时间的平均开销分别为19.8%和9.1%,因此符合嵌入式物联网设备的要求。
2018-02-19 cs.CR
An Early Experience with Confidential Computing Architecture for On-Device Model Protection
Imperial College London(帝国理工学院);New York University Abu Dhabi(纽约大学阿布扎比分校);Brave Software(Brave软件公司)
本文探讨了Arm CCA在设备端ML中的应用,评估了其性能与隐私的权衡,并展示了其在保护模型和提升效率方面的潜力。
2025-04-11 cs.AR cs.CR
Confidential Federated Computations
Google Research(谷歌研究院)
本文提出一种结合可信执行环境(TEEs)与开源化的新系统架构,确保服务器端计算机密性并提供外部可验证的隐私属性,从而增强私有联邦计算的鲁棒性与可信度。
2025-03-03 cs.CR cs.LG
Cryptographically Assured Information Flow: Assured Remote Execution
本文提出了一种名为CAIF的简单硬件级机制,通过密码学协议分析证明其能在强对手攻击下实现保证远程执行,支持可信远程证明和安全的远程重新编程。
2024-09-20 cs.CR cs.DC
Characterizing Trust Boundary Vulnerabilities in TEE Containers: An Empirical Study
Nankai University(南开大学);Indiana University Bloomington(印第安纳大学布鲁明顿分校);Nanyang Technological University(南洋理工大学);Institute of Information Engineering, Chinese Academy of Sciences(中国科学院信息工程研究所);Duke University(杜克大学);Huazhong University of Science and Technology(华中科技大学)
本文通过实证研究分析TEE容器的三个关键层,发现现有容器存在根本性缺陷,导致代码执行、拒绝服务和信息泄露等漏洞,识别出六个攻击路径、十二个新bug和三个CVE。
2026-04-19 cs.CR cs.SE
ShuffleV: A Microarchitectural Defense Strategy against Electromagnetic Side-Channel Attacks in Microprocessors
Northeastern University(东北大学);Binghamton University(宾厄姆顿大学)
ShuffleV是一种基于移动目标防御的微架构策略,通过随机打乱指令顺序并插入伪指令,在RISC-V核上有效防御电磁侧信道攻击,保护AES和神经网络推理,无需软件修改。
2025-10-15 cs.AR cs.CR
Confidential LLM Inference: Performance and Cost Across CPU and GPU TEEs
ETH Zurich(苏黎世联邦理工学院)
本文首次在 CPU 和 GPU 可信执行环境中全面评估机密大语言模型推理,揭示 CPU TEE 开销低于 10%-20% 且可由 AMX 进一步降低,并证明其在成本与安全性上可优于 GPU 方案。
2025-09-23 cs.AR cs.CR cs.LG
An AI Agent Execution Environment to Safeguard User Data
University of California, Los Angeles(加州大学洛杉矶分校);Google(谷歌)
GAAP通过动态用户提示收集权限规范,确保AI代理在共享用户隐私数据时符合规定,无需信任代理或模型,有效阻止数据泄露攻击。
2026-09-28 cs.AI cs.CR cs.OS
Spectre Attacks: Exploiting Speculative Execution
现代处理器使用分支预测和推测执行来最大化性能。例如,如果分支的目的地取决于正在读取的内存值,CPU将尝试猜测目的地并尝试提前执行。当内存值最终到达时,CPU要么放弃,要么提交推测计算。推测逻辑在执行时是不忠实的,可以访问受害者的内存和寄存器,并且可以执行具有可测量副作用的操作。Spectre攻击涉及诱导受害者推测性地执行在正确的程序执行期间不会发生的操作,并且通过侧通道将受害者的机密信息泄露给对手。本文介绍了实际的攻击,结合方法从侧信道攻击,故障攻击,并返回导向的编程,可以读取任意内存从受害者的进程。更广泛地说,该文件表明,投机性执行的实现违反了安全假设的基础上的许多软件安全机制,包括操作系统的进程分离,静态分析,容器化,即时(JIT)编译,并采取对策,高速缓存定时/侧信道攻击。这些攻击对实际系统构成了严重威胁,因为在数十亿设备中使用的英特尔、AMD和ARM的微处理器中发现了易受攻击的推测执行功能。虽然在某些情况下可以采取临时的特定于处理器的对策,但合理的解决方案将需要修复处理器设计以及更新指令集架构(ISA),以便让硬件架构师和软件开发人员对CPU实现允许(和不允许)泄漏的计算状态达成共识。
2018-01-03 cs.CR
When Agents Handle Secrets: A Survey of Confidential Computing for Agentic AI
Department of Computing Imperial College London London, United Kingdom(计算系帝国理工学院伦敦英国)
本文探讨了代理AI中保密计算的应用,分析了六个TEE平台的设计,提出了基于代理的威胁模型,并指出了六个开放挑战,旨在为生产级代理AI提供安全基础。
2026-05-07 cs.AI cs.CR
SecScale: A Scalable and Secure Trusted Execution Environment for Servers
针对现有TEE难以兼顾可扩展性与重放保护的问题,提出SecScale,利用推测执行、MAC森林和全内存加密,在通用硬件上实现可扩展且安全,性能比竞品快10%。
2024-07-18 cs.AR cs.CR
Fortress: Securing IoT Peripherals with Trusted Execution Environments
本文提出Fortress,一种利用可信执行环境隔离外设I/O内存,限制系统软件访问,保护物联网敏感数据隐私的通用设计,并通过I2S音频外设验证其安全性与可接受开销。
2023-12-20 cs.CR
Vulnerabilities in Partial TEE-Shielded LLM Inference with Precomputed Noise
Rutgers, The State University of New Jersey(新泽西州立大学罗格斯分校)
研究揭示了部分TEE防护LLM推断中的漏洞,通过两种攻击证明了预计算静态秘密基础导致的加密漏洞,并展示了对先进LLMs的实际攻击效果。
2026-02-11 cs.AR cs.CR
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
Spectre is here to stay: An analysis of side-channels and speculative execution
最近发现的Spectre和Meltdown攻击不仅是计算机安全领域的分水岭,也是程序设计语言的分水岭。本文探讨了推测性侧信道攻击及其对程序设计语言的影响。这些攻击通过微架构的侧通道泄漏信息,我们发现这些侧通道不仅仅是错误,实际上是优化的基础。我们确定了三个开放的问题,(1)找到侧通道,(2)理解投机漏洞,(3)减轻它们。对于(1),我们引入了一个数学元模型,该模型阐明了模拟和CPU中的边通道的来源。对于(2),我们引入了一个具有推测语义的体系结构模型来研究最近发现的漏洞。对于(3),我们探索和评估软件缓解措施,并证明一种适用于该模型的缓解措施。我们的分析是通过对V8(Chrome中的生产JavaScript虚拟机)的广泛攻击性研究和防御性实现工作而得出的。对真实硬件模型的直接扩展表明,这些漏洞对有效、高效的缓解提出了巨大的挑战。由于我们的工作,我们现在认为,今天的硬件上的投机漏洞击败了所有语言强制的机密性,没有已知的全面软件缓解措施,因为我们已经发现,不受信任的代码可以构建一个通用的读取小工具,通过侧通道读取同一地址空间中的所有内存。面对这一现实,我们已经将Chrome Web浏览器和V8的安全模型转变为进程隔离。
2019-02-14 cs.CR cs.PL
When Context Gets Root: Privilege Escalation in LLM Harnesses
Nanjing University(南京大学);Honor Device Co., Ltd(荣耀终端有限公司)
该研究发现LLM管控工具存在指令权限提升漏洞,攻击者可诱导智能体将低层级恶意内容提升至更高权限,通过多智能体机制在六个编码智能体管控工具上实现了全部13个涵盖多维度的攻击目标。
2026-08-28 cs.CR cs.SE
Guardian: symbolic validation of orderliness in SGX enclaves
现代处理器可以提供允许进程独立运行的硬件原语。这些原语实现了可信执行环境(TEE),程序可以在其中运行,从而保证其执行的完整性和机密性。英特尔的Software Guard eXtensions(SGX)就是此类原语的一个示例,其独立进程称为\emph{enclaves}。然而,如果飞地没有得到适当的设计,这些保证很容易受到阻挠。它与不受信任的软件栈的接口可以说是对手可以利用的最大攻击面;例如,与不受信任的代码的意外交互可能会使飞地暴露于内存损坏攻击。在本文中,我们提出了一个概念的\emph{orderly}飞地,它的行为分为几个执行阶段,每个阶段施加一组限制访问不可信的内存,相变和寄存器消毒。违反这些限制意味着可能被用来对飞地进行攻击的不良行为。我们还介绍了\Analyser{}:一个工具,使用符号执行来执行安全区的验证,以对抗我们对有序安全区的概念;在这个过程中,它还寻找一些典型的内存损坏漏洞。我们讨论了我们的方法如何可以防止和标记飞地的漏洞,已在文献中确定。此外,我们还评估了我们的方法在分析一些实际飞地时的效果。\Analyser{}能够识别这些安全区上的真正漏洞,这些漏洞已被其维护人员确认并修复。
2021-05-12 cs.AR cs.CR cs.SE
Rewriting the Response Path: Silent Tampering and Provider-Signed Defense in BYOK LLM Agents
Fudan University(复旦大学);The Hong Kong University of Science and Technology(香港科学与技术大学);Huazhong University of Science and Technology(华中科技大学)
研究BYOK LLM代理响应路径完整性问题,发现中继可篡改响应。提出sign-c服务器端方案,能认证执行承载字段和查询,本地垫片验证,加密保护机密性,防御有效拒绝篡改响应,误拒率为零,延迟开销低。
2026-07-23 cs.AI cs.CR
AgentLeak: Cloning Stronger LLM Agent Capabilities onto Weaker Agents Beyond Skill Stealing
Xi’an Jiaotong University(西安交通大学);INRIA(法国国家信息与自动化研究所);University of Warwick(华威大学);Zhejiang Key Laboratory of Artificial Intelligence of Things (AIoT) Network and Data Security(浙江省人工智能物联网(AIoT)网络与数据安全重点实验室)
AgentLeak通过分析受害者与攻击者执行差异,识别能力关键行为并注入攻击者技能,在黑盒场景下将任务通过率提升超40%,恢复80%以上能力差距,揭示LLM智能体执行行为泄露程序性知识的机密性风险。
2026-09-09 cs.AI cs.CR