MOSAIC: Masked Outsourcing of Secure AI Computations
该论文提出了一种名为MOSAIC的方法,用于解决安全且高效地外包AI计算的问题。具体场景是:一个可信但计算能力较弱的客户端拥有输入数据和模型参数,希望将推理计算外包给一个功能强大的不可信服务器,同时要求服务器无法获知输入数据和模型中的任何敏
共收录 41 条相关情报。
← 返回所有主题该论文提出了一种名为MOSAIC的方法,用于解决安全且高效地外包AI计算的问题。具体场景是:一个可信但计算能力较弱的客户端拥有输入数据和模型参数,希望将推理计算外包给一个功能强大的不可信服务器,同时要求服务器无法获知输入数据和模型中的任何敏
该论文提出 CAGE,旨在为 Arm 机密计算架构(CCA)提供 GPU 加速支持。CCA 是 Arm 推出的机密计算技术,通过创建多个隔离地址空间(称为 realm)来保护安全敏感任务的数据机密性和完整性。然而,现有的硬件和固件不支持机密
本文针对AI工作负载对安全、可扩展计算资源的迫切需求,提出了一种基于Intel TDX、Intel Trust Authority和NVIDIA机密计算技术的去中心化机密计算平台。当前集中式云服务商在定价和安全模型上占据主导地位,且高端GP
该论文针对英特尔TDX(Trust Domain Extensions)这一基于虚拟机的机密计算环境,系统研究了其微架构侧信道攻击面。TDX旨在保护租户代码和数据免受特权云操作系统的侵害,但往往将微架构侧信道排除在威胁模型之外。作者发现了四
本文提出了一种针对可信执行环境(TEE)的新型物理攻击方法,称为TEE.Fail。攻击者通过在DDR5内存总线上进行中间人拦截(Memory Bus Interposition),能够在TEE(如Intel SGX、AMD SEV等)的保护
本文提出了一种名为“它是特性而非缺陷”的状态回滚机制,旨在解决机密云计算中应用状态一致性与安全审计的冲突。在机密计算环境中,应用运行于可信执行环境(TEE)内,但云提供商或恶意攻击者可能试图通过回滚状态(如日志、数据库快照)来破坏完整性或隐
该论文研究了移动Arm系统级芯片(SoC)中集成多种协处理器和外设所带来的安全与效率挑战。现有方案依赖内存加密来保护I/O数据,但在移动平台中,实时数据处理和严格的功耗要求使得内存加密引入显著的性能和功耗开销,阻碍了Arm机密计算架构(CC
该论文提出了一种名为V-ORAM的通用且自适应的不透明随机访问机(ORAM)框架,旨在解决传统ORAM方案在处理动态工作负载时效率低下的问题。ORAM是一种用于隐藏内存访问模式的技术,广泛应用于机密计算和安全处理器设计中,以保护数据隐私。然
本文针对大语言模型(LLM)在云环境部署中面临的敏感数据泄露和完整性风险,系统研究了利用CPU与GPU可信执行环境(TEE)实现端到端机密AI工作流的可行性与性能开销。当前主流云服务(Azure、GCP、AWS)依赖集中式基础设施,用户必须
本文针对第三方共享加速器基础设施上部署大型基础模型面临的模型窃取风险,提出了一种纯软件的内存混淆框架CloakLM。在现有服务部署中,模型提供者控制虚拟机或裸金属服务栈,但无法控制底层硬件(如主机到GPU互连、加速器结构、相邻基础设施组件)
该论文系统性地研究了AMD SEV-SNP(安全加密虚拟化-安全嵌套页表)中的密文侧信道问题。先前工作(CipherLeaks,USENIX Security 2021)仅关注VMSA(虚拟机保存区域)页面的密文变化,通过监控上下文切换时V
该论文针对云推理服务(CIS)中用户请求包含大量个人敏感或企业机密信息,而现有保护方案(如苹果的PCC、谷歌的Private AI Compute)依赖专有硬件和封闭生态系统,难以被其他厂商采纳的问题,提出了OpenPCC:一个基于商用可信
本文针对跨组织协作计算中,参与方需要处理敏感数据和专有代码但不愿将其暴露给不可信基础设施或其他参与者的难题,提出了一种名为双向机密虚拟机(2cVM)的双层架构。该架构将硬件可信执行环境(TEE)与工作负载内隔离层相结合。与普通机密虚拟机(C
论文提出 GDPRuler,一种用于不可信云环境中的键值存储(KVS)的可验证 GDPR 合规中间件系统。背景:GDPR等隐私法规对个人数据的存储、处理和审计提出严格要求,而KVS简单数据模型和不可信云部署使合规极具挑战。现有方案需侵入式代
随着LLM即服务等机密云工作负载的兴起,用户数据必须在可信且未被篡改的环境中处理,这需要密码学证明。现有的解决方案,特别是Confidential Containers (CoCo),强制采用严格的“每个Pod一个虚拟机”模型,仅证明客户操
该论文针对AMD SEV(安全加密虚拟化)技术缺乏形式化安全保证的问题,提出了一套形式化验证框架。AMD SEV是机密计算中的关键技术,通过硬件内存加密保护虚拟机内敏感数据。然而,现有实现缺乏对安全性属性的严格证明。研究首先对AMD SEV
随着云原生技术的快速普及,多租户环境中的机密容器部署需求日益迫切。然而,现有基于微虚拟机(microVM)架构的机密容器设计,虽然增强了容器间隔离,但其复杂的软件栈导致较高的启动延迟和资源开销,不适合短期容器工作负载。本文提出 Fasco,
本文实证研究了在Intel SGX2安全区内运行Arrow-native DataFrame引擎Polars的性能特性。作者使用Gramine作为LibOS,在TPC-H SF30基准测试集(约22-73 GB)和Azure Blob St
本文提出EBCC(Enclave-Backed Confidential Containers),一种兼容OCI(Open Container Initiative)的运行时架构,旨在将机密计算工作负载无缝集成到标准容器生命周期管理中。现有
近期的研究工作反复证明了侧信道攻击能够破坏可信执行环境(如Intel SGX)的机密性保证。与此同时,云环境中的可信执行正朝着机密虚拟机(CVM)方向发展。不幸的是,一些侧信道攻击在CVM上依然可行,并且新发现了针对CVM架构的攻击。以往工