本文针对受信执行环境(TEE)中严格内存模型导致的性能瓶颈问题,提出了一种新的内存模型——Elasticlave。传统TEE(如Intel SGX)采用空间隔离模型,强制enclave之间不能共享内存,导致数据拷贝开销巨大,性能降低1-2个数量级。Elasticlave允许enclave选择性地、临时地与其它enclave乃至操作系统共享内存,从而消除昂贵的数据拷贝操作,同时仍能保持与空间隔离模型相当的应用所需安全性。作者在基于RTL设计的周期级RISC-V核上实现了Elasticlave原型,实验表明,在相同处理器配置下,相比空间隔离模型可获得1-2个数量级的性能提升。Elasticlave的可信计算基(TCB)很小,其性能特性和硬件面积开销随所支持的共享内存区域数量扩展良好。该研究为TEE内存模型设计提供了新思路,适合系统安全与硬件架构领域的研究人员阅读。
💡 推荐理由: Elasticlave通过引入灵活的共享内存模型,显著提升TEE性能,有望推动TEE在性能敏感场景中的广泛应用,对云安全、边缘计算等领域有重要参考价值。
🎯 建议动作: 研究跟进