CHANCEL: Efficient Multi-client Isolation Under Adversarial Programs.
Intel SGX（软件保护扩展）旨在保护云上不可信机器中用户数据的机密性。然而，处理机密用户数据的应用程序可能包含泄漏信息的缺陷，或被恶意编程以收集用户数据。现有的研究工作试图解决该问题，但未考虑在单个enclave（飞地）内实现多客户端
#TEE
共收录 66 条相关情报。
← 返回所有主题UIEE: Secure and Efficient User-space Isolated Execution Environment for Embedded TEE Systems.
该论文提出了一种名为UIEE（User-space Isolated Execution Environment）的安全高效的用户空间隔离执行环境，专为嵌入式TEE（Trusted Execution Environment）系统设计。当前
Bifrost: Hybrid TEE-FHE Inference for Privacy-Preserving Transformer and LLM Serving
本研究提出 Bifrost，一种融合可信执行环境（TEE）与全同态加密（FHE）的混合推理架构，旨在解决云端 Transformer 和大语言模型（LLM）推理中的用户隐私保护问题。当前云端推理存在直接机密性风险：用户提示可能包含敏感代码、
OTRO: Oblivious Tokenization Path with Square-Root ORAM
该论文针对CPU侧大语言模型（LLM）分词器在机密计算环境（结合CPU和GPU可信执行环境）中存在的安全漏洞进行了深入研究。分词器通过表驱动查找将提示词转换为token，其内存访问模式会泄露用户输入的侧信道信息。已有工作证明，在Intel
The Proxy Knows Too Much: Sealing LLM API Routers with Attested TEEs
本文研究了大型语言模型（LLM）API路由器存在的安全风险。当AI代理通过API路由器访问LLM时，路由器会终止客户端的传输层安全会话并建立新的上游会话，导致路由器能够获取完整的明文交互内容。这使得路由器成为应用层中间人攻击者：它可以改写代
Emilia: Catching Iago in Legacy Code.
本文针对在可信执行环境（TEE，如 Intel SGX）中安全使用遗留代码实现可信代码的问题展开研究。遗留代码通常假设操作系统存在，因此容易遭受 Iago 攻击——一种通过伪造系统调用返回值来劫持程序行为的攻击。作者发现，并非所有遗留代码都
OpenPCC: Open and Confidential LLM Serving on Commodity TEEs
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
Two-Way Confidential VMs (2cVM): Collaborative Confidential Computing for Mutually Distrustful Parties
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
EnclaveScale: Hardware-Assisted Edge-DP for Secure Data Centre Power Telemetry
本文提出 EnclaveScale，一种分布式硬件辅助遥测架构，旨在解决数据中心电源遥测中传感器数据伪造和隐私泄露问题。现有加密技术对高频率（如10 Hz）流式数据扩展性差，且无法认证数据源，允许恶意主机注入虚假传感器输入。EnclaveS
Trust Dies in Darkness: Shedding Light on Samsung's TrustZone Keymaster Design.
本文对三星移动设备中基于 TrustZone 的密钥管理员组件（Keymaster）进行了深入的安全分析。研究团队通过逆向工程和代码审计，系统性地评估了 Keymaster 的设计与实现，发现其存在若干安全缺陷，包括但不限于：密钥存储与隔离
Bulkor: Enabling Bulk Loading for Path ORAM.
本文研究了ORAM（遗忘随机存储器）的批量加载问题，即如何高效地将大量数据快速构建成ORAM结构。ORAM是一种重要的密码学原语，用于保护数据访问模式不被泄露。近年来，随着ORAM协议的理论改进以及基于硬件的可信执行环境（TEE）的引入，O
Verifiable and Confidential DNN Inference on Low-End Edge Devices
本文针对低端边缘设备上部署深度神经网络（DNN）推理时面临的两个关键挑战：模型机密性保护（防止被受损的边缘系统窃取）和可验证推理（确保推理结果正确且未被篡改）。现有方案要么将部分模型和推理软件置于可信执行环境（TEE）中，导致高成本和依赖于
TeeDAO: A Decentralized Autonomous Organization for Heterogeneous TEEs
本文提出了一种名为 TeeDAO 的三层框架，旨在通过异构可信执行环境（TEE）构建分布式信任系统，解决单一 TEE 带来的单点攻击以及集中管理、自适应移动对手带来的安全威胁。TeeDAO 结合了 BFT 排序治理与异构感知的分布式主动秘密
DIST-FL: Enhancing Security for TEE-based Aggregation in Federated Learning
本文针对基于可信执行环境（TEE）的联邦学习聚合协议中的安全漏洞进行了研究。作者首先分析了现有协议，发现服务器端攻击者可以利用TEE的局限性，即状态回滚和I/O操纵，通过操纵客户端选择和重放聚合来破坏系统的鲁棒性和隐私性。为了解决这些问题，
ODYSSEY: Reestablishing Confidentiality in Confidential Blockchain via Delegated Execution
这篇论文首先对现有基于可信执行环境（TEE）的联盟链所面临的机密性攻击进行了分类，识别出两类主要攻击：执行推理攻击（利用TEE的长时间侧信道泄露交易执行信息）和执行重放攻击（利用TEE状态持续性特性，通过重放已执行交易推断隐私数据）。为了缓
Automated Repair of TEE Partitioning Issues via DSL-Guided and LLM-Assisted Patching
可信执行环境（TEE）通过硬件隔离保护敏感数据和计算免受受损操作系统的攻击。然而，TEE应用不可避免地需要通过SDK接口与不可信的操作系统交互，不当的代码分区可能导致严重漏洞，如数据泄露和代码注入。先前工作提出了静态分析工具检测此类问题，但
Polars inside Intel SGX2 Enclaves: An Empirical Study of Confidential Analytical Query Processing
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
EBCC: Enclave-Backed Confidential Containers via OCI-Compatible Runtime Integration
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
Automated Code Annotation with LLMs for Establishing TEE Boundaries.
该论文研究了如何利用大语言模型（LLM）自动为代码添加注释，以确定可信执行环境（TEE）的边界。在TEE开发中，正确识别和标记边界代码至关重要，但传统上依赖人工手动注释，不仅耗时且容易出错。作者提出了一种自动化框架，通过微调LLM来理解代码
SoK: Analysis of Accelerator TEE Designs.
本论文是一篇关于加速器可信执行环境（TEE）设计的系统化知识（SoK）综述。随着人工智能、大数据等计算密集型应用的普及，GPU、TPU、FPGA 等加速器被广泛部署，但其安全性面临严峻挑战，尤其是来自云环境中的恶意管理员或特权软件的攻击。可