DLBox 是一种新型的模型训练框架，旨在保护训练数据的机密性。在当前的机器学习训练过程中，攻击者可能通过内存转储或侧信道攻击窃取敏感数据。DLBox 通过采用加密内存和安全执行环境，在 CPU 和 GPU 上实现端到端的防护。它利用 Intel SGX 等可信执行环境（TEE）来隔离训练过程，并设计了高效的数据分片和加密策略以减少性能开销。实验表明，DLBox 在 CIFAR-10 和 ImageNet 等数据集上训练时，相比基线仅引入 2-5% 的性能损失，同时有效防御了数据提取攻击。该框架适用于任何需要保护训练数据隐私的场景，如医疗、金融等领域。