[論文レビュー] MemTrust: A Zero-Trust Architecture for Unified AI Memory System

Xing Zhou, Dmitrii Ustiugov+2 more|arXiv (Cornell University)|Jan 11, 2026

Security and Verification in Computing被引用数 0

ひとこと要約

MemTrustはハードウェア backedのゼロトラストアーキテクチャを提供し、TEEsを用いて五層のAIメモリシステム（Storage, Extraction, Learning, Retrieval, Governance）をSecuresし、跨アプリケーション文脈共有を20%未満のオーバーヘッドで実現する。

ABSTRACT

AI memory systems are evolving toward unified context layers that enable efficient cross-agent collaboration and multi-tool workflows, facilitating better accumulation of personal data and learning of user preferences. However, centralization creates a trust crisis where users must entrust cloud providers with sensitive digital memory data. We identify a core tension between personalization demands and data sovereignty: centralized memory systems enable efficient cross-agent collaboration but expose users' sensitive data to cloud provider risks, while private deployments provide security but limit collaboration. To resolve this tension, we aim to achieve local-equivalent security while enabling superior maintenance efficiency and collaborative capabilities. We propose a five-layer architecture abstracting common functional components of AI memory systems: Storage, Extraction, Learning, Retrieval, and Governance. By applying TEE protection to each layer, we establish a trustworthy framework. Based on this, we design MemTrust, a hardware-backed zero-trust architecture that provides cryptographic guarantees across all layers. Our contributions include the five-layer abstraction, "Context from MemTrust" protocol for cross-application sharing, side-channel hardened retrieval with obfuscated access patterns, and comprehensive security analysis. The architecture enables third-party developers to port existing systems with acceptable development costs, achieving system-wide trustworthiness. We believe that AI memory plays a crucial role in enhancing the efficiency and collaboration of agents and AI tools. AI memory will become the foundational infrastructure for AI agents, and MemTrust serves as a universal trusted framework for AI memory systems, with the goal of becoming the infrastructure of memory infrastructure.

研究の動機と目的

• unified AI memory systemsにおけるパーソナライゼーションとデータ主権の緊張を解消する。
• TEEsで全層を保護する五層アーキテクチャを提案する。
• 暗号的検証とプライバシー保証を伴う跨アプリケーション文脈共有を実現する。
• 複数のTEEsとバックエンドに適応可能な実用的なハードウェア対応ゼロトラストフレームワークを提供する。

提案手法

• Storage, Extraction, Learning, Retrieval, Governanceの五層抽象を定義し、実装をSGX, SEV-SNP, TDX, Nitro, CCAといったTEEsにマッピングする。
• ティーの暗号化、検証、境界付き鍵管理をTEEs内で設計する。
• Sealed Segment vector storageとoblivious graph storageを導入し、信頼できないバックエンドでデータを保護する。
• MemTrustプロトコルからContextを開発し、跨アプリケーション・検証境界付きアクセスを可能にする。
• Qdrant, SurrealDB, Gemini 2.5, Qwen 3 8Bと統合したプロトタイプを開発し、エンドツーエンドの安全なワークフローを実現する。
• SEV-SNPを用いた評価でオーバーヘッドとセキュリティ特性を企業ワークロードで検証する。

実験結果

リサーチクエスチョン

• RQ1 統一されたAIメモリを、クラウドベンダーを信頼できない運用者から保護しつつクラウドネイティブな利点を維持するにはどうすべきか？
• RQ2 マルチTEEハードウェア対応アーキテクチャはAIメモリライフサイクルに対してエンドツーエンドの機密性・完全性・可用性を提供できるか？
• RQ3 検証境界付きアクセス・トークンを用いた跨アプリケーション文脈共有を安全に達成する方法は？
• RQ4 TEEsベースのメモリシステムを企業規模のワークロードに適用した場合の性能影響は？
• RQ5 TEEsとメモリシステムの統合（例：GPU TEEs, oblivious RAM）における実践的な課題と今後の方向性は？

主な発見

• ゼロトラストのMemTrustアーキテクチャは、五層にわたる統一AIメモリシステムの機密性・完全性・可用性を提供する。
• SEV-SNPを用いた評価で企業ワークロードにおけるオーバーヘッドは20%未満を達成する。
• 検証境界付きトークンと監査ログを通じて跨アプリケーションの文脈共有を実現し、メモリ提供者に平文データを exposure させない。
• 複数のTEEs（SGX, SEV-SNP, TDX, Nitro, CCA）をベクトルDBと知識グラフと統合した実用的なプロトタイプを実現する。
• 水平スケーリングで性能はほぼ線形、ハッシュ化と安全なディスクI/O技術によりI/Oボトルネックを緩和。
• HYOKのような鍵管理とハードウェア封印を用いて、デバイス間の継続性とユーザー制御のデータガバナンスを実現する設計。