[논문 리뷰] A Survey of Secure Computation Using Trusted Execution Environments

Xiaoguo Li, Bowen Zhao외 4명|arXiv (Cornell University)|2023. 02. 23.

Cryptography and Data Security인용 수 7

한 줄 요약

이 종합적 서베이는 신뢰할 수 있는 실행 환경(Tee) 기반의 보안 계산 프로토콜에 대한 체계적인 분류와 평가를 제시하며, 이를 보안 외주, 분산, 다자간 계산으로 분류한다. 설정, 방법론, 보안, 성능의 차원에서 표준화된 평가 기준을 도입하여 일반적 및 특수 작업(예: 개인정보 보호 기반 머신러닝, 암호화된 데이터베이스)을 위한 최신 프로토콜 간 비교 분석을 제공하며, 프로토콜 선택의 실용적 지침을 제시하고 핵심 연구 과제를 규명한다.

ABSTRACT

As an essential technology underpinning trusted computing, the trusted execution environment (TEE) allows one to launch computation tasks on both on- and off-premises data while assuring confidentiality and integrity. This article provides a systematic review and comparison of TEE-based secure computation protocols. We first propose a taxonomy that classifies secure computation protocols into three major categories, namely secure outsourced computation, secure distributed computation and secure multi-party computation. To enable a fair comparison of these protocols, we also present comprehensive assessment criteria with respect to four aspects: setting, methodology, security and performance. Based on these criteria, we review, discuss and compare the state-of-the-art TEE-based secure computation protocols for both general-purpose computation functions and special-purpose ones, such as privacy-preserving machine learning and encrypted database queries. To the best of our knowledge, this article is the first survey to review TEE-based secure computation protocols and the comprehensive comparison can serve as a guideline for selecting suitable protocols for deployment in practice. Finally, we also discuss several future research directions and challenges.

연구 동기 및 목표

• TEE 기반 보안 계산 프로토콜의 배치에 있어 체계적인 비교 및 지침의 부족을 해결하기 위해.
• 기존 TEE 기반 보안 계산 프로토콜을 보안 외주, 분산, 다자간 계산의 세 가지 주요 범주로 분류하기 위해.
• 공정한 프로토콜 비교를 위한 네 가지 차원(설정, 방법론, 보안, 성능)에서 표준화된 평가 기준을 수립하기 위해.
• 일반 목적 계산 및 개인정보 보호 기반 머신러닝, 암호화된 데이터베이스 쿼리와 같은 특수 목적 응용 분야를 위한 최신 TEE 기반 프로토콜의 분석 및 비교를 위해.
• TEE 기반 보안 계산 분야의 열린 과제와 향후 연구 방향을 규명하기 위해, 특히 확장성, 실시간 처리, 모바일 호환성, 신뢰 관리 측면에서.

제안 방법

• 보안 외주 계산, 보안 분산 계산, 보안 다자간 계산의 세 가지 범주로 구성된 분류 체계를 제안하기 위해.
• 계산 설정, 프로토콜 방법론, 보안 모델, 성능 메트릭(예: 실행 시간, 통신 비용)을 포함한 종합적인 평가 프레임워크를 정의하기 위해.
• 학술지에 게재된 논문들에서 40개 이상의 대표적인 TEE 기반 보안 계산 프로토콜을 조사 및 분석하기 위해, 일반 기능과 특수 기능을 모두 중점적으로 다루기 위해.
• 표준화된 메트릭을 사용하여 프로토콜를 평가하고, 평판 실행 및 완전한 인-엔clave 실행과 같은 기준 기반 프로토콜와 비교하기 위해.
• 가능한 경우 공식적인 보안 분석을 수행하고, 측면채널 공격 및 재생 공격에 대한 내성 강도를 평가하기 위해.
• 기존 연구의 격차를 규명하기 위해, 특히 신뢰할 수 없는 코드에 대한 보호 및 모바일 배포 측면에서의 취약점을 분석하고 향후 연구 방향을 제안하기 위해.

(a) Outsourced Framework

실험 결과

연구 질문

• RQ1 TEE 기반 보안 계산 프로토콜는 다양한 응용 설정 간에 체계적으로 분류되고 비교될 수 있는가?
• RQ2 TEE 기반 보안 계산에서 보안 보장, 성능 효율성, 배포 가능성 간의 주요 트레이드오프는 무엇인가?
• RQ3 기존 TEE 기반 프로토콜는 대규모 데이터 처리, 실시간 계산, 모바일 배포를 어느 정도 지원하는가?
• RQ4 악성 또는 신뢰할 수 없는 코드로부터 TEE를 보호하기 위한 현재의 한계는 무엇이며, 신뢰 가정을 최소화하기 위한 방법은 무엇인가?
• RQ5 실용성과 성능 측면에서 TEE 기반 프로토콜는 히든 암호화 및 비밀 공유와 같은 전통적인 암호 기반 솔루션과 어떻게 비교되는가?

주요 결과

• 이 서베이는 문헌에서 중요한 격차를 규명한다: 보안, 성능, 배포 설정의 측면에서 TEE 기반 보안 계산 프로토콜를 종합적으로 비교한 이전의 종합적 서베이가 존재하지 않는다.
• 대부분의 TEE 기반 프로토콜는 악성 공격자에 저항하도록 설계되었지만, 측면채널 공격 및 재생 공격에 대한 보호는 여전히 개발이 부족하며, 이러한 위협을 다루는 연구는 소수에 그친다.
• 성능 평가 결과, TEE 기반 프로토콜는 일반적으로 완전 히든 암호화 및 비밀 공유 프레임워크보다 실행 시간에서 뛰어나지만, 분산 환경에서는 통신 오버헤드가 여전히 주요 병목 현상이다.
• 개인정보 보호 기반 머신러닝의 경우, TEE 기반 솔루션은 소규모에서 중규모 데이터셋에서는 수용 가능한 추론 및 학습 시간을 달성하지만, 대규모 데이터에 대한 확장성은 여전히 주요 과제이다.
• 기존 프로토콜는 일반적으로 평판 실행 또는 인-엔clave 기반 기준과 비교하지만, 프로토콜 간 비교를 위한 표준화된 벤치마크가 부족하여 재현 가능성과 공정한 평가가 제한된다.
• 향후 연구는 점진적 계산, 모바일 친화적 배포, TEE 하드웨어에 대한 신뢰도 감소에 초점을 맞춰야 하며, 이를 통해 산업 전반의 광범위한 채택이 가능해질 것이다.

(b) Distributed Framework