[论文解读] Toward Scalable Fully Homomorphic Encryption Through Light Trusted Computing Assistance

Wenhao Wang, Yichen Jiang+9 more|arXiv (Cornell University)|May 19, 2019

Security and Verification in Computing参考文献 67被引用 15

一句话总结

本文提出 TEEFHE，一种混合系统，利用 Intel SGX 受信任执行环境（Trusted Execution Environment）将全同态加密（FHE）中计算开销巨大的引导（bootstrapping）步骤卸载，显著提升性能并减少内存使用。通过将引导操作移至抗侧信道的可信执行环境内执行，同时将同态运算保留在环境外，TEEFHE 在保持强安全保证的前提下，实现了更小的密文和密钥，从而加速了 FHE 计算。

ABSTRACT

It has been a long standing problem to securely outsource computation tasks to an untrusted party with integrity and confidentiality guarantees. While fully homomorphic encryption (FHE) is a promising technique that allows computations performed on the encrypted data, it suffers from a significant slow down to the computation. In this paper we propose a hybrid solution that uses the latest hardware Trusted Execution Environments (TEEs) to assist FHE by moving the bootstrapping step, which is one of the major obstacles in designing practical FHE schemes, to a secured SGX enclave. TEEFHE, the hybrid system we designed, makes it possible for homomorphic computations to be performed on smaller ciphertext and secret key, providing better performance and lower memory consumption. We make an effort to mitigate side channel leakages within SGX by making the memory access patterns totally independent from the secret information. The evaluation shows that TEEFHE effectively improves the software only FHE schemes in terms of both time and space.

研究动机与目标

• 解决全同态加密（FHE）中的性能瓶颈，特别是引导操作过于缓慢的问题。
• 通过降低计算与内存开销，实现 FHE 在真实工作负载中的实际部署。
• 缓解在解密与重新加密等敏感操作期间 SGX 可信执行环境中的侧信道泄漏风险。
• 设计一种结合可信执行环境（TEE）与 FHE 的混合架构，兼顾安全性与效率。
• 支持任意同态计算，而无需预先配置可信执行环境的功能。

提出的方法

• 将引导操作——FHE 中通常最耗时的部分——卸载至安全的 Intel SGX 可信执行环境。
• 设计可信执行环境以执行密文解密、重新加密与噪声降低，仅使用最小化且抗侧信道的计算。
• 确保可信执行环境内内存访问模式与敏感数据无关，以防止侧信道泄露。
• 将可信执行环境与仅依赖软件的 FHE 层集成，所有其他同态运算均在可信执行环境外部执行。
• 实现一种调度机制，以高效利用受限的 TEE 内存，避免性能瓶颈。
• 使用远程认证与安全密钥管理，确保可信执行环境的完整性与机密性。

实验结果

研究问题

• RQ1 能否安全且高效地将 FHE 中的引导操作卸载至类似 Intel SGX 的硬件可信执行环境？
• RQ2 在解密与重新加密等敏感操作期间，如何缓解 SGX 中的侧信道漏洞？
• RQ3 通过 TEE 协助的引导操作，能在多大程度上减小密文与密钥大小，从而提升 FHE 性能？
• RQ4 一个混合 TEE-FHE 系统是否能支持任意计算，而无需预先配置可信执行环境？
• RQ5 与纯软件 FHE 相比，实际中可实现多大的性能与内存改进？

主要发现

• 与纯软件 FHE 相比，TEEFHE 将引导操作时间减少了多个数量级，显著加速了同态计算。
• 系统实现的密文与密钥大小小于分级 FHE（leveled FHE），从而提升了加法与乘法等基本同态操作的性能。
• 由于数据结构更小且通过智能调度高效利用 TEE 资源，内存占用得以降低。
• 通过使内存访问模式与可信执行环境内敏感信息无关，有效消除了侧信道泄露。
• 评估结果表明，TEEFHE 在时间与空间效率方面均优于当前最先进的纯软件 FHE 方案。
• 该混合设计使 FHE 能够用于需要任意计算深度的工作负载，克服了分级 FHE 的局限性。