[论文解读] A Survey of Secure Computation Using Trusted Execution Environments

Xiaoguo Li, Bowen Zhao+4 more|arXiv (Cornell University)|Feb 23, 2023

Cryptography and Data Security被引用 7

一句话总结

本综述系统地提出了基于可信执行环境（TEE）的安全计算协议的全面分类体系与系统性评估，将这些协议分为安全外包计算、分布式计算和多方计算三类。该研究引入了涵盖环境、方法、安全性和性能四个维度的标准化评估标准，对通用任务与隐私保护机器学习、加密数据库等专用任务的前沿协议进行了对比分析，为协议选型提供实用指导，并识别出关键的研究挑战。

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.

研究动机与目标

• 为解决在部署基于TEE的安全计算协议时缺乏系统性比较与指导的问题。
• 将现有的基于TEE的安全计算协议划分为三大类：安全外包计算、安全分布式计算和安全多方计算。
• 在四个维度（环境、方法、安全性和性能）上建立标准化的评估标准，以实现公平的协议比较。
• 分析并对比最先进的基于TEE的协议在通用计算与专用应用（如隐私保护机器学习和加密数据库查询）中的表现。
• 识别基于TEE的安全计算中的开放性挑战与未来研究方向，包括可扩展性、实时处理、移动设备兼容性以及信任管理。

提出的方法

• 提出三类分类体系：安全外包计算、安全分布式计算与安全多方计算。
• 定义一个涵盖四个标准的综合性评估框架：计算环境、协议方法、安全模型与性能指标（如执行时间、通信开销）。
• 从同行评审文献中调研并分析40余种具有代表性的基于TEE的安全计算协议，重点关注通用功能与专用功能。
• 使用标准化指标评估协议性能，与明文执行和全内存内执行等基线方案进行对比。
• 在可用的情况下开展形式化安全分析，并评估对侧信道攻击与重放攻击的抵御能力。
• 识别现有研究中的不足，特别是在防范不受信任代码方面的缺陷，并提出未来研究方向。

(a) Outsourced Framework

实验结果

研究问题

• RQ1 如何在不同应用场景下对基于TEE的安全计算协议进行系统性分类与比较？
• RQ2 在基于TEE的安全计算中，安全保证、性能效率与部署可行性之间的关键权衡是什么？
• RQ3 现有基于TEE的协议在多大程度上支持大规模数据处理、实时计算与移动设备部署？
• RQ4 当前在防范恶意或不受信任代码方面存在哪些局限性？如何最小化信任假设？
• RQ5 在实用性与性能方面，基于TEE的协议与传统密码学方案（如同态加密与秘密共享）相比如何？

主要发现

• 本综述发现文献中存在一个关键空白：此前尚无全面综述系统性地比较基于TEE的安全计算协议在安全性、性能与部署环境方面的表现。
• 大多数基于TEE的协议设计用于抵御恶意攻击者，但对侧信道攻击与重放攻击的防护仍不充分，仅有少数研究关注此类威胁。
• 性能评估表明，基于TEE的协议在执行时间上通常优于全同态加密与秘密共享框架，但在分布式环境中通信开销仍是主要瓶颈。
• 在隐私保护机器学习方面，基于TEE的解决方案在小规模至中等规模数据集上可实现可接受的推理与训练时间，但向大规模数据扩展仍面临重大挑战。
• 现有协议通常与明文或内存内执行基线进行性能对比，但缺乏用于跨协议比较的标准化基准，限制了可复现性与公平评估。
• 未来研究应聚焦于增量计算、面向移动设备的部署优化，以及降低对TEE硬件的信任程度，以推动工业范围的广泛应用。

(b) Distributed Framework