[论文解读] StreamBox-TZ: Secure Stream Analytics at the Edge with TrustZone

Heejin Park, Shuang Zhai+2 more|arXiv (Cornell University)|Aug 2, 2018

Security and Verification in Computing参考文献 77被引用 5

一句话总结

StreamBox-TZ (SBT) 是一种用于边缘平台的安全流分析引擎，利用 ARM TrustZone 在可信执行环境（TEE）中隔离敏感数据和计算，确保机密性和完整性。它实现了高性能——最高达 140 MB/sec（1200 万条事件/sec）的处理速度，延迟低于一秒，同时性能开销低于 25%，且对可信计算基（TCB）的扩展仅增加 42.5 KB。

ABSTRACT

While it is compelling to process large streams of IoT data on the cloud edge, doing so exposes the data to a sophisticated, vulnerable software stack on the edge and hence security threats. To this end, we advocate isolating the data and its computations in a trusted execution environment (TEE) on the edge, shielding them from the remaining edge software stack which we deem untrusted. This approach faces two major challenges: (1) executing high-throughput, low-delay stream analytics in a single TEE, which is constrained by a low trusted computing base (TCB) and limited physical memory; (2) verifying execution of stream analytics as the execution involves untrusted software components on the edge. In response, we present StreamBox-TZ (SBT), a stream analytics engine for an edge platform that offers strong data security, verifiable results, and good performance. SBT contributes a data plane designed and optimized for a TEE based on ARM TrustZone. It supports continuous remote attestation for analytics correctness and result freshness while incurring low overhead. SBT only adds 42.5 KB executable to the TCB (16% of the entire TCB). On an octa core ARMv8 platform, it delivers the state-of-the-art performance by processing input events up to 140 MB/sec (12M events/sec) with sub-second delay. The overhead incurred by SBT's security mechanism is less than 25%.

研究动机与目标

• 解决在软件栈存在漏洞的不可信边缘平台上处理敏感物联网遥测数据所面临的安全风险。
• 通过 TEE 将关键数据和分析工作负载隔离在最小化的可信计算基（TCB）中，防止暴露于不可信的软件组件。
• 在 TEE 的资源受限环境下（包括有限的物理内存和较小的 TCB）实现高吞吐量、低延迟的流处理。
• 通过持续的远程认证和结果验证，确保分析输出的正确性和新鲜度，即使在存在不可信边缘组件的情况下也能保障。
• 通过针对 ARM TrustZone 量身定制的新颖数据结构和底层系统级优化，提升 TEE 内的性能。

提出的方法

• 在 TEE 内构建一个数据平面，仅向不可信软件暴露狭窄的、无共享的接口，封装所有分析数据、可信原原子和关键运行时函数。
• 实现一种名为 uArrays 的新抽象——由 TEE 中按需分页支持的连续、虚拟上无边界的缓冲区，由专门的分配器管理，并利用来自不可信组件的提示信息。
• 通过基于数组的算法和手工编写的 ARMv8 向量指令优化性能，减少对通用内存分配器的依赖。
• 引入持续的远程认证机制，以验证分析的正确性和结果的新鲜度，使用经过压缩的审计记录以减少上行链路带宽消耗。
• 通过将线程调度和同步功能排除在 TEE 之外，最小化 TCB，仅将可信代码限制在必要组件范围内。
• 利用 uArrays 的按需增长机制，高效管理高速流处理过程中的动态内存需求，性能优于标准容器（如 std::vector）。

实验结果

研究问题

• RQ1 如何在边缘平台上通过 TEE 安全隔离高吞吐量的流分析工作负载，同时最小化可信计算基（TCB）和物理内存使用？
• RQ2 在 TEE 的性能约束下，需要哪些系统级优化才能实现低延迟、高吞吐量的流处理？
• RQ3 当可信和不可信组件共同参与处理时，如何实现对分析正确性和结果新鲜度的持续、远程验证？
• RQ4 在内存受限的 TEE 环境中，哪些新颖的数据结构和内存管理技术能有效管理动态、高速的流数据？
• RQ5 在真实边缘部署中，性能开销能在多大程度上被最小化，同时仍保持强大的安全保证？

主要发现

• SBT 在八核 ARMv8 平台上实现了最高 140 MB/sec（1200 万条事件/sec）的吞吐量，展示了 TEE 基流分析的最先进性能。
• SBT 中的安全机制相比非安全基线的开销低于 25%，使其适用于实时边缘工作负载。
• TCB 仅包含 42.5 KB 的可执行代码（占总 TCB 的 16%），与完整栈的 TEE 迁移相比，显著减少了攻击面。
• 由于 TEE 层级的分配和分页速度更快，uArrays 在按需增长基准测试中比 std::vector 快 4 倍，能够高效处理动态数据流。
• 审计记录压缩使上行链路带宽使用减少 5 至 6.7 倍，节省 2–40 KB/sec，相对于分析结果本身的小尺寸（144–400 字节/秒）而言具有显著意义。
• uArrays 的专用分配器在无提示信息时内存使用量最高增加 35%，凸显了组件间协调对实现最优内存利用率的重要性。