可信计算_研究进展与技术分析_28页_3mb

GXChain 可信计算技术研究报告总结

核心内容

本报告由 GXChain 全球区块链研究院撰写，主要围绕可信计算技术的发展现状、性能分析以及其在实际应用中的潜力。可信计算技术主要包括同态加密、安全多方计算和**可信执行环境（TEE）**三大方向，它们在保护数据隐私方面各有优势，但计算性能和通信复杂度仍存在显著挑战。

主要观点

• 可信计算的重要性：随着云计算的发展，数据隐私保护成为关键问题。可信计算技术通过密码学手段和可信硬件实现数据的隐私保护，使得数据在计算过程中不会被泄露。
• 技术分类：可信计算技术分为可信硬件（如 TEE）和密码学技术（如同态加密、安全多方计算）。
• 性能瓶颈：尽管近年来在计算复杂度和通信优化方面取得进步，但全同态加密（FHE）和安全多方计算（SMC）的计算性能仍远低于明文计算，尤其在大规模数据处理中表现不佳。
• TEE的优势：可信执行环境（TEE）在应用设计复杂度、技术成熟度和生态建设方面具有显著优势，尤其是 Intel SGX，被认为是目前最成熟的 TEE 平台。
• 未来展望：从目前的发展来看，FHE 和 SMC 仍处于学术研究阶段，距离商业化还有较长距离。而 TEE 技术在短期内更具实用性和竞争力。

关键信息

1. 同态加密（HE）

• 定义：同态加密允许对加密数据进行计算，而不必解密，结果与明文计算一致。
• 技术发展：
  • 1978 年由 Rivest 等人提出，早期方案多为半同态加密。
  • 2009 年，Gentry 提出首个全同态加密方案，标志着 FHE 的诞生。
  • 后续研究不断优化 FHE，如 BGV、GSW 等。
• 性能分析：
  • HElib 是 IBM 推出的全同态加密库，支持 BGV 方案。
  • 在非自举模式下，AES 加密操作耗时约 4 分 5 秒，解密约 6 分 34 秒；自举模式下，AES 加密和解密分别耗时约 17 分 30 秒和 27 分 11 秒。
  • SEAL 是微软推出的高性能同态加密库，支持 BFV 和 CKKS 加密方案。
  • SEAL 在 AES 加密和解密操作上表现良好，但加密数据的大小较大，导致通信开销显著。
  • FHE 目前计算性能较低，难以满足实际应用需求，商业化还需 3 年左右。

2. 安全多方计算（SMC）

• 定义：多个互不信任的参与者在不泄露私有输入的情况下联合计算函数。
• 技术发展：
  • 1982 年提出“百万富翁问题”，开启了 SMC 研究。
  • 1987 年，Goldreich 等人提出基于计算性安全的通用协议。
  • 近年来，研究集中在特定协议的优化，如 SPDZ、MASCOT、TinyLEGO 等。
• 性能分析：
  • TinyLEGO 协议在 AES 计算中显著优于其他协议，通信带宽减少约 40%。
  • 在广域网环境中，AES 计算的通信量约为 24MB，且在线时间差异与网络往返时间一致。
  • 对于复杂算法（如汉明距离、整数乘法、排序），SMC 通信量和计算时间均较大，对内存和网络造成压力。
  • 与非 LEGO 协议相比，TinyLEGO 在带宽和计算时间上表现更优，适合实际应用。

3. 可信执行环境（TEE）

• 定义：TEE 是可信硬件平台，确保代码和数据的安全性、保密性和完整性。
• 技术发展：
  • 由 Global Platform 在 2010 年提出，Intel 和 ARM 分别提供了 SGX 和 TrustZone 等技术。
  • Intel SGX 是目前最成熟的 TEE 平台，支持安全区的创建和隔离。
• 性能分析：
  • 在单线程模式下，SGX 的吞吐量在 SHA256 和 AES 加密中分别达到 OpenSSL 的 80% 和 67%。
  • 在安全区内执行 DNN 计算，性能受数据量影响显著，且需优化模型以适应 TEE 的特性。
  • 通过将中间层外包至 GPU，可实现 DNN 推理的显著加速，例如在 VGG16 和 MobileNet 上分别达到 12.7 倍和 5.0 倍的加速。
  • Intel 对 SGX 进行了多项安全优化，如防止侧信道攻击。

结论

• 性能对比：从计算性能和带宽角度看，FHE 和 SMC 仍有较大局限，难以满足复杂计算需求，而 TEE（如 SGX）在性能和实用性上更具优势。
• 应用前景：TEE 技术在未来 3 年内将是最具竞争力和实用性的方案，适合数据隐私保护和计算任务的结合。
• 技术挑战：FHE 和 SMC 的计算复杂度和通信开销较高，限制了其大规模应用；TEE 技术需在系统设计和安全机制上进一步优化。

参考文献

• Rivest, R. L., Adleman, L., & Dertouzos, M. L. (1978). On data banks and privacy homomorphisms.
• Gentry, C. (2009). A fully homomorphic encryption scheme.
• Lindell, Y. & Pinkas, B. (2012). Secure two-party computation via cut-and-choose oblivious transfer.
• Halevi, S. & Shoup, V. (2014). Algorithms in helib.
• Gentry, C. & Halevi, S. (2011). Implementing gentry's fully-homomorphic encryption scheme.
• Lindell, Y. (2016). Fast cut-and-choose-based protocols for malicious and covert adversaries.
• Wang, X. et al. (2017). Faster secure two-party computation in the single-execution setting.
• Nielsen, J. B. et al. (2017). Constant Round Maliciously Secure 2PC with Function-independent Preprocessing using LEGO.
• Harnik, D. & Tsfadia, E. (2017). Impressions of Intel SGX performance.
• Tramer, F. & Boneh, D. (2018). Slalom: Fast, verifiable and private execution of neural networks in trusted hardware.