Styx：基于 TEE 强制黏性策略的协作隐私数据处理
密码学与安全
2026-04-07 v1
摘要
在数据驱动的合作中（如 AI 训练）保护敏感信息，同时满足来自多个mutually distrusted 利益相关者的多样化需求，是至关重要且具有挑战性的。本文提出了 Styx，一种将黏性策略与受信执行环境（TEE）集成的新型框架以应对这一挑战。总体而言，Styx 采用硬件 TEE 保护的中间件，配合编程语言运行时，构成用于数据处理和策略强制的沙箱环境。我们仔细设计了数据处理工作流程和管道，以实现对整个数据生命周期及数据派生过程中的强大且灵活的数据特定策略强制，从而实现数据使用中的保护、数据生命周期保护和动态协作。我们实现了 Styx 并展示了其使协作计算（如联合 AI 训练）更加安全、隐私保护和策略合规的能力。我们的评估显示，Styx 对单节点计算施加的性能开销是合理的，并且具备扩展至大型分布式多节点部署的能力。
引用
@article{arxiv.2604.04082,
title = {Styx: Collaborative and Private Data Processing With TEE-Enforced Sticky Policy},
author = {Shixuan Zhao and Weicheng Wang and Ninghui Li and Zhiqiang Lin},
journal= {arXiv preprint arXiv:2604.04082},
year = {2026}
}