TensorSCONE：一种基于 Intel SGX 的安全 TensorFlow 框架
密码学与安全
2019-02-13 v1 分布式、并行与集群计算
机器学习
摘要
机器学习已成为现代数据驱动在线服务的关键组成部分。通常，机器学习的训练阶段需要处理大规模数据集，其中可能包含客户的私密与敏感信息。这带来了显著的安全风险，因为现代在线服务依赖云计算来存储和处理敏感数据。在不可信计算基础设施中，安全性成为首要关切，因为客户需要信任第三方云提供商。遗憾的是，这种信任在过去多次被违背。为克服云中的潜在安全风险，我们回答以下研究问题：如何在不可信基础设施中实现机器学习计算的安全执行？为实现该目标，我们提出了一种基于可信执行环境（TEEs）尤其是 Intel SGX 的硬件辅助方法，以在私密和敏感数据集上实现机器学习计算的安全执行。更具体地，我们提出了一种基于 Tensorflow 的通用安全机器学习框架，可在商用不可信基础设施上安全执行现有应用。特别地，我们从零构建了名为 TensorSCONE 的系统，将 TensorFlow 与基于 Intel SGX 的屏蔽执行框架 SCONE 相集成。本工作的主要挑战是克服 Intel SGX 在构建安全 TensorFlow 系统时的架构限制。我们的评估表明，在提供强安全属性和低 TCB 的同时，我们实现了合理的性能开销。
引用
@article{arxiv.1902.04413,
title = {TensorSCONE: A Secure TensorFlow Framework using Intel SGX},
author = {Roland Kunkel and Do Le Quoc and Franz Gregor and Sergei Arnautov and Pramod Bhatotia and Christof Fetzer},
journal= {arXiv preprint arXiv:1902.04413},
year = {2019}
}