TEE 技术在隐私计算和大模型训练场景下的探索和展望 2024_第1页
TEE 技术在隐私计算和大模型训练场景下的探索和展望 2024_第2页
TEE 技术在隐私计算和大模型训练场景下的探索和展望 2024_第3页
TEE 技术在隐私计算和大模型训练场景下的探索和展望 2024_第4页
TEE 技术在隐私计算和大模型训练场景下的探索和展望 2024_第5页
已阅读5页，还剩12页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

1本文介绍了可信执行环境TEE（TrustedExecution域应用的技术难点和解决方案，在此基础上，本文还展望在人工智能领域，数据是至关重要的资源。无论是训练模型还是优化算法，都离不开大量的数据支持。然而，这些数据往往包含了大量的敏感信息，如用户的个人信息商业机密等。一旦这些数据被泄露或滥用，将会给个人和企业带来巨大的损失。因此，保障数据的安全性对于维护2加密中间结果或使用加法同态加密技术来保护数据隐3TEE的概念最早可以追溯到20世纪90年代，当时研究人员开始探索如何在不可信的环境中创建安全的执行环境当时的解决方案主要依赖于硬件辅助的虚拟化技术，如统一标准的重要性。全球平台组织（GP）成立并推出了TEE的行业标准，包括全球平台可信模块（TPM）和全球平台可提供了统一的框架，促进了不同厂商之间的互操作性。随着标准的制定和相关安全芯片的设计，机密计算技术在42015年开始，随着云计算和移动平台的发展，对于平台的安全性带来了更大的挑战，Intel于2013年推出了SGX技术，旨在通过硬件强制的方式提供一个更加安全的执行环境增强其安全性。AMD也于2016年推出了SEV（SecureEncryptedVirtualization）技术，即安全加密虚拟化技术，这项技术使得虚拟机的内存内容即使在物理服务器上也能保持加密状态，从而防止潜在的恶意管理程序或其他（ConfidentialComputingConsortium）,进一步规范TEE硬件与TEE软件(如统一SDK和API接口)，并推进机密计算技术和标准的快速落地，INTEL和AMD亦先后推出近年来随着人工智能的发展，TEE技术在人工智能的数据安全保护领域也有着广泛的应用，以TEE技术辅助联邦学习为例，为了保护梯度数据，联邦学习可以使用差分隐私技术在模型训练结果参数中加入微弱噪音来降低其他方反推出梯度数据的可能性，而利用同态加密基本可以把这个风险降低到逼近零因此安全性更高，但同态加密在计算性能的5对TEE环境外而言是密态的，系统中可以通过TEE和TEE之间点对点的密态通信来保证传输过程中的数据也是密态的在商业产品上，华为MindSpore就是一个支持基于TEE的纵向联邦学习的开源平台，MindSpore使用了IntelSGX技术来实现TEE，它允许在vFL（纵向联邦学习）中使用TEE来保护中间结果和梯度，防止攻击者反计算平台，用户可以把重要的数据和代码放在一个特殊的6不会明显下降，计算准确度可以保证并且大模型的代码迁CPU的，而大模型的计算主要在GPU，因此GPU侧支持TEE78在商用上，微软基于英伟达H100GPU搭建了Azure9byGlobalPlatform,WhitePapNVIDIA,White

人人文库> 全部分类> 应用文书 > 研究报告

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论