論文の概要: An Experimental Evaluation of TEE technology Evolution: Benchmarking Transparent Approaches based on SGX, SEV, and TDX
- arxiv url: http://arxiv.org/abs/2408.00443v1
- Date: Thu, 1 Aug 2024 10:29:11 GMT
- ステータス: 処理完了
- システム内更新日: 2024-08-04 20:56:07.845818
- Title: An Experimental Evaluation of TEE technology Evolution: Benchmarking Transparent Approaches based on SGX, SEV, and TDX
- Title（参考訳）: TEE技術の進化に関する実験的評価:SGX, SEV, TDXに基づく透明アプローチのベンチマーク
- Authors: Luigi Coppolino, Salvatore D'Antonio, Davide Iasio, Giovanni Mazzeo, Luigi Romano,
- Abstract要約: Trusted Execution Environment (TEE)技術は、間違いなく最も有望なソリューションとして登場した。
本稿では,TDX,SEV,Gramine-SGX,Occlum-SGXの比較評価を行う。
- 参考スコア（独自算出の注目度）: 3.327474729829121
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Protection of data-in-use is a key priority, for which Trusted Execution Environment (TEE) technology has unarguably emerged as a, possibly the most, promising solution. Multiple server-side TEE offerings have been released over the years, exhibiting substantial differences with respect to several aspects. The first comer was Intel SGX, which featured Process-based TEE protection, an efficient yet difficult to use approach. Some SGX limitations were (partially) overcome by runtimes, notably: Gramine, Scone, and Occlum. A major paradigm shift was later brought by AMD SEV, with VM-based TEE protection, which enabled lift-and-shift deployment of legacy applications. This new paradigm has been implemented by Intel only recently, in TDX. While the threat model of the aforementioned TEE solutions has been widely discussed, a thorough performance comparison is still lacking in the literature. This paper provides a comparative evaluation of TDX, SEV, Gramine-SGX, and Occlum-SGX. We study computational overhead and resource usage, under different operational scenarios and using a diverse suite of legacy applications. By doing so, we provide a reliable performance assessment under realistic conditions. We explicitly emphasize that, at the time of writing, TDX was not yet available to the public. Thus, the evaluation of TDX is a unique feature of this study.
- Abstract（参考訳）: データ・イン・ユース(data-in-use)の保護は重要な優先事項であり、Trusted Execution Environment(TEE)技術は間違いなく最も有望なソリューションである。
複数のサーバサイドのTEE製品が長年にわたってリリースされ、いくつかの面で大きな違いを示している。
最初はIntel SGXで、プロセスベースのTEEプロテクションが特徴で、効率的なが使用が難しい。
SGXの制限は、特にGramine、Scoone、Occlumといったランタイムによって(部分的に)克服された。
主要なパラダイムシフトは後にAMD SEVによってもたらされ、VMベースのTEE保護により、レガシーアプリケーションのリフト・アンド・シフトデプロイを可能にした。
この新しいパラダイムは、TDXでしか実装されていない。
上記のTEEソリューションの脅威モデルは広く議論されているが、文献上はまだ徹底的な性能比較が不十分である。
本稿では,TDX,SEV,Gramine-SGX,Occlum-SGXの比較評価を行う。
計算オーバーヘッドとリソース使用量について,さまざまな運用シナリオと多様なレガシーアプリケーションを用いて検討する。
これにより,現実的な条件下での信頼性の高い性能評価を行う。
この記事の執筆時点では、TDXはまだ一般公開されていないことを強調しています。
したがって、TDXの評価は、この研究のユニークな特徴である。
関連論文リスト
- Realistic Evaluation of Test-Time Adaptation Algorithms: Unsupervised Hyperparameter Selection [1.4530711901349282]
TTA(Test-Time Adaptation)は、分散シフト下での機械学習モデルロバストネスの問題に対処するための有望な戦略として登場した。
我々は,サロゲートベースのhp選択戦略を用いて既存のTTA手法を評価し,その性能をより現実的に評価する。
論文 参考訳（メタデータ） (2024-07-19T11:58:30Z) - Active Test-Time Adaptation: Theoretical Analyses and An Algorithm [51.84691955495693]
テスト時間適応(TTA)は、教師なし設定でストリーミングテストデータの分散シフトに対処する。
完全TTA設定内に能動学習を統合する能動テスト時間適応(ATTA)の新たな問題設定を提案する。
論文 参考訳（メタデータ） (2024-04-07T22:31:34Z) - Test-Time Domain Generalization for Face Anti-Spoofing [60.94384914275116]
Face Anti-Spoofing (FAS) は、顔認識システムをプレゼンテーション攻撃から保護するために重要である。
本稿では,テストデータを活用してモデルの一般化性を高める新しいテスト時間領域一般化フレームワークについて紹介する。
テスト時間スタイル投影 (TTSP) とディバーススタイルシフトシミュレーション (DSSS) によって構成された本手法は, 目に見えないデータを領域空間に効果的に投影する。
論文 参考訳（メタデータ） (2024-03-28T11:50:23Z) - A Large-Scale Study on the Prevalence and Usage of TEE-based Features on Android [0.0]
本研究は,暗号,デジタル著作権管理,生体認証,セキュアダイアログの重要領域に焦点を当てた。
170,550の人気のAndroidアプリの分析を通じて、私たちの分析は、TEE関連の機能の実装とそのコンテキスト使用法を照らす。
論文 参考訳（メタデータ） (2023-11-17T13:29:16Z) - State-of-the-art review and synthesis: A requirement-based roadmap for standardized predictive maintenance automation using digital twin technologies [3.0996501197166975]
最近のデジタル技術は予測保守(PMx)を普及させた
しかし、PMxは、説明可能性の低さ、データ駆動手法のサンプル非効率性、物理学に基づく手法の複雑さ、知識に基づく手法の限定的な一般化可能性や拡張性など、多くの制限に直面し続けている。
本稿では,これらの課題に対処するためにDigital Twins(DT)を活用し,大規模なPMxの自動化を実現することを提案する。
論文 参考訳（メタデータ） (2023-11-13T00:16:25Z) - Harnessing the Power of LLM to Support Binary Taint Analysis [15.664205010595886]
LATTEは、大規模言語モデル(LLM)を利用した最初の静的バイナリ・テナント解析である。
まず、LATTEは完全に自動化されているが、以前の静的バイナリのテナントアナライザは、テナント伝搬ルールと脆弱性検査ルールを手動でカスタマイズするために、人間の専門知識に依存する必要がある。
第2に、LATTEは脆弱性検出に極めて有効であり、包括的評価によって実証された。
論文 参考訳（メタデータ） (2023-10-12T12:24:52Z) - REX: Rapid Exploration and eXploitation for AI Agents [103.68453326880456]
本稿では、REXと呼ばれるAIエージェントのための高速探索およびeXploitationのための改良されたアプローチを提案する。
REXは追加の報酬層を導入し、アッパー信頼境界(UCB)スコアに似た概念を統合し、より堅牢で効率的なAIエージェントのパフォーマンスをもたらす。
論文 参考訳（メタデータ） (2023-07-18T04:26:33Z) - Building the Bridge of Schr\"odinger: A Continuous Entropic Optimal
Transport Benchmark [96.06787302688595]
提案手法は, 基本真理 OT 解が構成によって知られている確率分布のペアを作成する方法である。
これらのベンチマークペアを使用して、既存のニューラルネットワーク EOT/SB ソルバが実際に EOT ソリューションをどれだけよく計算しているかをテストする。
論文 参考訳（メタデータ） (2023-06-16T20:03:36Z) - On Pitfalls of Test-Time Adaptation [82.8392232222119]
TTA(Test-Time Adaptation)は、分散シフトの下で堅牢性に取り組むための有望なアプローチとして登場した。
TTABは,10の最先端アルゴリズム,多種多様な分散シフト,および2つの評価プロトコルを含むテスト時間適応ベンチマークである。
論文 参考訳（メタデータ） (2023-06-06T09:35:29Z) - Energy-guided Entropic Neural Optimal Transport [100.20553612296024]
エネルギーベースのモデル(EBM)は、機械学習コミュニティで数十年にわたって知られている。
EBMとEntropy-regularized OTのギャップを埋める。
実際に,玩具2Dおよび画像領域における適用性を検証する。
論文 参考訳（メタデータ） (2023-04-12T18:20:58Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。