論文の概要: Confidential Computing on Heterogeneous CPU-GPU Systems: Survey and Future Directions
- arxiv url: http://arxiv.org/abs/2408.11601v2
- Date: Tue, 3 Sep 2024 14:49:29 GMT
- ステータス: 処理完了
- システム内更新日: 2024-09-04 16:32:02.579950
- Title: Confidential Computing on Heterogeneous CPU-GPU Systems: Survey and Future Directions
- Title（参考訳）: 不均一CPU-GPUシステムにおける信頼計算:調査と今後の方向性
- Authors: Qifan Wang, David Oswald,
- Abstract要約: 近年、情報化と急速なデータ爆発により、高性能な異種システムの需要が高まっている。
CPUとGPUの組み合わせは、その汎用性から特に人気がある。
プライバシ保護技術の進歩、特にハードウェアベースのTrusted Execution Environments(TEEs)は、GPUアプリケーションに対して効果的な保護を提供する。
- 参考スコア（独自算出の注目度）: 21.66522545303459
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In recent years, the widespread informatization and rapid data explosion have increased the demand for high-performance heterogeneous systems that integrate multiple computing cores such as CPUs, Graphics Processing Units (GPUs), Application Specific Integrated Circuits (ASICs), and Field Programmable Gate Arrays (FPGAs). The combination of CPU and GPU is particularly popular due to its versatility. However, these heterogeneous systems face significant security and privacy risks. Advances in privacy-preserving techniques, especially hardware-based Trusted Execution Environments (TEEs), offer effective protection for GPU applications. Nonetheless, the potential security risks involved in extending TEEs to GPUs in heterogeneous systems remain uncertain and need further investigation. To investigate these risks in depth, we study the existing popular GPU TEE designs and summarize and compare their key implications. Additionally, we review existing powerful attacks on GPUs and traditional TEEs deployed on CPUs, along with the efforts to mitigate these threats. We identify potential attack surfaces introduced by GPU TEEs and provide insights into key considerations for designing secure GPU TEEs. This survey is timely as new TEEs for heterogeneous systems, particularly GPUs, are being developed, highlighting the need to understand potential security threats and build both efficient and secure systems.
- Abstract（参考訳）: 近年では、CPU、グラフィックス処理ユニット(GPU)、アプリケーション固有集積回路(ASIC)、フィールドプログラム可能なゲートアレイ(FPGA)といった複数のコンピューティングコアを統合する高性能な異種システムへの需要が高まっている。
CPUとGPUの組み合わせは、その汎用性から特に人気がある。
しかし、これらの異種システムは、セキュリティとプライバシーの重大なリスクに直面している。
プライバシ保護技術の進歩、特にハードウェアベースのTrusted Execution Environments(TEEs)は、GPUアプリケーションに対して効果的な保護を提供する。
それでも、異種システムにおけるTEEをGPUに拡張する際の潜在的なセキュリティリスクは不確実であり、さらなる調査が必要である。
これらのリスクを深く調査するため、既存のGPU TEE設計を調査し、その重要な意味を要約し、比較する。
さらに、これらの脅威を軽減するため、GPUや従来のTEEをCPUにデプロイする上で、既存の強力な攻撃についてレビューします。
我々は、GPU TEEによって導入された潜在的な攻撃面を特定し、セキュアなGPU TEEを設計するための重要な考慮事項について洞察を提供する。
この調査は異種システムの新しいTEE、特にGPUが開発され、潜在的なセキュリティ脅威を理解し、効率的かつセキュアなシステムを構築する必要性を強調している。
関連論文リスト
- SafePowerGraph: Safety-aware Evaluation of Graph Neural Networks for Transmission Power Grids [55.35059657148395]
我々は,電力システム(PS)におけるグラフニューラルネットワーク(GNN)のための,最初のシミュレータに依存しない,安全指向のフレームワークであるSafePowerGraphを紹介する。
SafePowerGraphは複数のPFシミュレータとOPFシミュレータを統合し、エネルギー価格の変動や電力線停止など、さまざまなシナリオでGNNのパフォーマンスを評価する。
論文 参考訳（メタデータ） (2024-07-17T09:01:38Z) - Do Not Trust Power Management: Challenges and Hints for Securing Future Trusted Execution Environments [0.21665864340363084]
2017年以降、Tangらは新たなソフトウェア対応ハードウェアアタックを導入した。
これらの攻撃は、TEEのセキュリティ保証をバイパスし、暗号鍵のような機密情報を暴露することを目的としている。
本稿では,これらの攻撃の包括的知識調査と文献対策の評価について述べる。
論文 参考訳（メタデータ） (2024-05-24T13:26:39Z) - Generative AI for Secure and Privacy-Preserving Mobile Crowdsensing [74.58071278710896]
生成AIは、学術分野と産業分野の両方から多くの注目を集めている。
セキュアでプライバシ保護のモバイルクラウドセンシング(SPPMCS)は、データ収集/取得に広く応用されている。
論文 参考訳（メタデータ） (2024-05-17T04:00:58Z) - Reconfigurable Edge Hardware for Intelligent IDS: Systematic Approach [0.0]
侵入検知システム(IDS)は、ネットワークセキュリティを強制するための重要なセキュリティ対策である。
本稿では,エッジデバイスの具体的な要件に対処しつつ,インテリジェントIDS(I-IDS)の概念を分析する。
再構成可能なエッジハードウェア上でI-IDSを構築するための体系的なアプローチを導入する。
論文 参考訳（メタデータ） (2024-04-13T17:24:18Z) - Effective Intrusion Detection in Heterogeneous Internet-of-Things Networks via Ensemble Knowledge Distillation-based Federated Learning [52.6706505729803]
我々は、分散化された侵入検知システムの共有モデル(IDS)を協調訓練するために、フェデレートラーニング(FL)を導入する。
FLEKDは従来のモデル融合法よりも柔軟な凝集法を実現する。
実験の結果,提案手法は,速度と性能の両面で,局所訓練と従来のFLよりも優れていた。
論文 参考訳（メタデータ） (2024-01-22T14:16:37Z) - FusionAI: Decentralized Training and Deploying LLMs with Massive
Consumer-Level GPUs [57.12856172329322]
我々は、巨大な未使用のコンシューマレベルのGPUをアンロックする分散システムを構想する。
このシステムは、CPUとGPUメモリの制限、ネットワーク帯域幅の低さ、ピアとデバイスの多様性など、重要な課題に直面している。
論文 参考訳（メタデータ） (2023-09-03T13:27:56Z) - VEDLIoT -- Next generation accelerated AIoT systems and applications [4.964750143168832]
VEDLIoTプロジェクトは、分散人工知能(AIoT)アプリケーションのためのエネルギー効率のよいディープラーニング方法論の開発を目指している。
我々は,AIoTシステムに固有の安全性とセキュリティ問題に対処しながら,アルゴリズムの最適化に重点を置いた総合的なアプローチを提案する。
論文 参考訳（メタデータ） (2023-05-09T12:35:00Z) - Towards Energy-Efficient and Secure Edge AI: A Cross-Layer Framework [13.573645522781712]
ディープニューラルネットワーク(DNN)とスパイクニューラルネットワーク(SNN)は、リソース制約されたエッジデバイスに対して最先端の結果を提供する。
これらのシステムは、様々なセキュリティと信頼性の脅威の下で、正しい機能を維持する必要がある。
本稿では、まず、異なるシステム層におけるエネルギー効率、信頼性、セキュリティ問題に対処するための既存のアプローチについて論じる。
論文 参考訳（メタデータ） (2021-09-20T20:22:56Z) - GRAVITAS: Graphical Reticulated Attack Vectors for Internet-of-Things
Aggregate Security [5.918387680589584]
IoT(Internet-of-Things)とサイバー物理システム(CPS)は、複雑なネットワークトポロジで接続された何千ものデバイスで構成されている可能性がある。
我々は、未発見の攻撃ベクトルを識別できるIoT/CPSのための包括的リスク管理システムGRAVITASについて述べる。
論文 参考訳（メタデータ） (2021-05-31T19:35:23Z) - A System for Automated Open-Source Threat Intelligence Gathering and
Management [53.65687495231605]
SecurityKGはOSCTIの収集と管理を自動化するシステムである。
AIとNLP技術を組み合わせて、脅威行動に関する高忠実な知識を抽出する。
論文 参考訳（メタデータ） (2021-01-19T18:31:35Z) - Dos and Don'ts of Machine Learning in Computer Security [74.1816306998445]
大きな可能性にもかかわらず、セキュリティにおける機械学習は、パフォーマンスを損なう微妙な落とし穴を引き起こす傾向がある。
我々は,学習ベースのセキュリティシステムの設計,実装,評価において共通の落とし穴を特定する。
我々は,落とし穴の回避や軽減を支援するために,研究者を支援するための実用的な勧告を提案する。
論文 参考訳（メタデータ） (2020-10-19T13:09:31Z)
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。