論文の概要: MATEE: Efficiently Bridging the Semantic Gap in TrustZone via Arm Pointer Authentication
- arxiv url: http://arxiv.org/abs/2608.20583v1
- Date: Thu, 20 Aug 2026 21:33:06 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-24 14:49:32.252883
- Title: MATEE: Efficiently Bridging the Semantic Gap in TrustZone via Arm Pointer Authentication
- Title（参考訳）: MATEE:Arm Pointer認証を通じてTrustZoneのセマンティックギャップを効果的にブリッジする
- Authors: Shiqi Liu, Xiang Li, Jie Wang, Yongpeng Gao, Jiajin Hu,
- Abstract要約: Arm TrustZoneは、システムをセキュアで通常の(安全でない)世界に分割する。
これにより、セキュアな世界は、通常の世界の運用情報に対して非常に限られた可視性を持つことになる。
我々は,セマンティックギャップ脆弱性(SGV)に対する防御のために,MATEE(MATEE)と呼ばれるTEEのためのメイトシステムを提案する。
- 参考スコア（独自算出の注目度）: 5.630589990430752
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Trusted Execution Environments (TEEs) employ hardware-based isolation mechanisms to safeguard the confidentiality and integrity of sensitive code and data. One such prevalent implementation is Arm TrustZone, which partitions the system into the secure and normal (non-secure) worlds. However, this partitioning results in the secure world having very limited visibility into the operating information of the normal world, creating a semantic gap between these two worlds. Specifically, the secure world lacks an effective user identity authentication when receiving data requests from the normal world. Consequently, malicious Client Applications (CAs) in the normal world can deceive Trusted Applications (TAs) in the secure world by utilizing elaborate request parameters, compromising the sensitive data stored by other CAs. We systematically classify these Semantic Gap Vulnerabilities (SGVs) and propose a mate system for the TEE called MATEE to defend against SGVs. MATEE utilizes Arm Pointer Authentication (PA) to bind each request to the corresponding CA's identity and then verifies the identity when the CA accesses sensitive data, thereby preventing malicious request forgery. In particular, MATEE isolates sensitive data of different CAs without modifying existing CAs and TAs. Our evaluation demonstrates that MATEE successfully defends against SGVs with a minimal runtime overhead (2.19%).
- Abstract（参考訳）: Trusted Execution Environments (TEEs) では、機密コードやデータの機密性や整合性を保護するために、ハードウェアベースの分離メカニズムを採用している。
そのような実装の1つがArm TrustZoneで、システムはセキュアで通常の(安全でない)世界に分割される。
しかし、この分断によって、セキュアな世界は通常の世界の運用情報に非常に限定され、これらの2つの世界のセマンティックなギャップを生じさせる。
具体的には、セキュアな世界は、通常の世界からデータリクエストを受け取る際に、効果的なユーザID認証を欠いている。
その結果、通常の世界の悪意あるクライアントアプリケーション(CA)は、精巧な要求パラメータを利用して、他のCAが保存した機密データを妥協することで、安全な世界で信頼されたアプリケーション(TA)を騙すことができる。
我々はこれらのセマンティックギャップ脆弱性(SGV)を体系的に分類し、SGVに対する防御のためにMATEEと呼ばれるTEEのためのメイトシステムを提案する。
MATEEは、Arm Pointer Authentication(PA)を使用して、各リクエストを対応するCAのIDにバインドし、CAが機密データにアクセスする際にそのIDを検証することにより、悪意のある要求偽造を防止する。
特にMATEEは、既存のCAやTAを変更することなく、異なるCAの機密データを分離する。
我々の評価では、MATEEは最小のランタイムオーバーヘッド(2.19%)でSGVを防衛することに成功している。
関連論文リスト
- More Granular, Less Trust: Enforcing Intra-Process Isolation with Arm CCA in an Untrusted Management Environment [15.118579654055603]
CCAegisはArm Confidential Compute Architecture(CCA)を拡張して、機密データと操作をプロセス内で分離するシステムである。
CCAegisは、実際の暗号化ワークロードのオリジナルバージョンと比較して1.01xから1.43倍のパフォーマンスオーバーヘッドがあるため、センシティブなデータや操作を効果的に分離する。
論文 参考訳（メタデータ） (2026-08-20T21:42:16Z) - Detecting and Mitigating Backdoor Attacks in OTA-FL Systems: A Two-Stage Robust Aggregation Scheme [27.75838619796163]
オーバー・ザ・エア・フェデレーション・ラーニング (OTA-FL) は無線チャネルの重ね合わせ特性を利用して通信効率を向上させる。
パラメータサーバは個々のローカル更新にアクセスできない。
OTA-FLにおけるバックドア攻撃に対する防御のための2段階のロバストアグリゲーションフレームワークを提案する。
論文 参考訳（メタデータ） (2026-05-19T01:57:31Z) - ProtegoFed: Backdoor-Free Federated Instruction Tuning with Interspersed Poisoned Data [50.142067708131826]
Federated Instruction Tuning (FIT)は、複数の組織(組織)にまたがる大規模な言語モデルの、プライベートなインストラクションの共有を必要とせずに、クロスサイロ環境での協調的なインストラクションチューニングを可能にする。
最近の研究では、有毒なサンプルが現実世界のデータセットに広範に埋め込まれており、たとえクライアントが良心的であっても、すべてのクライアントに分散している可能性が示唆されている。
ProtegoFedは、トレーニング中にクライアント間で汚染されたデータを正確に検出・浄化・分散する最初のバックドアフリーFITフレームワークである。
論文 参考訳（メタデータ） (2026-02-28T07:25:32Z) - Secure Tug-of-War (SecTOW): Iterative Defense-Attack Training with Reinforcement Learning for Multimodal Model Security [63.41350337821108]
マルチモーダル大規模言語モデル(MLLM)のセキュリティを高めるために,Secure Tug-of-War(SecTOW)を提案する。
SecTOWは2つのモジュールで構成される:ディフェンダーと補助攻撃者。どちらも強化学習(GRPO)を使用して反復的に訓練される。
SecTOWは、一般的な性能を維持しながら、セキュリティを大幅に改善することを示す。
論文 参考訳（メタデータ） (2025-07-29T17:39:48Z) - SafeAgent: Safeguarding LLM Agents via an Automated Risk Simulator [77.86600052899156]
LLM(Large Language Model)ベースのエージェントは、現実のアプリケーションにますますデプロイされる。
完全自動合成データ生成によるエージェント安全性を体系的に向上する最初のフレームワークであるAutoSafeを提案する。
AutoSafeは安全性のスコアを平均で45%向上させ、現実世界のタスクでは28.91%の改善を実現している。
論文 参考訳（メタデータ） (2025-05-23T10:56:06Z) - Privacy-Aware RAG: Secure and Isolated Knowledge Retrieval [7.412110686946628]
本稿では,RAGシステムを不正アクセスやデータ漏洩から保護するための高度な暗号化手法を提案する。
当社のアプローチでは、ストレージに先立ってテキストコンテンツとそれに対応する埋め込みの両方を暗号化し、すべてのデータがセキュアに暗号化されていることを保証します。
以上の結果から,RAGシステムの設計と展開に高度な暗号化技術を統合することにより,プライバシー保護を効果的に強化できることが示唆された。
論文 参考訳（メタデータ） (2025-03-17T07:45:05Z) - ACRIC: Securing Legacy Communication Networks via Authenticated Cyclic Redundancy Integrity Check [98.34702864029796]
安全クリティカルな業界における最近のセキュリティインシデントは、適切なメッセージ認証の欠如により、攻撃者が悪意のあるコマンドを注入したり、システムの振る舞いを変更することができることを明らかにした。
これらの欠点は、サイバーセキュリティを強化するために圧力をかける必要性を強調する新しい規制を引き起こしている。
我々は,レガシ産業通信をセキュアにするためのメッセージ認証ソリューションであるACRICを紹介する。
論文 参考訳（メタデータ） (2024-11-21T18:26:05Z) - Towards Secure and Private AI: A Framework for Decentralized Inference [14.526663289437584]
大規模マルチモーダル基盤モデルは、スケーラビリティ、信頼性、潜在的な誤用に関する課題を提示する。
分散システムは、ワークロードの分散と障害の中心的なポイントの緩和によるソリューションを提供する。
これらの課題に対処するためには、AI開発に責任を負うように設計された包括的なフレームワークを使います。
論文 参考訳（メタデータ） (2024-07-28T05:09:17Z) - Enabling Privacy-preserving Model Evaluation in Federated Learning via Fully Homomorphic Encryption [1.9662978733004604]
センシティブなデータを集中化せずにモデルを協調的にトレーニングする能力によって、フェデレートラーニングが急速に普及している。
評価フェーズでは、文献で適切に対処されていない重要なプライバシーリスクが提示される。
完全同型暗号を利用した新しい評価手法を提案する。
論文 参考訳（メタデータ） (2024-03-21T14:36:55Z) - HasTEE+ : Confidential Cloud Computing and Analytics with Haskell [50.994023665559496]
信頼性コンピューティングは、Trusted Execution Environments(TEEs)と呼ばれる特別なハードウェア隔離ユニットを使用して、コテナントクラウドデプロイメントにおける機密コードとデータの保護を可能にする。
低レベルのC/C++ベースのツールチェーンを提供するTEEは、固有のメモリ安全性の脆弱性の影響を受けやすく、明示的で暗黙的な情報フローのリークを監視するための言語構造が欠如している。
私たちは、Haskellに埋め込まれたドメイン固有言語(cla)であるHasTEE+を使って、上記の問題に対処します。
論文 参考訳（メタデータ） (2024-01-17T00:56:23Z)
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。