機密計算：AI數(shù)據(jù)安全和隱私保護

第１部分  基本概念框架
第1章  數(shù)據(jù)安全的挑戰(zhàn)與需求         2
1.1  數(shù)據(jù)安全的戰(zhàn)略意義   3
1.2  數(shù)據(jù)產(chǎn)業(yè)面臨的安全挑戰(zhàn)   5
1.3  數(shù)據(jù)安全核心需求        8
1.3.1  數(shù)據(jù)生命周期     8
1.3.2  數(shù)據(jù)安全需求     9
1.4  隱私保護計算背景        10
1.4.1  基本概念     10
1.4.2  國內(nèi)外政策環(huán)境         12
1.5  AI領(lǐng)域中的數(shù)據(jù)安全問題   15
1.5.1  AI中的CIA數(shù)據(jù)安全模型 15
1.5.2  AI中的攻擊模型         16
1.5.3  典型AI場景中的數(shù)據(jù)安全問題        18
參考文獻         20
 
第2章  隱私保護計算技術(shù)         21
2.1  安全多方計算        22
2.1.1  安全多方計算的定義和分類     22
2.1.2  不經(jīng)意傳輸         23
2.1.3  混淆電路     25
2.1.4  秘密共享     27
2.1.5  零知識證明         29
2.1.6  應(yīng)用場景     31
2.2  同態(tài)加密        31
2.2.1  部分同態(tài)加密     33
2.2.2  類同態(tài)加密         37
2.2.3  全同態(tài)加密         38
2.2.4  應(yīng)用場景     40
2.3  差分隱私        41
2.3.1  基本定義     42
2.3.2  噪聲機制     42
2.3.3  應(yīng)用場景     44
2.4  可信執(zhí)行環(huán)境        45
2.4.1  英特爾SGX 46
2.4.2  ARM TrustZone    47
2.4.3  AMD SEV      48
2.4.4  應(yīng)用場景     51
2.5  各類技術(shù)比較        51
2.5.1  安全多方計算     52
2.5.2  同態(tài)加密     52
2.5.3  差分隱私     53
2.5.4  可信執(zhí)行環(huán)境     53
參考文獻         54
 
第3章  AI場景中的隱私保護計算方案    58
3.1  聯(lián)邦學習        59
3.1.1  聯(lián)邦學習簡介     59
3.1.2  橫向聯(lián)邦學習架構(gòu)及案例         60
3.1.3  縱向聯(lián)邦學習架構(gòu)及案例         62
3.2  聯(lián)邦學習擴展方案        64
3.2.1  共享智能     64
3.2.2  聯(lián)邦智能     65
3.2.3  知識聯(lián)邦     66
3.3  AI推理   67
3.4  隱私保護計算方案總結(jié)        69
參考文獻         70
 
第2部分  深度技術(shù)解析
第4章  可信執(zhí)行環(huán)境技術(shù)         72
4.1  背景介紹        73
4.2  架構(gòu)概述        75
4.2.1  芯片支持     75
4.2.2  固件支持     80
4.2.3  軟件棧         80
4.3  關(guān)鍵技術(shù)        82
4.3.1  內(nèi)存組織結(jié)構(gòu)     83
4.3.2  內(nèi)存加密引擎     85
4.3.3  Enclave生命周期        88
4.3.4  線程運行模式     91
4.3.5  密鑰     92
4.3.6  認證     92
4.4  SGX防御的攻擊    98
4.4.1  硬件攻擊防御     99
4.4.2  軟件攻擊防御     99
4.5  SGX面臨的威脅及其防御    101
4.5.1  拒絕服務(wù)攻擊     101
4.5.2  Iago攻擊     102
4.5.3  側(cè)信道攻擊         102
4.5.4  Enclave代碼漏洞        102
 
第5章  可信執(zhí)行環(huán)境應(yīng)用程序開發(fā)         104
5.1  軟件棧   105
5.1.1  驅(qū)動     105
5.1.2  Qemu/KVM虛擬化     106
5.1.3  軟件棧SDK和PSW     107
5.1.4  數(shù)據(jù)中心認證DCAP   109
5.2  應(yīng)用程序開發(fā)        112
5.2.1  應(yīng)用程序開發(fā)基本原理     112
5.2.2  應(yīng)用程序基本構(gòu)成     115
5.2.3  Hello World案例         116
5.3  TEE生態(tài)技術(shù)介紹 125
5.3.1  TEE SDK        125
5.3.2  TEE程序分割      126
5.3.3  TEE LibOS     128
5.3.4  TEE容器棧 135
第3部分  工程應(yīng)用實踐
 
第6章  聯(lián)邦學習的隱私保護與工程實踐         138
6.1  聯(lián)邦學習的數(shù)據(jù)安全問題   139
6.1.1  半誠實的參與方的問題     141
6.1.2  第三方協(xié)作者的數(shù)據(jù)安全問題         147
6.1.3  傳輸間數(shù)據(jù)安全問題         148
6.2  TEE安全技術(shù)解決方案 153
6.2.1  應(yīng)用程序隔離     153
6.2.2  遠程認證     155
6.2.3  基于遠程認證的傳輸層安全協(xié)議     156
6.3  案例實踐        163
6.3.1  橫向聯(lián)邦學習實踐     164
6.3.2  縱向聯(lián)邦學習實踐     170
6.3.3  總結(jié)與展望         173
參考文獻         174
 
第7章  在線推理服務(wù)的安全方案與工程實踐         176
7.1  在線推理服務(wù)的安全問題   177
7.1.1  云原生在線推理參考架構(gòu)及其組件         177
7.1.2  威脅模型與安全目標         181
7.2  安全方案與設(shè)計原理   188
7.2.1  安全技術(shù)與方案         188
7.2.2  安全模型與邊界         192
7.3  案例實踐        194
參考文獻         198
 
第8章  大數(shù)據(jù)AI的安全方案和工程實踐        200
8.1  大數(shù)據(jù)AI應(yīng)用中的安全問題       201
8.1.1  大數(shù)據(jù)生態(tài)與相關(guān)技術(shù)     202
8.1.2  安全目標     206
8.1.3  威脅模型     208
8.2  安全技術(shù)與參考方案   209
8.2.1  現(xiàn)有大數(shù)據(jù)安全技術(shù)         209
8.2.2  基于TEE的大數(shù)據(jù)AI安全方案        218
8.2.3  工作流程與安全性分析     219
8.3  案例實踐        222
8.3.1  可信的大數(shù)據(jù)AI平臺        223
8.3.2  可信的聯(lián)邦學習平臺         225
8.4  總結(jié)與展望   229
參考文獻         230