機密計算：AI數(shù)據(jù)安全和隱私保護
定 價：100 元
叢書名：人工智能前沿技術(shù)叢書
- 作者：胡寅瑋 等
- 出版時間：2023/3/1
- ISBN：9787121436789
- 出 版 社：電子工業(yè)出版社
- 中圖法分類：TP274
- 頁碼：256
- 紙張：
- 版次：01
- 開本：16開
本書系統(tǒng)介紹了面向人工智能領(lǐng)域中的數(shù)據(jù)安全、隱私保護技術(shù)和工程實踐。本書首先探討了人工智能領(lǐng)域所面臨的各種數(shù)據(jù)安全和隱私保護的問題及其核心需求，并在此基礎(chǔ)上縱覽和比較了各種隱私保護計算技術(shù)和解決方案的利弊；然后詳細闡述了目前比較具有工程實踐優(yōu)勢的可信執(zhí)行環(huán)境技術(shù)，及其在主流人工智能場景中的工程實踐參考案例。此外，本書介紹了關(guān)于數(shù)據(jù)安全和隱私保護的概念、原理、框架及產(chǎn)品，從而幫助讀者對機密計算的技術(shù)全景有整體的理解。
胡寅瑋英特爾數(shù)據(jù)平臺事業(yè)部中國云計算平臺工程部總監(jiān)。負責為中國及亞太區(qū)的云服務商提供云服務器和數(shù)據(jù)平臺的全棧式技術(shù)方案，包括CPU定制、服務器平臺設計開發(fā)、云固件研發(fā)、軟件性能優(yōu)化、計算安全及集群陣列調(diào)優(yōu)。閆守孟螞蟻集團研究員，螞蟻可信基礎(chǔ)設施負責人。領(lǐng)導了螞蟻集團SOFAEnclave（Occlum、HyperEnclave、KubeTEE等）機密計算軟件棧、隱私計算加速硬件和可信隱私計算一體機的研發(fā)，發(fā)起并主導制定了國內(nèi)外多項可信執(zhí)行環(huán)境和隱私計算一體機標準。有關(guān)技術(shù)產(chǎn)品已在螞蟻、阿里巴巴、微軟Azure及諸多隱私計算企業(yè)得到廣泛應用，產(chǎn)生了重要的社會和經(jīng)濟價值。加入螞蟻之前，在Intel中國研究院從事基礎(chǔ)技術(shù)研究，多項研究成果應用在Intel軟硬件產(chǎn)品中。曾在PLDI、ASPLOS、ATC、ASE等發(fā)表多篇頂級會議論文，并擁有30余件專利。在西北工業(yè)大學獲得計算機應用技術(shù)專業(yè)博士學位。吳 源英特爾數(shù)據(jù)平臺事業(yè)部資深AI與安全軟件工程師。主要負責基于英特爾可信執(zhí)行環(huán)境的人工智能應用和隱私計算。工作重點主要包括聯(lián)邦學習、深度學習的隱私保護，以及與云計算廠商共同構(gòu)建基于英特爾可信執(zhí)行環(huán)境的人工智能應用方案。曾參與發(fā)表多篇關(guān)于人工智能性能優(yōu)化和可信執(zhí)行環(huán)境的白皮書。朱運閣英特爾數(shù)據(jù)平臺事業(yè)部軟件方案項目組深度學習工程師。研究興趣和專長主要包括可信執(zhí)行環(huán)境、聯(lián)邦學習和同態(tài)加密。工作重點是基于可信執(zhí)行環(huán)境的數(shù)據(jù)安全和隱私保護計算。曾參與發(fā)表多篇關(guān)于可信執(zhí)行環(huán)境安全計算的白皮書，并將解決方案作為最佳實踐發(fā)表在國內(nèi)知名社區(qū)網(wǎng)站上。龔奇源博士，英特爾資深機器學習工程師。2016年博士畢業(yè)于東南大學計算機應用專業(yè)，師從羅軍舟教授，博士期間主要從事數(shù)據(jù)隱私相關(guān)研究。2017年加入英特爾，從事大數(shù)據(jù)、機器學習和數(shù)據(jù)隱私相關(guān)工作。是大數(shù)據(jù)+AI開源項目Analytics-Zoo和大數(shù)據(jù)存儲管理開源項目SSM的主要貢獻者。黃曉軍英特爾數(shù)據(jù)平臺事業(yè)部資深云計算工程師。長期從事軟件架構(gòu)設計和開發(fā)工作，專注于深度學習應用開發(fā)與性能優(yōu)化，以及基于隱私保護機器學習、聯(lián)邦學習、同態(tài)加密和可信執(zhí)行環(huán)境的應用場景落地。曾參與多個數(shù)據(jù)安全領(lǐng)域開源項目的開發(fā)工作�；菟歼h英特爾數(shù)據(jù)平臺事業(yè)部軟件工程師。主要從事數(shù)據(jù)安全和隱私保護、人工智能等領(lǐng)域的研究與開發(fā)等工作，目前與國內(nèi)多家云計算廠商合作研發(fā)基于英特爾可信執(zhí)行環(huán)境的解決方案。研究興趣包括可信執(zhí)行環(huán)境、聯(lián)邦學習和機器學習系統(tǒng)等。步建林人工智能與安全軟件工程師。主要從事人工智能、高性能計算與隱私保護計算等領(lǐng)域的相關(guān)工作。工作重點主要包括AI推理引擎與訓練框架的研發(fā)與優(yōu)化，以及基于可信執(zhí)行環(huán)境的隱私保護計算方案的設計與構(gòu)建。畢業(yè)于合肥工業(yè)大學微電子科學與工程專業(yè)，擁有學士學位。
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 應用程序開發(fā) 112
5.2.1 應用程序開發(fā)基本原理 112
5.2.2 應用程序基本構(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 在線推理服務的安全方案與工程實踐 176
7.1 在線推理服務的安全問題 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
書單推薦
