Panduan Pengembangan Lingkungan Eksekusi Terpercaya ( TEE )

Seiring dengan Apple meluncurkan cloud privat dan NVIDIA menyediakan komputasi rahasia dalam GPU, lingkungan eksekusi tepercaya (TEE) semakin populer. Kerahasiaan TEE melindungi data pengguna, isolasi memastikan program dieksekusi tanpa diubah. Oleh karena itu, TEE banyak digunakan di bidang kriptografi dan AI untuk membangun produk.

Artikel ini memberikan panduan konsep dasar TEE untuk pengembang, memperkenalkan model keamanan TEE, kerentanan umum, dan praktik terbaik untuk penggunaan yang aman.

Pengenalan TEE

TEE adalah lingkungan terisolasi di dalam prosesor atau pusat data, di mana program dapat berjalan tanpa gangguan dari bagian lain sistem. TEE memerlukan kontrol akses yang ketat, membatasi bagian lain dari sistem untuk mengakses program dan data di dalam TEE. TEE banyak ditemukan di ponsel, server, PC, dan lingkungan cloud.

Aplikasi khas TEE meliputi:

• Pembukaan kunci biometrik ponsel
• Dompet perangkat keras

Model Keamanan TEE

Alur kerja umum aplikasi TEE:

1. Pengembang menulis kode
2. Mengemas kode menjadi file gambar Enclave (EIF)
3. EIF diterapkan pada server TEE
4. Pengguna berinteraksi dengan aplikasi melalui antarmuka yang telah ditentukan.

Titik risiko utama:

• Pengembang: Kode EIF mungkin mencuri privasi pengguna
• Server: mungkin menjalankan EIF yang tidak terduga atau melakukan eksekusi di luar TEE
• Pemasok: Desain TEE mungkin memiliki backdoor

Solusi:

• Dapat dibangun ulang: memastikan kode transparan dan dapat diverifikasi
• Bukti jarak jauh: memverifikasi kode dan versi yang dijalankan di dalam TEE

Namun, tetap perlu mempercayai penyedia TEE, disarankan untuk menggabungkan TEE dengan ZK atau protokol konsensus.

Keunggulan TEE

• Kinerja: dapat menjalankan LLM, biaya setara dengan server biasa
• Dukungan GPU: Dukungan GPU baru untuk komputasi TEE
• Akurasi: Hasil LLM dalam TEE yang dapat dipercaya
• Kerahasiaan: Kunci pribadi selalu aman
• Terhubung: dapat mengakses internet dengan aman
• Izin menulis: dapat mengirim transaksi, dll.
• Ramah pengembang: mendukung berbagai bahasa

Masalah yang Ada pada TEE

kelalaian pengembang

• Kode tidak transparan
• Masalah pengukuran kode
• Kode tidak aman
• Serangan rantai pasokan

kerentanan runtime

• Kode/Data Dinamis
• Komunikasi tidak aman

cacat desain arsitektur

• Permukaan serangan terlalu besar
• Masalah portabilitas dan aktivitas
• Akar kepercayaan yang tidak aman

Masalah operasional

• Versi platform yang tidak aman
• Kurangnya keamanan fisik

Membangun Program TEE yang Aman

solusi paling aman

• Menghilangkan ketergantungan eksternal

Tindakan pencegahan yang diperlukan

• Anggap TEE sebagai kontrak pintar
• Audit kode dan proses pembangunan
• Gunakan pustaka yang telah diaudit
• Verifikasi bukti TEE

Saran yang Ditargetkan

• Interaksi Jalur Aman
• Perhatikan transien memori
• Mengurangi permukaan serangan
• Pemisahan fisik
• Pembuktian Ganda

Prospek Masa Depan

TEE semakin menjadi teknologi penting dalam bidang AI dan kriptografi, diharapkan menjadi jalan bagi integrasi produk Web3 dengan perusahaan teknologi besar. Meskipun tidak se-minimalis kepercayaan seperti solusi ZK, TEE menawarkan keseimbangan yang baik antara fungsi dan asumsi kepercayaan.