【TEE从入门到精通及实战】96 从“防同机攻击”到“防侧信道”：LLM推理在TEE中的隐秘战线

96 从“防同机攻击”到“防侧信道”：LLM推理在TEE中的隐秘战线

开篇前，我想先给你讲个真实的故事。

上个月，一位做AI芯片的朋友找到我，说他们的LLM推理服务部署在Intel SGX里，通过了所有远程认证，但性能监控发现——每次用户请求“请写一封辞职信”，CPU的功耗曲线都会出现一个独特的“尖峰”。

他们没当回事，直到竞争对手推出的产品，在“辞职信”这个场景下的响应速度比他们快了整整200毫秒。

后来查实，对方利用功耗侧信道，从TEE外部推断出了推理请求的类型。这不是科幻，这是2024年Black Hat上公开的攻击向量。

痛点拆解：你以为TEE是铁桶，侧信道是筛子

很多工程师觉得，把LLM推理放进TEE就万事大吉。但我要告诉你一个残酷的事实：TEE保护的是内存和计算状态的机密性，但无法完全屏蔽物理侧信道。

常见的错误认知包括：

1. “代码在Enclave里跑就安全了”：忽略了CPU缓存、分支预测、功耗等微架构侧信道。

2. “用同态加密就万事大吉”：但LLM的矩阵乘法在TEE里依然有规律可循，攻击者可以观察内存访问模式。

3. “只防外部网络攻击”：忘记了同机上的恶意OS或其它进程可以通过共享资源（如L3缓存）发起攻击。

反例代码