研究发现，最新的Intel和AMD服务器级可信执行环境（TEE）可被低成本硬件攻破。研究团队使用不到1000美元的设备成功提取Intel认证密钥，威胁云服务安全，影响几乎所有基于商用硬件的TEE实现。

本研究探讨了创新经济中的挑战，发明者需要公开新想法以获得补偿，但面临剽窃风险。我们提出利用可信执行环境和人工智能代理的模型，以安全披露创新，降低剽窃风险，促进高效转移，具有重要政策意义。

本文介绍了一种新型协作机器学习训练系统Citadel++，旨在解决数据集所有者与模型所有者在保护机密性和用户隐私方面的挑战。该系统结合增强差分隐私技术和可信执行环境，有效保护数据集、模型和训练代码的机密性，同时确保模型的实用性和用户数据的隐私，实验结果表明其性能优于现有系统。

谷歌推出了名为“保密匹配”的新技术，利用可信执行环境保护客户隐私和数据安全。该技术允许企业使用第一方数据进行广告营销和效果衡量，同时保护数据隐私。谷歌计划将此技术应用到更多产品中，并与广告行业合作推动隐私增强技术的采用和标准建设。

DarkneTZ是一个结合可信执行环境（TEE）和模型分区的框架，旨在优化深度神经网络（DNN）的执行，提升性能并保护隐私。研究表明，该框架在推理速度上提高了3.13倍，功耗降低超过66.5%。此外，提出了GradSec和TEE-Shielded DNN等新方法，增强了模型的安全性，减少了训练时间和开销。

DarkneTZ 是一个结合可信执行环境（TEE）和模型分区的框架，旨在提升深度神经网络（DNN）的安全性和性能。该研究提出了多种优化方法，如 TEE-Shielded DNN 划分和 Slalom 框架，旨在减少边缘设备上的计算开销并保持准确度。此外，GradSec 方法有效保护了机器学习模型的敏感层，增强了隐私安全性。