Was ist ein TEE (Trusted Execution Environment)

Hinweis: Dieses Dokument ist eine automatische Übersetzung des englischen Originals.

Was ist ein TEE (Trusted Execution Environment)

Ein Trusted Execution Environment (TEE) ist ein sicherer, hardware-isolierter Bereich innerhalb eines Prozessors, der Code ausführt und Daten so verarbeitet, dass er vor dem Rest des Systems geschützt ist – einschließlich des Betriebssystems, des Hypervisors und sogar des physischen Eigentümers der Maschine. Code, der innerhalb eines TEE läuft, kann von externer Software nicht beobachtet oder manipuliert werden. TEEs bieten einen Mechanismus für Confidential Computing: das Ausführen sensibler Workloads auf nicht vertrauenswürdiger Hardware mit hardware-durchgesetzten Garantien.

Kurz gesagt: Ein TEE ist ein hardwarebasierter „versiegelter Raum“ innerhalb eines Prozessors. Code und Daten darin sind für alles außerhalb unsichtbar und unantastbar – einschließlich des Serverbetreibers. Es ermöglicht vertrauliche KI auf nicht vertrauenswürdigen Maschinen.

Das Problem, das es löst

In der dezentralen KI wird Compute von nicht vertrauenswürdigen Parteien bereitgestellt. Wenn ein Nutzer sensible Daten an einen entfernten GPU-Node zur Inferenz sendet oder wenn ein Modellinhaber ein proprietäres Modell auf Drittanbieter-Hardware bereitstellt, stellt sich eine grundlegende Frage: Wie verhindert man, dass der Compute-Anbieter die Daten liest oder das Modell stiehlt?

Traditionelle softwarebasierte Isolation (virtuelle Maschinen, Container) schützt Workloads voreinander, aber nicht vor dem Infrastrukturbetreiber. Der Betreiber kontrolliert das Betriebssystem, den Hypervisor und die Hardware – er kann prinzipiell den Speicher inspizieren, Netzwerkverkehr abfangen oder Geheimnisse extrahieren. TEEs adressieren dies, indem sie die Vertrauensgrenze in die Hardware selbst verlagern.

Wie es funktioniert

Ein TEE erstellt eine Enclave – eine geschützte Region des Speichers und der Ausführung, die auf Hardwareebene verschlüsselt und zugriffskontrolliert ist. Der allgemeine Ablauf funktioniert wie folgt:

1. Enclave-Erstellung. Ein Programm fordert den Prozessor auf, eine sichere Enclave zu erstellen. Der Prozessor weist eine Region verschlüsselten Speichers zu, die für alle anderen Software auf der Maschine unzugänglich ist.
2. Code-Laden. Der zu schützende Anwendungscode und die Daten werden in die Enclave geladen. Der Prozessor misst (hasht) den geladenen Code, um einen Fingerabdruck dessen zu erstellen, was genau geladen wurde.
3. Versiegelte Ausführung. Der Code läuft innerhalb der Enclave. Alle Daten im Speicher der Enclave werden vom Prozessor verschlüsselt. Selbst wenn ein Angreifer physischen Zugang zur Maschine hat und die RAM-Chips direkt ausliest, sieht er nur verschlüsselte Daten.
4. Attestierung. Das TEE erzeugt einen Attestierungsbericht – einen kryptografischen Beweis, signiert durch die Hardware, der besagt: „Dieser spezifische Code läuft innerhalb eines echten TEE auf echter Hardware, und seine Messung entspricht diesem Hash.“ Eine entfernte Partei (der Nutzer, ein Smart Contract, ein Verifizierer) kann die Attestierung verifizieren, um zu bestätigen, dass die Enclave echt ist und der erwartete Code läuft.
5. Ergebnisübermittlung. Die Enclave erzeugt ihren Output und kann ihn für die anfragende Partei verschlüsseln. Der Betreiber der Maschine sieht niemals die Klartext-Eingabe, den internen Zustand oder den Output.

Attestierung ist die Schlüsseleigenschaft

Ohne Attestierung ist ein TEE nur eine Behauptung der Sicherheit. Attestierung macht sie verifizierbar. Wenn ein dezentrales KI-Projekt TEEs verwendet, ist der Attestierungsbericht der Beleg dafür, dass vertrauliche Ausführung tatsächlich stattgefunden hat. Attestierungsberichte können von Smart Contracts on-chain verifiziert werden, wodurch eine Verbindung zwischen Privatsphäre auf Hardwareebene und Verifizierbarkeit auf Blockchain-Ebene entsteht.

Wichtige TEE-Implementierungen

Mehrere Hardwarehersteller bieten TEE-Technologie an, jeweils mit unterschiedlichen Architekturen und Vertrauensannahmen:

Implementierung	Hersteller	Umfang	Anmerkungen
Intel SGX	Intel	Enclaves auf Anwendungsebene	Schützt einzelne Anwendungen; begrenzter Enclave-Speicher; umfassend untersucht und kampferprobt
Intel TDX	Intel	Isolation auf VM-Ebene	Schützt ganze virtuelle Maschinen; größere Speicherunterstützung als SGX; neuere Technologie
AMD SEV / SEV-SNP	AMD	Isolation auf VM-Ebene	Verschlüsselt den gesamten VM-Speicher; SNP fügt Integritätsschutz hinzu; in Cloud-Angeboten verwendet
ARM TrustZone	ARM	Trennung auf Systemebene	Teilt den Prozessor in „Secure World“ und „Normal World“; weit verbreitet in Mobilgeräten und IoT
NVIDIA Confidential Computing	NVIDIA	Isolation auf GPU-Ebene	Erweitert Confidential Computing auf GPU-Workloads; kritisch für KI-Inferenz und -Training

Für KI-Workloads ist die TEE-Unterstützung auf GPU-Ebene besonders wichtig, weil KI-Modelle primär auf GPUs laufen, nicht auf CPUs. Die Confidential-Computing-Erweiterungen von NVIDIA ermöglichen es, dass Modellinferenz innerhalb eines TEE auf der GPU selbst läuft, was Modellgewichte und Eingabedaten während der GPU-beschleunigten Berechnung schützt.

Warum TEE für Krypto-KI wichtig ist

TEEs lösen ein praktisches Problem, das andere Privatsphäre-Technologien noch nicht in großem Maßstab adressieren können: das Ausführen großer KI-Modelle auf nicht vertrauenswürdiger Hardware mit akzeptabler Leistung.

Vertrauliche KI-Inferenz

Der primäre Anwendungsfall in der Krypto-KI ist vertrauliche Inferenz. Ein dezentrales Inferenz-Netzwerk gleicht Nutzeranfragen mit GPU-Anbietern ab. Ohne TEE kann der GPU-Anbieter die Eingabe des Nutzers, die Modellgewichte und den Output sehen. Mit TEE läuft die Inferenz innerhalb einer hardware-versiegelten Enclave – der Anbieter stellt die Hardware bereit, kann aber nicht auf die Berechnung zugreifen.

Dies ermöglicht Szenarien, die in einer vertrauenslosen Umgebung andernfalls unmöglich wären:

• Ein Nutzer kann sensible Finanzdaten zur KI-Analyse übermitteln, ohne dass der Compute-Anbieter sie sieht.
• Ein Modellinhaber kann ein proprietäres Modell auf Drittanbieter-GPUs bereitstellen, ohne Modelldiebstahl zu riskieren.
• Ein KI-Agent kann private Nutzerdaten als Teil eines On-Chain-Workflows verarbeiten und die Daten dabei vertraulich halten.

Verifizierbare KI durch Attestierung

TEE-Attestierung schafft einen verifizierbaren Beweis, dass ein bestimmtes Modell innerhalb einer geschützten Umgebung lief. Wenn diese Attestierung on-chain gepostet wird, liefert sie einen Beleg dafür, dass die KI-Berechnung mit Vertraulichkeitsgarantien durchgeführt wurde. Im Kontext verifizierbarer KI ist TEE-Attestierung mathematisch weniger streng als Zero-Knowledge-Beweise, aber für große Modelle weitaus praktischer – ein TEE kann Modelle mit Milliarden von Parametern nahezu in nativer Geschwindigkeit ausführen, während ZK-basierte Verifizierung derzeit auf kleine Modelle beschränkt ist.

Vertrauensmodell

Die kritische Unterscheidung: Die Sicherheit von TEE beruht auf dem Vertrauen in den Hardwarehersteller. Wenn die Implementierung des Herstellers Fehler oder Hintertüren hat, bricht die Sicherheitsgarantie. Dies unterscheidet sich grundlegend von ZK-Beweisen, bei denen die Garantie mathematisch ist und nicht von einem Hardwareanbieter abhängt. Mehrere Side-Channel-Angriffe gegen Intel SGX wurden von Sicherheitsforschern demonstriert, was zu Patches und verbesserten Designs führte. Die Sicherheit von TEE ist ein sich entwickelndes Feld, und die Vertrauensannahme in den Hardwarehersteller sollte verstanden, nicht ignoriert werden.

Wo es in DecAIHub-Projektkarten erscheint

TEE-bezogene Funktionen erscheinen in mehreren Feldern:

• AI component – Werte wie „TEE-based inference“, „confidential execution“ oder „attested model serving“ weisen auf TEE-Nutzung hin.
• Evidence-Tabelle – Tier-1-Belege für TEE umfassen Attestierungs-Verifizierungslogs, Dokumentation der verwendeten TEE-Implementierung, veröffentlichte Sicherheitsaudits und On-Chain-Attestierungs-Verifizierungs-Contracts.
• Verification mechanism – wenn ein Projekt TEE als seinen Ansatz für verifizierbare KI verwendet (im Gegensatz zu ZK- oder konsensbasierter Verifizierung), wird dies in der Projektbeschreibung oder im AI-component-Feld vermerkt.

TEE findet sich häufig in Projekten der Kategorien AI/Inference und AI/Compute, bei denen vertrauliche Modellausführung auf Drittanbieter-Hardware eine Kernanforderung ist.

Was TEE nicht beweist

• TEE-Attestierung beweist, dass Code innerhalb einer echten Enclave lief – sie beweist nicht, dass der Code selbst korrekt, sicher ist oder tut, was er behauptet. Ein Fehler im Enclave-Code ist ein Fehler innerhalb des TEE.
• TEE beweist nicht, dass das KI-Modell gut, unvoreingenommen oder genau ist. Es beweist Vertraulichkeit und Integrität der Ausführung, nicht die Qualität des Modells.
• TEE beweist keine Dezentralisierung. Ein einzelner Anbieter kann TEE-geschützte Workloads ausführen. Die Dezentralisierung ergibt sich aus der Netzwerkarchitektur, nicht aus dem TEE selbst.
• TEE beweist nicht, dass die Hardware gegen alle Angriffe immun ist. Side-Channel-Angriffe, Firmware-Schwachstellen und Lieferketten-Risiken bleiben aktive Bereiche der Sicherheitsforschung.
• TEE beseitigt nicht die Notwendigkeit, jemandem zu vertrauen – es verlagert das Vertrauen vom Compute-Anbieter zum Hardwarehersteller. Dies ist eine erhebliche Reduzierung der Vertrauensfläche, aber keine vollständige Vertrauenslosigkeit.

Nicht verwechseln mit

• ZK (Zero-Knowledge-Beweise) – ZK bietet mathematische Garantien für die Integrität und Privatsphäre von Berechnungen. TEE bietet hardwarebasierte Garantien. Beide können für verifizierbare KI verwendet werden, haben aber unterschiedliche Vertrauensmodelle und Leistungsmerkmale.
• Privatsphäre – Privatsphäre ist das übergeordnete Ziel; TEE ist ein Mechanismus, um es zu erreichen. Andere Privatsphäre-Mechanismen sind ZK-Beweise, MPC und homomorphe Verschlüsselung.
• Verschlüsselung – das Verschlüsseln von Daten schützt sie im Ruhezustand oder bei der Übertragung. TEE schützt Daten während der Berechnung (in Nutzung). Diese sind komplementär, nicht austauschbar.
• Virtuelle Maschinen / Container – VMs und Container bieten softwareseitige Isolation zwischen Workloads, schützen aber nicht vor dem Infrastrukturbetreiber. TEE bietet hardwareseitige Isolation, die vor dem Betreiber schützt.
• Secure Enclave (als Produktname) – Apples „Secure Enclave“ ist eine spezifische Implementierung in Apple-Geräten. Das allgemeine Konzept einer TEE-Enclave ist breiter und gilt herstellerübergreifend.

Häufig gestellte Fragen

Wie unterscheidet sich TEE von Verschlüsselung?

Verschlüsselung schützt Daten, wenn sie gespeichert (im Ruhezustand) oder übertragen (bei der Übertragung) werden. TEE schützt Daten, während sie verarbeitet werden (in Nutzung). Standardverschlüsselung erfordert, dass die Daten vor der Berechnung entschlüsselt werden, was sie demjenigen aussetzt, der die Berechnung ausführt. TEE hält Daten im Speicher verschlüsselt und verarbeitet sie innerhalb einer hardware-versiegelten Enclave, sodass die Daten niemals im Klartext außerhalb der Enclave offengelegt werden – nicht einmal gegenüber dem Maschinenbetreiber. TEE und Verschlüsselung sind komplementär: Daten werden bei der Übertragung zum TEE verschlüsselt, vertraulich darin verarbeitet, und das Ergebnis wird bei der Übertragung zurück zum Nutzer verschlüsselt.

Können TEEs gehackt werden?

TEE-Implementierungen waren Gegenstand von Sicherheitsforschung, und mehrere Side-Channel-Angriffe wurden demonstriert – insbesondere gegen frühere Versionen von Intel SGX. Diese Angriffe nutzen typischerweise Zeitunterschiede, Stromverbrauchsmuster oder Cache-Verhalten aus, um Informationen über die Berechnung der Enclave abzuleiten. Hardwarehersteller reagieren mit Firmware-Patches und architektonischen Verbesserungen. Die aktuelle Generation von TEE-Implementierungen (Intel TDX, AMD SEV-SNP) enthält Gegenmaßnahmen für bekannte Angriffsklassen. Die Sicherheit von TEE ist nicht absolut, aber sie hebt die Hürde im Vergleich zu reiner Software-Isolation erheblich an. Das praktische Risiko hängt von der konkreten TEE-Implementierung, der Firmware-Version und dem Bedrohungsmodell ab.

Warum würde ein Krypto-KI-Projekt TEE gegenüber ZK-Beweisen wählen?

Der primäre Grund ist die Leistung. TEE ermöglicht es, große KI-Modelle (einschließlich Modelle mit Milliarden von Parametern) nahezu in nativer Geschwindigkeit auszuführen, mit minimalem Overhead durch die Hardware-Isolation. ZK-basierte Verifizierung (zkML) erfordert derzeit, das Modell in einen mathematischen Schaltkreis umzuwandeln und einen kryptografischen Beweis zu erzeugen, was um Größenordnungen teurer und auf kleine Modelle beschränkt ist. TEE bietet heute eine praktische, einsatzbereite Lösung für vertrauliche KI auf nicht vertrauenswürdiger Hardware. Der Kompromiss ist die Vertrauensannahme in den Hardwarehersteller, die ZK-Beweise nicht erfordern.

Was ist TEE-Attestierung?

Attestierung ist ein kryptografischer Beweis, der von der TEE-Hardware erzeugt wird und zertifiziert: Dieser spezifische Code, mit dieser spezifischen Messung (Hash), läuft innerhalb einer echten TEE-Enclave auf echter Hardware. Die Attestierung wird durch einen vom Hersteller in die Hardware eingebetteten Schlüssel signiert. Eine entfernte Partei kann die Attestierung gegen die Vertrauenswurzel des Herstellers verifizieren, um zu bestätigen, dass die Enclave authentisch ist. In der Krypto-KI können Attestierungsberichte von Smart Contracts on-chain verifiziert werden, wodurch eine verifizierbare Verbindung zwischen Sicherheit auf Hardwareebene und Transparenz auf Blockchain-Ebene entsteht.

Externe Referenzen

• Confidential Computing Consortium – Linux-Foundation-Projekt, das Standards definiert und die Akzeptanz von TEE-basiertem Confidential Computing in der gesamten Branche fördert.
• Intel SGX Developer Reference – technische Dokumentation für Intels Software Guard Extensions, eine der am weitesten verbreiteten TEE-Implementierungen.
• ARM TrustZone Technology – Überblick über ARMs TEE-Implementierung, die in Mobilgeräten und Edge-Computing verwendet wird.

Siehe auch

• Was ist Privatsphäre in Krypto und KI
• Was ist ZK (Zero-Knowledge)
• Was ist zkML
• Was ist Inferenz
• Kategorie AI/Compute
• Kategorie AI/Inference