A Verifiable Delivery Framework for Web Applications That Use Trusted Execution Environments
Notice bibliographique
Résumé
Web applications have become increasingly popular, as they are convenient for many computing tasks and are accessible from any device with a web browser. Although existing web security mechanisms such as TLS, CSP and SRI protect against a variety of threats, web applications are still vulnerable to insider attacks in which a malicious hosting server delivers an altered version of the application. This threat is particularly critical for web applications that employ trusted execution environments (TEE), as a lack of verifiability of the application's code undermines the confidentiality guarantees provided by TEE. To ensure that sensitive data is sent to an authentic TEE, such web applications rely on browser extensions to perform critical operations such as attestation and communication, as they are isolated from the web application and thereby shielded from tampering. However, this is not a scalable approach as it is infeasible for users to install application-specific browser extensions for every TEE-enabled web application. In this work, we present a scalable method for trustworthy delivery and user-verifiable attestation for web applications that use TEEs to provide privacy guarantees for user input. To evaluate a proof-of-concept of our method, we implemented a web application that uses a TEE-based password authentication service called SafeKeeper. We then extended Meta's Code Verify browser extension to validate the integrity of our web application's code, which includes TEE-specific operations, thereby eliminating the need for a separate application-specific browser extension. This method ensures both the integrity of the delivered application and the confidentiality of user input, offering a unified and scalable solution for the trustworthy delivery of web applications that use TEEs.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,007 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,002 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,003 |
| Communication savante | 0,004 | 0,007 |
| Science ouverte | 0,005 | 0,005 |
| Intégrité de la recherche | 0,003 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,004 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».