TZ-LLM 论文总结与核心部分翻译一、文章主要内容本文针对移动设备上部署的大语言模型（LLMs）面临的模型泄露安全风险，提出了一种基于 Arm TrustZone 可信执行环境（TEE）的保护系统 TZ-LLM。该系统旨在解决设备端 LLM 推理过程中的两大核心挑战：内存效率与推理速度的矛盾：LLM 参数量巨大（如 8 位量化的 Llama-3-8B 需 8GB 内存），静态预留安全内存会导致内存利用率低，而动态扩展安全内存则会因内存分配、I/O 读取和解密开销导致首次令牌生成时间（TTFT）过长。REE 与 TEE 间 NPU 高效安全分时共享缺失：NPU 能显著提升 LLM 推理性能（最高 7.3 倍），但现有方案要么将完整 NPU 驱动移植到 TEE 导致可信计算基（TCB）膨胀，要么切换 NPU 时需重新初始化驱动造成高额开销。TZ-LLM 基于 OpenHarmony 操作系统和 llama.cpp 推理框架实现，在 Rockchip 设备上进行验证。实验结果显示，与无优化的 TEE 基准方案相比，该系统将 TTFT 降低 76.1%~90.9%，解码速度提升 0.9%~23.2%；与 REE 优化基准方案相比，TTFT 和解码速度仅产生 5.2%~28.3% 和 1.3%~4.9% 的平均开销，在安全性、性能和内存效率间实现了平衡。二、创新点流水线恢复机制（Pipelined Restora
TZ-LLM 论文总结与核心部分翻译一、文章主要内容本文针对移动设备上部署的大语言模型（LLMs）面临的模型泄露安全风险，提出了一种基于 Arm TrustZone 可信执行环境（TEE）的保护系统 TZ-LLM。该系统旨在解决设备端 LLM 推理过程中的两大核心挑战：内存效率与推理速度的矛盾：LLM 参数量巨大（如 8 位量化的 Llama-3-8B 需 8GB 内存），静态预留安全内存会导致内存利用率低，而动态扩展安全内存则会因内存分配、I/O 读取和解密开销导致首次令牌生成时间（TTFT）过长。REE 与 TEE 间 NPU 高效安全分时共享缺失：NPU 能显著提升 LLM 推理性能（最高 7.3 倍），但现有方案要么将完整 NPU 驱动移植到 TEE 导致可信计算基（TCB）膨胀，要么切换 NPU 时需重新初始化驱动造成高额开销。TZ-LLM 基于 OpenHarmony 操作系统和 llama.cpp 推理框架实现，在 Rockchip 设备上进行验证。实验结果显示，与无优化的 TEE 基准方案相比，该系统将 TTFT 降低 76.1%~90.9%，解码速度提升 0.9%~23.2%；与 REE 优化基准方案相比，TTFT 和解码速度仅产生 5.2%~28.3% 和 1.3%~4.9% 的平均开销，在安全性、性能和内存效率间实现了平衡。二、创新点流水线恢复机制（Pipelined Restora
