Khung Pháp Lý Để Hiểu Về Cảnh Quan Máy Tính Bí Mật

Máy Tính Bí Mật Đang Có Một Khoảnh Khắc

Không gian máy tính bí mật đang trải qua một làn sóng đổi mới trên nhiều mặt trận đồng thời. Môi Trường Thực Thi Tín Cậy (TEEs) đang trưởng thành và trở nên dễ triển khai hơn. (Mã Hóa Đồng Hình Toàn Vẹn) FHE đang thu hẹp khoảng cách hiệu suất đã giữ nó trong lý thuyết trong nhiều năm. Và hệ sinh thái Web3 tiếp tục thúc đẩy công nghệ chứng minh không kiến thức với tốc độ đáng kinh ngạc, với các máy ảo không kiến thức mục đích chung hiện đang chứng minh các lệnh tính toán tùy ý với tốc độ nhanh hơn nhiều so với chỉ hai năm trước.

Đồng thời, sự trỗi dậy của trí tuệ nhân tạo có khả năng hành động đang tạo ra sự cấp thiết mới xung quanh niềm tin, quyền riêng tư và khả năng xác minh. Khi các hệ thống trí tuệ nhân tạo vượt ra ngoài việc tạo nội dung và bắt đầu thực hiện hành động thay mặt cho người dùng, các tổ chức ngày càng đặt câu hỏi liệu các biện pháp bảo mật và tuân thủ truyền thống có đủ cho phần mềm tự động hoạt động ở quy mô doanh nghiệp.

Tại DataTribe, chúng tôi đã dành thời gian đáng kể trong không gian này, nói chuyện với các công ty khởi nghiệp, đánh giá công nghệ và cố gắng hiểu nơi những cơ hội bền vững nhất sẽ xuất hiện. Dưới đây là cách chúng tôi đang suy nghĩ về nó.

Khung Pháp Lý Cho Máy Tính Bí Mật

Khi chúng tôi xem xét cảnh quan máy tính bí mật, chúng tôi thấy hữu ích khi chia nó thành ba trụ cột riêng biệt. Mỗi trụ cột đại diện cho một bảo đảm độc lập. Quan trọng là, chúng không chồng chéo nhau: một giải pháp cung cấp một trụ cột không tự động cung cấp các trụ cột khác.

• Tính Toán Bảo Vệ: Đầu vào, xử lý và đầu ra đều được bảo vệ từ đầu đến cuối. Thậm chí người vận hành thực hiện tính toán cũng không thể nhìn thấy bất cứ điều gì.

• Tính Toán Toàn Vẹn: Xác minh mã hóa rằng tính toán chính xác thực sự đã chạy, ngay cả trên phần cứng tiềm năng thù địch.

• Hợp Tác Riêng Tư: Nhiều bên cùng tính toán trên dữ liệu kết hợp của họ mà không có bên nào tiết lộ đầu vào của mình cho các bên khác.

Mỗi trụ cột tương ứng với nhu cầu của người mua khác nhau, ngăn xếp công nghệ và động lực cạnh tranh khác nhau. Ngày nay, chúng tôi tập trung vào hai trụ cột đầu tiên: Tính Toán Bảo Vệ và Tính Toán Toàn Vẹn.

Mâu Thuẫn Quyền Riêng Tư Của Trí Tuệ Nhân Tạo Và Tính Toán Bảo Vệ

Trí tuệ nhân tạo đã là một chất xúc tác chính cho sự quan tâm đến Tính Toán Bảo Vệ. Các doanh nghiệp ngày càng lo lắng về dữ liệu họ chia sẻ với các nhà cung cấp LLM và nhu cầu về suy luận bí mật đang tăng.

Nhưng có một nghịch lý đáng chú ý. Cùng một doanh nghiệp lo lắng về việc gửi bản ghi âm cho nhà cung cấp AI nhưng lại sẵn sàng định tuyến dữ liệu lương cho ADP, kênh dẫn vào Salesforce (CRM ) và hồ sơ bệnh nhân cho nhà cung cấp EHR của họ. Sự bảo vệ trong mỗi trường hợp đều giống nhau: một hợp đồng với lời hứa bảo vệ dữ liệu và báo cáo tuân thủ. Không có bảo đảm mã hóa. Vậy tại sao các nhà cung cấp AI lại được đối xử khác biệt?

Có những lý do thực sự. Nỗi sợ rằng dữ liệu sẽ được sử dụng để đào tạo, hấp thụ vào trọng lượng mô hình và có thể xuất hiện trong đầu ra của khách hàng khác không có tương đương trong SaaS truyền thống. Trao đổi giá trị cảm thấy không đối xứng, với các doanh nghiệp nhận thức rằng dữ liệu của họ có thể cải thiện sản phẩm của nhà cung cấp cho các đối thủ cạnh tranh. Và các cơ quan quản lý đang chú ý cụ thể đến việc xử lý dữ liệu AI theo cách họ chưa từng áp dụng cho ngăn xếp SaaS hiện có. Các nhà cung cấp AI đã bắt đầu ký kết các hợp đồng với sự bảo vệ tương tự như các thỏa thuận SaaS truyền thống, nhưng tốc độ áp dụng và nỗi sợ hãi về “trí tuệ nhân tạo bóng tối”, nơi nhân viên sử dụng dịch vụ AI không nằm trong hợp đồng với doanh nghiệp, tạo ra sự cấp thiết mà việc mua sắm SaaS truyền thống chưa từng gặp phải.

Dù những lo ngại này có hoàn toàn hợp lý hay một phần bị thúc đẩy bởi sự mới mẻ của AI, chúng đang tạo ra sự cấp thiết mua sắm thực sự. Câu hỏi thú vị hơn là liệu sự cấp thiết này có giữ nguyên trong AI hay lan rộng. Nếu các doanh nghiệp bắt đầu yêu cầu bảo vệ dữ liệu mã hóa từ các nhà cung cấp LLM và sau đó nhận ra sự không nhất quán logic khi không yêu cầu nó từ mọi người khác, thị trường có thể tiếp cận được cho Tính Toán Bảo Vệ sẽ mở rộng đáng kể ngoài suy luận AI.

FHE So Với TEEs Cho Tính Toán Bảo Vệ

Hai phương pháp công nghệ chính cạnh tranh cho Tính Toán Bảo Vệ và chúng đại diện cho các mô hình tin cậy cơ bản khác nhau.

TEEs như AMD SEV-SNP, Intel TDX và GPU bí mật của NVIDIA (NVDA ) là sự lựa chọn thực tế ngày nay. Chúng cung cấp Tính Toán Bảo Vệ với độ trễ hiệu suất tối thiểu và đã có sẵn như các dịch vụ bản địa từ các nhà cung cấp đám mây chính. Giả định tin cậy nằm ở nhà cung cấp silicon và, ở mức độ khác nhau, ở nhà cung cấp đám mây vận hành phần cứng.

FHE thực hiện một cách tiếp cận thuần túy toán học. Dữ liệu vẫn được mã hóa trong suốt quá trình tính toán và bảo đảm an ninh không phụ thuộc vào việc tin tưởng bất kỳ phần cứng hoặc nhà vận hành nào. Sự đánh đổi đã từng là hiệu suất: các hoạt động FHE đã chậm hơn nhiều so với tính toán văn bản rõ ràng, hạn chế nó trong các trường hợp sử dụng hẹp.

Khoảng cách đó đang thu hẹp nhanh hơn nhiều người nhận ra. Sự gia tốc phần cứng là một yếu tố chính. Các thẻ gia tốc FHE chuyên dụng của Niobium đang cung cấp sự cải thiện vài bậc về hiệu suất so với FHE chỉ dựa trên phần mềm. Cornami, mà nhà khoa học trưởng là Craig Gentry (được coi là người phát minh ra FHE), đã tuyên bố “tốc độ gần như văn bản rõ ràng” cho suy luận LLM sử dụng FHE, mặc dù các chuẩn mực độc lập chưa được công bố. Một công ty khác đã chứng minh suy luận LLM dựa trên FHE trên mô hình Llama 3 70b với tốc độ gần hiệu suất không mã hóa. Những tuyên bố này cần được xem xét kỹ lưỡng, nhưng quỹ đạo là rõ ràng: khoảng cách hiệu suất đã giữ FHE trong lý thuyết đang thu hẹp nhanh chóng.

Nếu FHE trở nên đủ nhanh cho các khối lượng công việc sản xuất, những hệ lụy sẽ rất sâu sắc. Bạn không cần phải tin tưởng nhà cung cấp silicon, nhà cung cấp đám mây hoặc bất kỳ ai có quyền truy cập vật lý vào phần cứng. Bảo đảm an ninh của bạn trở nên toán học, không phải hoạt động.

Đối với các nhà đầu tư, điều này tạo ra một câu hỏi chiến lược quan trọng: bạn đang đặt cược vào việc niềm tin vào phần cứng trở nên đáng tin cậy hơn (con đường TEE) hay vào việc hiệu suất mã hóa cải thiện đủ để làm cho các giải pháp chỉ dựa trên toán học trở nên thực tế (con đường FHE)? Hầu hết doanh thu ngắn hạn nằm ở phía TEE. Luận điểm về khả năng phòng thủ lâu dài có thể ủng hộ cách tiếp cận toán học, ít nhất là đối với một số lĩnh vực tính toán.

Tính Toán Toàn Vẹn: Từ Mối Đe Dọa Nội Bộ Đến Môi Trường Thù Địch

Tính Toán Toàn Vẹn giải quyết một vấn đề khác: làm thế nào bạn biết rằng tính toán chính xác thực sự đã chạy?

Trong các môi trường được kiểm soát như trung tâm dữ liệu doanh nghiệp và đám mây hyperscaler, TEEs xử lý điều này khá tốt. Các cơ chế chứng thực cho phép bạn xác minh rằng mã dự kiến đã được tải vào một TEE thực trước khi gửi dữ liệu. Điều này có giá trị trong việc bảo vệ chống lại các mối đe dọa từ nội bộ, cơ sở hạ tầng bị xâm phạm hoặc vấn đề triển khai. Đối với hầu hết các trường hợp sử dụng doanh nghiệp, chứng thực dựa trên TEE là đủ.

Nhưng “đủ” phụ thuộc vào mô hình đe dọa của bạn. Trong các môi trường thù địch thực sự, nơi bạn không kiểm soát được phần cứng và nhà vận hành có thể chủ động thù địch, các bảo đảm TEE suy giảm. Nghiên cứu gần đây đã chứng minh các cuộc tấn công thực tế vào chứng thực TEE sử dụng các interposer phần cứng giá rẻ, và các nhà cung cấp chip lớn đã thừa nhận rằng các cuộc tấn công vật lý nằm ngoài mô hình đe dọa của họ. Trong một trung tâm dữ liệu được quản lý tốt với bảo mật vật lý, rủi dư này là có thể quản lý được. Trên một nút không xác định trong một mạng tính toán phân tán, nó không phải như vậy.

Đây chính xác là lý do tại sao thế giới Web3 đã là động lực chính cho sự đổi mới chứng minh không kiến thức. Chứng minh không kiến thức cung cấp sự chắc chắn toán học về tính toàn vẹn của tính toán, bất kể môi trường phần cứng. Nếu chứng minh được xác minh, tính toán là chính xác, cho dù tính toán được chứng minh được thực hiện trong một cơ sở an toàn hay trong gara của ai đó.

Tốc độ cải tiến ở đây đã đáng kinh ngạc. Các máy ảo không kiến thức mục đích chung hiện cho phép các nhà phát triển viết mã Rust bình thường và tạo chứng minh tự động, mà không cần viết tay các mạch mã hóa. SP1 Hypercube của Succinct chứng minh các khối Ethereum trong dưới 12 giây trên 16 GPU. Airbender của ZKsync báo cáo hơn 21 triệu chu kỳ mỗi giây trên một H100.

Đối với các khối lượng công việc trí tuệ nhân tạo cụ thể, zkML đang có tiến bộ nhưng vẫn còn tốn kém. Chứng minh suy luận LLM vẫn chạy chậm hơn nhiều so với suy luận chính nó. Các mô hình nhỏ hơn như các mô hình phân loại và mô hình nhúng đang tiếp cận khả năng chứng minh thực tế. Chứng minh LLM tiền phong có thể chỉ cách 2-3 năm. Một điểm giữa thú vị là “xác minh lạc quan”, nơi chứng minh chỉ được tạo khi kết quả bị thách thức chứ không phải cho mọi tính toán, giảm đáng kể chi phí trung bình.

Hướng Đi Của Điều Này

Không gian máy tính bí mật đang ở một điểm chuyển đổi. Sự đổi mới đang xảy ra trên TEEs, FHE và ZK đồng thời, mỗi công nghệ được thúc đẩy bởi các cộng đồng khác nhau với các ưu tiên khác nhau nhưng hội tụ trên một tập hợp các vấn đề chung.

Động lực xung quanh những gì người mua coi là cấp thiết nhất sẽ quyết định những phương pháp nào sẽ thu được lực kéo đầu tiên. Các doanh nghiệp tập trung vào tuân thủ quy định và bảo vệ dữ liệu đám mây sẽ có khả năng thúc đẩy các giải pháp dựa trên TEE. Sóng trí tuệ nhân tạo có thể tăng tốc nhu cầu về FHE nếu hiệu suất tiếp tục cải thiện. Các ứng dụng tính toán phân tán và Web3 sẽ tiếp tục thúc đẩy công nghệ chứng minh không kiến thức hướng tới khả năng áp dụng rộng rãi hơn.

Chúng tôi cũng dự đoán sẽ xuất hiện các kiến trúc lai như một điểm giữa thực tế. TEEs cho quyền riêng tư kết hợp với chứng minh không kiến thức cho tính toàn vẹn, ví dụ, cung cấp sự bảo mật mạnh mẽ với sự chắc chắn toán học về tính chính xác. Sự kết hợp này hoạt động tốt cho các kịch bản mà môi trường phần cứng được tin cậy một phần nhưng không được kiểm soát hoàn toàn.

Khung pháp lý này đang trở nên đặc biệt liên quan xung quanh Hội nghị Máy Tính Bí Mật của Quỹ Linux ở San Francisco tuần trước, nơi một chủ đề trung tâm là liệu máy tính bí mật có thể phục vụ như lớp bảo mật giúp trí tuệ nhân tạo có thể triển khai được ở quy mô doanh nghiệp. Khi các tổ chức bắt đầu cho phép các tác nhân trí tuệ nhân tạo truy cập vào hệ thống, dữ liệu và luồng công việc nhạy cảm, các câu hỏi về tính toán bảo vệ, tính toàn vẹn của tính toán và niềm tin có thể xác minh chuyển từ các cuộc thảo luận kiến trúc lý thuyết sang yêu cầu hoạt động.

Đối với các công ty khởi nghiệp, cơ hội là đáng kể trên toàn bộ ngăn xếp: làm cho tính toán bí mật dựa trên TEE dễ dàng hơn cho các công ty SaaS áp dụng, xây dựng công cụ mang FHE từ nghiên cứu đến sản xuất, tạo cơ sở hạ tầng cho tính toàn vẹn của tính toán dựa trên ZK trong các ngữ cảnh doanh nghiệp, và phát triển các lớp chứng thực và môi giới niềm tin nằm giữa khách hàng và nhà cung cấp đám mây. Chúng tôi tiếp tục nghiên cứu không gian này và rất hào hứng với những người sáng lập mà chúng tôi đang gặp. Các khối lượng công việc, mô hình đe dọa và chế độ quy định khác nhau sẽ đòi hỏi sự kết hợp khác nhau của ba trụ cột. Các công ty chiến thắng sẽ là những công ty chọn một trụ cột, giải quyết nó một cách quyết đoán và làm cho nó dễ dàng cho các doanh nghiệp áp dụng.