一大批大型科技公司将为Linux Foundation主导的新计划提供支持,该计划旨在促进“机密计算”概念也就是在使用时对数据进行加密。
Linux Foundation在一份声明中表示,新成立的Confidential Computing Consortium机密计算联盟将专注于方法标准化以确保可以在内存处理过程中加密数据而不会暴露给计算机系统的其他部分,其目的是“减少敏感数据的曝光,为用户提供更好的控制权和透明度”。
众所周知,使用中的数据是数据加密领域的一个弱点。加密静态数据和加密传输中的数据,这个流程已经存在整个科技行业得到广泛实施,但企业在处理信息时没有任何可靠的方法来保护信息,这就是机密计算联盟希望解决的问题。
“机密计算”一词是由微软创造,微软也是该联盟的主要支持者和创始成员之一,其他成员还包括阿里巴巴、Arm、百度、谷歌云、IBM、英特尔、红帽和腾讯。
这些科技公司寄希望于一个名为Open Enclave Software Development Kit的开源框架,该框架最初是由微软开发的,用于构建可以运行在多种类型计算机体系结构上的所谓“可信执行环境应用”。
Open Enclave仍处于开发阶段,但由于可信执行环境已经被普遍采用,因此相信进展会相当快。可信执行环境指的是计算机芯片上的一个安全区域,用于加密芯片上加载的数据和代码,使处理器的其他部分无法访问这些数据。换句话说,可信执行环境提供了一个隔离的执行环境来保护正在使用中的数据,Open Enclave SDK则是利用这个环境开发应用的一个通用框架。
微软首席技术官Mark Russinovich在一份声明中表示:“Open Enclave SDK已经成为可信执行环境开发人员的一个主流工具,这是保护使用中数据的最有前途的领域之一。我们希望这对联盟是有帮助的,能够将这些工具交给更多的开发人员使用,并加速应用的开发和采用,从而提高跨云和边缘计算的可信性和安全性。”
Constellation Research分析师Holger Mueller表示对机密计算项目的欢迎,并称安全性和隐私性对基于云的下一代应用来说至关重要。
他说:“开发人员针对不同的安全机制维护不同的代码,例如这里我们所说的可信区域,因此很高兴看到Linux Foundation成立了一个跨软件、云基础设施和硬件提供支持的工作组。企业高管们会乐于看到任何能让他们更专注于应用实际功能的事情。”
该联盟还将致力于其他很多迄今尚未宣布的开源技术和工具以实现机密计算。联盟的确切结构尚未最终确定,但将由理事会和技术咨询委员会领导,并为其主导的每个项目设立单独的技术监督委员会。
好文章,需要你的鼓励
这项研究由德累斯顿工业大学等机构的研究团队完成,旨在解决主动学习未被广泛应用的问题。研究者构建了包含460万种超参数组合的实验网格,系统分析了各参数对主动学习性能的影响。研究发现,不同策略实现间存在显著差异,基于边缘的不确定性策略整体表现最佳,随机选择约4000个超参数组合即可获得可靠结果。这些发现为设计可重现、可信赖的主动学习实验提供了明确指导,有助于降低入门门槛,促进技术在实际应用中的普及。
这项由英国爱丁堡大学和上海人工智能实验室研究者共同完成的工作提出了LongBioBench,一种用于评估长文本语言模型的新型基准测试框架。通过使用人工生成的虚构人物传记作为测试环境,该框架在保持可控性的同时,提供了更真实的评估场景。研究对18个长文本模型的测试表明,即使最先进的模型在检索、推理和可信任性方面仍存在显著挑战,特别是上下文长度增加时。研究还揭示了现有合成基准测试的设计缺陷和长上下文预训练的局限性,为未来模型开发提供了重要指导。
SuperWriter是一项来自新加坡科技设计大学和清华大学的突破性研究,通过模仿人类"先思考后写作"的过程,彻底改良了AI长文生成能力。该研究团队开发的框架包含三个关键阶段:规划、写作和修改,使AI能像专业作家一样进行结构化思考。实验结果表明,经过训练的SuperWriter-LM模型不仅超越同等规模的所有AI模型,甚至在某些领域表现优于规模更大的顶级模型,为AI辅助写作开创了新的可能性。
香港大学与阿里巴巴达摩院合作开发的LayerFlow是一种突破性的层级视频生成技术,能同时生成透明前景、完整背景和混合场景视频。该技术通过创新的框架设计将不同视频层级作为子片段连接,并引入层级嵌入使模型区分各层级。面对高质量训练数据稀缺的挑战,研究团队设计了三阶段训练策略,结合Motion LoRA和Content LoRA,实现了图像和视频数据的联合训练。LayerFlow不仅支持多层视频生成,还能实现视频分解和条件层生成,为视频创作领域带来革命性变革。