VMware将与新的合作伙伴一起致力于推动一项名为“Certifier Framework for Confidential Computing”的开源项目,该项目旨在克服采用机密计算的一些最大障碍。
VMware目前正走在机密计算开发的最前沿。机密计算是指对正在处理中的数据进行加密的技术。尽管对于服务器中闲置的数据或通过网络传输的数据已经存在强加密,但在使用这些信息时没有任何东西可以保护这些数据。当应用需要访问数据时,信息必须解密为原始的、可读的形式,这意味着在处理信息时特别容易受到黑客的攻击。
机密计算旨在改变这一现状。它基于一种被称为“可信执行环境”的新兴处理器概念,当数据部署在可能由第三方运营的云基础设施或者是边缘服务器的时候,它能够保持数据的机密性和完整性。
通过Certifier Framework for Confidential Computing,VMware和其他芯片制造商的目标是实现易于使用的、独立于平台的应用编程接口标准化,以构建和运行机密计算应用。这个框架让开发人员可以更轻松地创建隐私保护应用,包括基于多个来源聚合的敏感信息的机器学习和数据经济工作负载。VMware表示,该框架为创建和执行保护第三方服务器基础设施(包括公有云、主权云和边缘环境)工作负载所需的信任策略提供了独立于平台的支持。
这些合作伙伴预计,他们在该框架方面的工作最终将通过在x86、Arm和RISC-V处理器架构上实现机密计算而使整个计算行业受益。
VMware表示,有充分的理由希望加速机密计算的发展,因为数据加密对于多云部署至关重要。VMware 表示,出于安全考虑,许多企业工作负载无法运行在云中。此外,机密计算可以在保护人工智能和机器学习新应用中使用知识产权和专有数据方面发挥关键作用。 VMware公司首席技术官Kit Colbert表示,机密计算显然是市场需要的,但除非开发人员能够更轻松地构建此类应用,否则机密计算不会被广泛采用。
他解释说:“机密计算有潜力保护工作负载,无论是在哪里运行,包括在多云和边缘环境中,但挑战在于如何帮助客户轻松地采用和实施该标准。Certifier Framework框架不断发展的贡献者生态系统所做出的集体努力,将有助于为ISV、企业客户和主权云提供商带来这些好处,让他们能够更轻松、更有效地使用这一新兴技术。”
Constellation Research分析师Holger Mueller认为,看到VMWare率先推广机密计算是令人鼓舞的,因为VMware是虚拟机领域的行业领导者,为绝大多数应用工作负载提供了动力。Mueller表示:“VMware正在招募AMD、三星和RISC-V厂商等合作伙伴,以确保硬件级别的虚拟化工作负载是安全的。这对企业来说非常重要。随着越来越多的工作负载转移到云端,他们需要一种更好的方法来保护这些工作负载,而机密计算可以做到这一点,可以在恰当的设备上安全可靠地运行恰当的应用。”
VMware于近日在美国旧金山举行的2023年机密计算峰会上公布了这一新的合作伙伴关系,并在大会上展示了许多涉及机密机器学习应用的技术演示。
AMD公司数据中心生态系统和解决方案公司副总裁Raghu Nambiar表示:“与VMware等行业合作伙伴合作,这对于加速采用机密计算和保护云中工作负载来说是至关重要的。无论组织的规模或技术复杂程度如何,或者工作负载部署在何处,Certifier Framework都将帮助更多客户从机密计算中受益。”
好文章,需要你的鼓励
本文探讨如何使用生成式AI和大语言模型作为倾听者,帮助用户表达内心想法。许多主流AI如ChatGPT、Claude等被设计成用户的"最佳伙伴",或试图提供心理健康建议,但有时用户只想要一个尊重的倾听者。文章提供了有效的提示词技巧,指导AI保持中性、尊重的态度,专注于倾听和理解,而非给出建议或判断。同时提醒用户注意隐私保护和AI的局限性。
北京大学团队开发出WoW世界模型,这是首个真正理解物理规律的AI系统。通过200万机器人互动数据训练,WoW不仅能生成逼真视频,更能理解重力、碰撞等物理定律。其创新的SOPHIA框架让AI具备自我纠错能力,在物理理解测试中达到80.16%准确率。该技术将推动智能机器人、视频制作等领域发展,为通用人工智能奠定重要基础。
人工通用智能和超级人工智能的出现,可能会创造出一种全新的外星智能形态。传统AI基于人类智能模式构建,但AGI和ASI一旦存在,可能会选择创造完全不同于人类认知方式的新型智能。这种外星人工智能既可能带来突破性进展,如找到癌症治愈方法,也可能存在未知风险。目前尚不确定这种新智能形态是否会超越人类智能,以及我们是否应该追求这一可能改变人类命运的技术突破。
香港大学和蚂蚁集团联合推出PromptCoT 2.0,这是一种让AI自动生成高质量训练题目的创新方法。通过"概念-思路-题目"的三步策略,AI能像老师备课一样先构思解题思路再出题,大幅提升了题目质量和训练效果。实验显示该方法在数学竞赛和编程任务上都取得了显著提升,为解决AI训练数据稀缺问题提供了新思路。