AMD、三星、VMware和RISC-V Keystone社区成员合作,通过支持开源认证器框架简化机密计算应用的开发。
中国北京,2023年6月30日——近日,VMware(NYSE:VMW)在2023年机密计算峰会上宣布,将与AMD、三星和RISC-V Keystone社区成员一同简化机密计算应用的开发和运营。这些行业和社区领导者将通过合作和推动开源机密计算认证器框架项目,一同简化向实用机密计算的过渡。
支持机密计算认证器框架生态系统
为了推动机密计算的普及,VMware研究、开发并开源了以开发者为中心的机密计算认证器框架项目。通过将用于创建和操作机密计算应用的易于使用、独立于平台的API标准化,AMD、三星和VMware旨在解决阻碍采用机密计算的一个重大障碍。
机密计算基于一个被称为“可信执行环境”的新兴处理器概念。在该环境中,即使工作负载被部署在可能由他人操作的云或基础设施(如边缘)中,也能保持程序和数据的保密性和完整性。随着多云部署的发展,基于机密计算的统一安全保护预计将变得越发重要。另外,在机器学习等新兴工作负载的背景下,机密计算可以在保护与基础模型和代码、专有模型衍生品及私人训练数据相关的知识产权和专有数据方面发挥特殊作用。尽管机密计算是安全和隐私领域的一项巨大进步,但它与许多硬件功能一样,只有当新范式中的应用开发变得更容易时,才会被广泛采用。
认证器框架极大地简化了更加安全的云工作负载、保密服务和隐私保护应用的开发,包括基于多个不同来源敏感数据和模型的新型机器学习和“数据经济”工作负载。该框架为指定和执行信任策略提供了独立于平台的支持,可以更好地保护本地和第三方基础设施的工作负载,比如电信边缘、多云环境和主权云等。这些公司和社区成员旨在通过共同推进和促进开源认证器框架,有效地将一套开发者API标准化,从而使整个行业随着机密计算在x86、Arm和RISC-V生态中的应用而从中受益。
VMware首席技术官Kit Colbert表示:“无论是在多云、边缘环境或其他任何位置,机密计算可以保证运行工作负载的安全。难点在于如何帮助客户轻松采用和实施该标准。日益壮大的认证器框架贡献者生态系统将通过共同的努力为ISV、企业客户和主权云提供商带来这些益处,帮助他们更加轻松、有效地使用这一新兴技术。”
VMware参加2023年机密计算峰会
近日,VMware在机密计算峰会上重点介绍了该认证器的各项功能,展现了公司对未来多云安全的承诺。VMware与该认证器框架项目的其他贡献者将在引人瞩目的机器学习用例中演示客户/云机密计算。尤其是,这些演示将展示跨异构TEE的“通用”客户端-云信任管理,包括AMD安全加密虚拟化-安全嵌套分页(SEV-SNP)、SGX、CCA和RISC-V等。
相关引言
AMD数据中心生态系统和解决方案副总裁Raghu Nambiar表示:“AMD是AMD Infinity Guard等先进硬件安全功能的先驱,我们在自己的EPYC数据中心处理器中内置了安全加密虚拟化(SEV)等功能。与VMware等行业伙伴合作对于加快采用机密计算和确保云中工作负载的安全至关重要。无论企业规模或技术复杂程度如何,也无论工作负载部署在哪里,该认证器框架都将帮助更多客户受益于机密计算。”
三星电子副总裁兼安全与隐私团队负责人Yong Ho Hwang表示:“三星致力于通过其Arm CCA架构的Islet接口将机密计算扩展到端点。我们十分高兴成为该认证器框架的支持者,与其他合作伙伴一起通过对开发者友好的机密计算信任管理API推动机密计算的采用。”
加州大学伯克利分校电气工程和计算机科学(Electrical Engineering and Computer Sciences)系计算机科学部教授Krste Asanovic表示:“Keystone使机密计算硬件社区能够受益于开源的各种好处。我们十分高兴能够在发展我们能力的同时,使用该认证器框架帮助机密计算开发者保持对平台的选择权。”
好文章,需要你的鼓励
这项由Snowflake AI Research发表的研究挑战了传统语言学对大型语言模型的批评,通过引入波兰语言学家Mańczak的理论框架,论证了LLM的成功实际上验证了"频率驱动语言"的观点。研究认为语言本质上是文本总和而非抽象系统,频率是其核心驱动力,为重新理解AI语言能力提供了新视角。
微软于12月1日正式关闭混合现实协作平台Mesh,将用户引导至Teams的沉浸式活动功能。Mesh作为独立服务在2024年正式发布,提供3D虚拟会议环境,但与Teams功能重叠明显。微软已将相关功能直接整合到Teams中,需要商业Teams许可证和Premium许可证才能主持沉浸式活动。这标志着微软元宇宙雄心的终结,公司已放弃HoloLens项目和美军合同,转向AI发展战略。
freephdlabor是耶鲁大学团队开发的开源多智能体科研自动化框架,通过创建专业化AI研究团队替代传统单一AI助手的固化工作模式。该框架实现了动态工作流程调整、无损信息传递的工作空间机制,以及人机协作的质量控制系统,能够自主完成从研究构思到论文发表的全流程科研工作,为科研民主化和效率提升提供了革命性解决方案。