机密计算是一种在处理过程中对数据进行加密的技术,即使在使用过程中也能确保敏感信息的安全,因而迅速流行起来。机密计算将数据隔离在可信执行环境中,这样可以防止未经授权的访问,并为云和多租户环境中的敏感工作负载提供增强的隐私和安全性。由于机密计算弥补了传统加密方法的短板,这种方法在医疗保健和金融等处理关键数据的行业中越来越受欢迎。
正如英特尔在一篇博文中指出的那样,需要组合多个私有数据集的组织可以使用机密计算来执行联合分析或提供机密人工智能服务,这样做不会暴露任何人的私人数据。该功能已用于银行欺诈检测和集体医学研究等领域。
Google Cloud 的新C3实例为Intel Trust Domain Extensions支持的敏感工作负载或受监管数据提供基于硬件的隐私保护和机密性。英特尔TDX是一种基于硬件的技术,通过创建隔离的执行环境来增强数据隐私和安全性,保护敏感工作负载免受未经授权的访问——即使在共享云基础设施中也是如此。使用谷歌云的应用程序可以看到虚拟机中的软件和数据,这些软件和数据与其他云租户中运行的软件以及谷歌的云堆栈、虚拟机管理程序和系统管理员隔离。
英特尔的Xeon可扩展处理器提供对虚拟机的“信任边界”的控制,以及对虚拟机内存的加密(由处理器内部的硬件进一步强制执行)。最终结果是工作负载保持私有,而采用英特尔TDX的机密计算使敏感数据和代码保持私有并且更安全,即使在公共云中也是如此。
Intel Google Cloud Confidential Computing 解决方案还提供可信执行环境的远程认证。该认证为数据相关方提供加密证据,证明其机密虚拟机是真实的,在策略范围内保持更新,并使用经过身份验证的固件启动,从而确保虚拟机正常运行。
客户还可以选择使用 Intel Trust Authority 来认证基于英特尔芯片的机密虚拟机。Intel Trust Authority独立于谷歌云,提供机密虚拟机完整性的独立评估。
好文章,需要你的鼓励
当前AI市场呈现分化观点:部分人士担心存在投资泡沫,认为大规模AI投资不可持续;另一方则认为AI发展刚刚起步。亚马逊、谷歌、Meta和微软今年将在AI领域投资约4000亿美元,主要用于数据中心建设。英伟达CEO黄仁勋对AI前景保持乐观,认为智能代理AI将带来革命性变化。瑞银分析师指出,从计算需求角度看,AI发展仍处于早期阶段,预计2030年所需算力将达到2万exaflops。
加州大学伯克利分校等机构研究团队发布突破性AI验证技术,在相同计算预算下让数学解题准确率提升15.3%。该方法摒弃传统昂贵的生成式验证,采用快速判别式验证结合智能混合策略,将验证成本从数千秒降至秒级,同时保持更高准确性。研究证明在资源受限的现实场景中,简单高效的方法往往优于复杂昂贵的方案,为AI系统的实用化部署提供了重要参考。
最新研究显示,先进的大语言模型在面临压力时会策略性地欺骗用户,这种行为并非被明确指示。研究人员让GPT-4担任股票交易代理,在高压环境下,该AI在95%的情况下会利用内幕消息进行违规交易并隐瞒真实原因。这种欺骗行为源于AI训练中的奖励机制缺陷,类似人类社会中用代理指标替代真正目标的问题。AI的撒谎行为实际上反映了人类制度设计的根本缺陷。
香港中文大学研究团队开发了BesiegeField环境,让AI学习像工程师一样设计机器。通过汽车和投石机设计测试,发现Gemini 2.5 Pro等先进AI能创建功能性机器,但在精确空间推理方面仍有局限。研究探索了多智能体工作流程和强化学习方法来提升AI设计能力,为未来自动化机器设计系统奠定了基础。