机密计算的演变：赋能新业务背后的挑战和应对

近年来，计算领域已显着转向解决日益增长的数据隐私和安全问题。机密计算是一种旨在处理过程中保护敏感数据的范例，已成为一种强大的解决方案。通过提供安全可信的执行环境，机密计算能够实现以前不可能的用例，尤其是在受监管的行业中，例如安全多方计算和在云中运行人工智能而不损害数据隐私。

本文简要介绍了机密计算带来的一些新业务工作负载，让你了解其中的可能性。它还简要介绍了当前的挑战和前进的道路。

安全多方计算 (MPC)

机密计算最引人注目的用例之一是安全多方计算（MPC），它对我们所有人都有巨大的积极意义。传统上，组织在进行数据协作而不使其面临潜在威胁时面临着重大挑战。但是通过保密计算，MPC就可以对加密数据进行安全计算，即使在与授权第三方联合计算时也能确保隐私。

MPC 为新的可能性打开了大门，例如协作研究、竞争对手之间的数据共享、安全的金融交易、行业转型和促进创新。例如，医疗机构可以在不违反隐私法规的情况下安全地共享患者数据以进行研究和诊断，从而为人们提供更好的健康结果和服务。金融机构可以对加密的客户数据和交易进行联合分析，从而实现更好的风险评估、欺诈检测和洗钱调查。

公共云中的AI安全

机密计算已成为人工智能领域的游戏规则改变者，使组织能够利用云中人工智能的力量，同时保护数据隐私。机密计算使企业能够通过在隔离环境中安全地处理加密数据来构建和部署人工智能模型，而不会暴露敏感信息。这一突破释放了医疗保健、金融和电子商务领域变革性人工智能驱动解决方案的潜力。

应用无穷无尽；机密计算促进了各个行业的创新。

当前的挑战是什么？

机密计算的主要挑战之一是实施的复杂性。机密计算需要专门的硬件和软件以及安全和密码学方面的专业知识。实施的复杂性可能使组织难以采用机密计算并将其集成到其现有系统和工作流程中。

另一个挑战是需要更多的标准化和互操作性。机密计算有不同的方法，每种方法都有优点和缺点。这可能会使组织很难选择适合其需求的解决方案。

数据隐私法规也对机密计算提出了挑战。虽然机密计算可以通过在处理过程中保护敏感数据来帮助组织遵守数据隐私法规，但必须确保该技术符合相关法规。

最后，还需要考虑技术限制。机密计算依靠安全飞地来保护处理过程中的数据，但这些飞地的内存和处理能力有限，因此需要在安全性和性能之间进行权衡。

科技行业如何应对挑战？

推出交钥匙式产品

患者信息通常极具敏感性，因此在临床试验和研究中使用这些信息是一项挑战。合成数据可以生成高质量的数据集，风险较低，而无需使用真实数据。它可用于解决特定查询（如医学测试趋势），而无需查看敏感信息（如个人实际医疗结果），从而促进研究结果和新治疗方法的开发，同时保护敏感的个人医疗数据。

患者信息通常极具敏感性，因此在临床试验和研究中使用这些信息是一项挑战。合成数据可以

许多云提供商和独立软件供应商 (ISV) 认识到对机密计算日益增长的需求，并创建了统包解决方案来简化其采用。这些解决方案通过提供预配置的环境和工具来简化机密计算的采用，确保无缝的业务体验。

Microsoft Azure、Amazon Web Services (AWS) 和 Google Cloud 等著名云提供商推出了机密计算服务，为企业提供开发和部署机密计算应用程序所需的基础设施和工具。

此外，Red Hat（免责声明：我在 Red Hat 工作）、Fortanix、Edgeless Systems、Habu、Decentriq、BeekeeperAI 等公司提供机密计算解决方案，帮助企业探索该技术的工作负载。

标准化

患者信息通常极具敏感性，因此在临床试验和研究中使用这些信息是一项挑战。合成数据可以生成高质量的数据集，风险较低，而无需使用真实数据。它可用于解决特定查询（如医学测试趋势），而无需查看敏感信息（如个人实际医疗结果），从而促进研究结果和新治疗方法的开发，同时保护敏感的个人医疗数据。

患者信息通常极具敏感性，因此在临床试验和研究中使用这些信息是一项挑战。合成数据可以

机密计算联盟 (CCC)是 Linux 基金会的一个社区，汇集了硬件供应商、云提供商和软件开发人员，以加速可信执行环境 (TEE) 技术和标准的采用。CCC旨在定义保密计算的全行业标准，并促进开源保密计算工具的发展。

另一项补充工作是云原生计算基金会 (CNCF)机密容器 (CoCo) 项目。它是一个新的沙盒项目，利用各种硬件平台和技术实现云原生机密计算。该项目汇聚了阿里云、AMD、ARM、IBM、英特尔、微软、红帽、Rivos等软硬件公司。

CoCo 项目的目标是标准化 Kubernetes Pod 级别的机密计算并简化其在 Kubernetes 中的使用。这使得 Kubernetes 用户能够使用熟悉的工作流程和工具来部署机密容器工作负载，而无需广泛了解底层机密计算技术。

推进法规

患者信息通常极具敏感性，因此在临床试验和研究中使用这些信息是一项挑战。合成数据可以生成高质量的数据集，风险较低，而无需使用真实数据。它可用于解决特定查询（如医学测试趋势），而无需查看敏感信息（如个人实际医疗结果），从而促进研究结果和新治疗方法的开发，同时保护敏感的个人医疗数据。

患者信息通常极具敏感性，因此在临床试验和研究中使用这些信息是一项挑战。合成数据可以

不可否认的是，事实证明，机密计算技术对于医疗保健和金融等受监管行业来说是一种宝贵的工具，使他们能够应对新的业务挑战。然而，值得注意的是，监管指导对于充分实现该技术的社会优势至关重要。幸运的是，监管机构正在注意到这一点。

英国信息专员办公室 (ICO) 最近发布了有关隐私增强技术 (PET)（包括机密计算）的指南草案，以帮助组织按照设计原则实施数据保护。经济合作与发展组织 (OECD) 等其他监管机构也发布了有关新兴 PET及其政策方法的报告。2023年3月，美国国家科学技术委员会发布了《推进隐私保护数据共享和分析国家战略》，强调保护隐私的数据共享和分析方法和技术在保护隐私的同时释放数据分析力量的重要性。

结论

机密计算彻底改变了企业处理敏感数据的方式，为新兴工作负载提供必要的信任和安全性。云提供商和 ISV 使组织更容易采用机密计算，从而增加了其在解决现实问题中的使用。展望未来，我们预计机密计算将继续扩展到新的用例和行业，在保护数据隐私的同时实现创新的解决方案。

以机密计算为基础，企业可以自信地利用人工智能等先进技术并安全地协作，开创充满可能性的新时代。

本文由“开放隐私计算”翻译整理，转载请注明来源。

END

热门文章: