خبر فوریامروز

رایانش محرمانه و انکلاوهای سخت‌افزاری در مراکز داده

پایان اعتماد کورکورانه به غول‌های ابری؛ کالبدشکافی رمزنگاری حافظه رم، انکلاوهای سخت‌افزاری و حفاظت از دارایی‌های محرمانه هوش مصنوعی امروزه.

رایانش محرمانه و انکلاوهای سخت‌افزاری
رایانش محرمانه و انکلاوهای سخت‌افزاری در مراکز داده — عکس: آرشیو ماگ بیت
خلاصه در یک نگاه
  • تحلیل جامع امنیتی بزرگ‌ترین دژ دفاعی زیرساخت‌های ابری و پردازش هوش مصنوعی امروزه ظهور رایانش محرمانه (Confidential Computing) مبتنی بر محیط‌های اجرای مورد اعتماد سخت‌افزاری (TEEs). در این مقاله تخصصی، نحوه رمزنگاری داده‌ها در حال پردازش (Data in Use) با کلیدهای اختصاصی سخت‌افزاری در پردازنده‌های AMD SEV-SNP، Intel TDX و شتاب‌دهنده‌های NVIDIA H100/B200، سلب دسترسی کامل مدیران کلاد و هایپروایزر به حافظه رم و روش‌های اعتبارسنجی رمزنگاری‌شده (Attestation) تشریح شده است.
  • بررسی جامع ابعاد فنی و کاربردی توسط تحریریه ماگ بیت.
  • پیش‌بینی اثرات کوتاه‌مدت و بلندمدت بر اکوسیستم فناوری.

مثلث امنیت داده‌ها و حفره تاریخی «داده در حال پردازش» (Data in Use)؛ خطری که سازمان‌ها نادیده گرفتند

در تئوری امنیت اطلاعات کلاسیک، داده‌ها در سه وضعیت زیستی مورد حفاظت قرار می‌گیرند: داده در حال سکون (Data at Rest) که روی هارددیسک‌ها و درایوهای NVMe رمزنگاری می‌شود، داده در حال انتقال (Data in Transit) که با پروتکل‌های TLS 1.3 در کابل‌های شبکه محافظت می‌گردد، و در نهایت داده در حال پردازش (Data in Use) که در حافظه رم (RAM) و ریجیسترهای پردازنده قرار دارد. برای دهه‌ها، دو ضلع نخست با استانداردها و تکنیک‌های رمزنگاری پساکوانتومی PQC و کلیدهای سخت‌افزاری مستحکم شده بودند، اما ضلع سوم یک آسیب‌پذیری مرگبار به شمار می‌رفت.

تا پیش از رایانش محرمانه، هر زمان که برنامه‌ای می‌خواست داده‌ای را پردازش کند، آن داده باید به صورت متن خام (Plaintext) درون حافظه رم بارگذاری می‌شد. این ساختار بدان معنا بود که هر شخصی با دسترسی ریشه به سیستم‌عامل میزبان، مدیران مراکز داده شرکت‌های ابری مانند آمازون یا گوگل، هایپروایزرهای مجازی‌سازی یا حتی مهاجمانی با ابزارهای فیزیکی اسنیف باس رم، می‌توانستند تمام رمزهای عبور، اسناد پزشکی، اسرار تجاری و وزن‌های گران‌قیمت مدل‌های هوش مصنوعی را به راحتی از رم تخلیه کنند.

با انفجار تقاضا برای استقرار مدل‌های زبانی سازمانی بر روی سرورهای ابری اشتراکی، شرکت‌ها به این نتیجه رسیدند که دیگر نمی‌توان به «توافق‌نامه‌های کاغذی عدم افشای اطلاعات» یا اعتماد کور به اپراتور کلاد بسنده کرد؛ پارادایم جدیدی نیاز بود که بر پایه برهان ریاضی و جداسازی سیلیکونی استوار باشد.

کالبدشکافی انکلاوهای سخت‌افزاری و پردازنده‌های نسل جدید AMD SEV-SNP و Intel TDX

رایانش محرمانه (Confidential Computing) این حفره را از طریق ایجاد محیط‌های اجرای مورد اعتماد (Trusted Execution Environments یا TEEs) در پایین‌ترین سطح سیلیکون مسدود می‌سازد. در این پارادایم، یک ناحیه حافظه به نام «انکلاو» (Enclave) یا ماشین مجازی محرمانه (Confidential VM) تعریف می‌شود که تمام بایت‌های آن توسط یک موتور رمزنگاری سخت‌افزاری درون کنترلر حافظه پردازنده با کلیدهای گذرا رمزگذاری می‌شوند.

در معماری AMD SEV-SNP (Secure Encrypted Virtualization-Secure Nested Paging)، کنترلر پردازنده از نفوذ هایپروایزر به جداول آدرس‌دهی صفحات حافظه جلوگیری کرده و یکپارچگی حالت ثبات‌ها را تضمین می‌کند. اگر هایپروایزر خبیث حتی یک بایت از حافظه ماشین مجازی را تغییر دهد، سخت‌افزار بلافاصله خطای دستکاری صادر کرده و مانع از اجرای کد می‌شود.

به طور هم‌راستا، معماری Intel TDX (Trust Domain Extensions) مفهوم دامنه‌های اعتماد ایزوله سخت‌افزاری را بدون نیاز به بازنویسی برنامه‌ها به ارمغان آورده است. این معماری‌ها تضمین می‌کنند که حتی اگر هکری موفق به تصاحب کامل کرنل لینوکس سرور میزبان شود، حافظه رم ماشین مجازی محرمانه همچنان برای او یک رشته آشوبناک از نویزهای رمزشده و غیرقابل نفوذ باقی خواهد ماند.

معماری انکلاوهای امن سخت‌افزاری و رمزنگاری بلادرنگ حافظه رم در پردازنده‌های سرور
کالبدشکافی معماری محرمانه AMD SEV-SNP و Intel TDX؛ ایجاد محفظه‌های ایزوله رمزنگاری‌شده در لایه سخت‌افزار برای ممانعت از دسترسی هایپروایزر و نفوذگران فیزیکی به وزن‌های مدل‌های هوش مصنوعی

انقلاب هوش مصنوعی محرمانه؛ آموزش و استنتاج مدل‌های چند صد میلیاردی روی تراشه‌های گرافیکی H100 و B200

تا سال‌های گذشته، انکلاوهای امن تنها محدود به پردازنده‌های مرکزی (CPU) بودند و به دلیل محدودیت شدید حافظه (چند ده مگابایت)، امکان اجرای بارهای کاری سنگین هوش مصنوعی در آن‌ها وجود نداشت. اما تحول اساسی دوران کنونی بلوغ کامل رایانش محرمانه در سطح شتاب‌دهنده‌های گرافیکی غول‌پیکر با معرفی معماری‌های NVIDIA Confidential Computing در تراشه‌های H100 و Blackwell B200 است.

در این معماری‌ها، ارتباط میان پردازنده مرکزی و کارت گرافیک از طریق لینک‌های پرسرعت PCIe Gen 5 با پروتکل‌های سخت‌افزاری IDE (Integrity and Data Encryption) در نرخ ترابایت بر ثانیه رمزنگاری می‌شود. مدل زبانی با صدها میلیارد پارامتر به صورت رمزگذاری‌شده درون حافظه HBM3e بارگذاری می‌شود و استنتاج مستقیماً درون حصار سیلیکونی GPU انجام می‌پذیرد.

این دستاورد شرکت‌های داروسازی، بانک‌های بین‌المللی و سازمان‌های نظامی را قادر ساخته است تا خصوصی‌ترین پرونده‌های پزشکی بیماران یا الگوریتم‌های تریدینگ خود را بدون ذره‌ای نگرانی از سرقت داده‌ها، بر روی خوشه‌های محاسباتی ابری اشتراکی آموزش داده و تنظیم دقیق (Fine-Tuning) کنند.

اعتبارسنجی رمزنگاری‌شده از راه دور (Remote Attestation)؛ سنجش حقیقت سیستم با امضای سخت‌افزاری

مشتری کلاد چگونه می‌تواند مطمئن شود که سرور ارائه‌دهنده در حال حاضر واقعاً کدهای دست‌نخورده او را درون یک انکلاو امن اجرا می‌کند و نسخه تقلبی آن را بالا نیاورده است؟ پاسخ این پرسش در مکانیزم حیاتی «اعتبارسنجی رمزنگاری‌شده از راه دور» (Remote Attestation) نهفته است.

در این فرآیند، هنگام بوت شدن ماشین مجازی، سخت‌افزار پردازنده یک هش رمزنگاری‌شده (Measurement) از تمام باینری‌های بارگذاری‌شده، نسخه‌های فریم‌ور و پیکربندی‌های امنیتی تهیه می‌کند. این گزارش با یک کلید خصوصی منحصر‌به‌فرد که در کارخانه سازنده تراشه (اینتل یا ای‌ام‌دی) درون تراشه فیوز شده، امضا می‌شود.

مشتری از راه دور با دریافت این گواهی و اعتبارسنجی آن با ریشه اعتماد عمومی سازنده سیلیکون، به طور قطعی اثبات ریاضی دریافت می‌کند که زیرساخت کاملاً پاک است. این فرآیند درست همانند سازوکار اطمینان‌بخش راه‌اندازی پس‌کی و کلیدهای سخت‌افزاری FIDO2 عمل کرده و اعتماد انسانی را با ضمانت‌های قطعی رمزنگاری جایگزین می‌سازد.

ترکیب با زیرساخت اعلامی، مقیاس‌پذیری و چشم‌انداز وب نامتمرکز و محافظت‌شده

همگام‌سازی رایانش محرمانه با استانداردهای مدیریت پلتفرم و اتوماسیون مدرن نظیر زیرساخت اعلامی و مهندسی سیستم‌ها با NixOS، سربار عملیاتی استقرار ماشین‌های مجازی محرمانه را به کمتر از ۲ درصد کاهش داده است؛ عددی که مهاجرت سازمان‌ها را به یک تصمیم اقتصادی و امنیتی بدیهی بدل ساخته است.

علاوه بر این، ترکیب رایانش محرمانه با یادگیری فدرال (Federated Learning) و شبکه‌های نامتمرکز داده، افق‌های بی‌نظیری در همکاری چند سازمانی گشوده است. بیمارستان‌های مختلف اکنون می‌توانند مدل‌های تشخیص تومورهای سرطانی را بر روی داده‌های مشترک میلیون‌ها بیمار بدون نقض قوانین حریم خصوصی GDPR آموزش دهند، زیرا هیچ داده‌ای خارج از انکلاو به اشتراک گذاشته نمی‌شود.

دوران کنونی نماد یک بلوغ راهبردی در تاریخ اینترنت است؛ عصری که در آن محاسبات ابری دیگر به معنای تحویل کلید خانه به دیگران نیست، بلکه گاوصندوقی نفوذناپذیر از جنس سیلیکون خالص است که داده‌های بشریت را حتی در برابر چشمان تیزبین صاحب سرور نیز پنهان نگه می‌دارد.

این مطلب را با دوستانتان به اشتراک بگذارید
ل
نوشته‌ی
لیلا احمدی

روزنامه‌نگار حوزه‌ی فناوری؛ علاقه‌مند به روایت آدم‌ها و تغییراتی که فناوری در زندگی روزمره ایجاد می‌کند.

همه‌ی مطالب
مطالب پیشنهادی ماگ بیت

بیشتر از فناوری

مشاهده همه