رایانش محرمانه سخت‌افزاری و حفاظت از مدل‌های هوش مصنوعی
پایان نگرانی سرقت داده‌های ابری؛ پردازش محرمانه سخت‌افزاری امروزه با رمزنگاری بلادرنگ رم و انکلاوهای نفوذناپذیر، امنیت مدل‌های هوش مصنوعی سازمانی را تضمین کرد.
- واکاوی موشکافانه و تخصصی امنیت زیرساخت‌های محاسبات ابری امروزه با گسترش فناوری پردازش محرمانه مبتنی بر سخت‌افزار (Hardware-Enforced Confidential Computing) و چیپلت‌های امنیتی ایزوله. تحلیل چگونگی پر کردن آخرین و آسیب‌پذیرترین شکاف امنیتی رایانش سنتی یعنی حفاظت از «داده‌ها در حال پردازش» (Data in Use)؛ بررسی تکنولوژی‌های رمزنگاری بلادرنگ خطوط حافظه رم (Real-Time Memory Encryption) با موتورهای رمزنگاری کوانتوم‌امن، ایجاد پناهگاه‌های امنیتی سخت‌افزاری (Secure Enclaves) برای حفظ اسرار تجاری و وزن‌های گران‌قیمت مدل‌های هوش مصنوعی مولد سازمانی در برابر کنجکاوی اپراتورهای سرور، حملات کانال جانبی ریزمعماری و نفوذ در سطح هسته سیستم‌عامل با استانداردهای نوین.
- بررسی جامع ابعاد فنی و کاربردی توسط تحریریه ماگ بیت.
- پیش‌بینی اثرات کوتاه‌مدت و بلندمدت بر اکوسیستم فناوری.
شکاف امنیتی داده‌ها در حال استفاده؛ چرا رمزنگاری دیسک و شبکه دیگر کافی نیست؟
در طول دو دهه شکل‌گیری معماری‌های ابری، امنیت داده‌ها بر پایه دو رکن اصلی تعریف می‌شد: رمزنگاری داده‌ها در حالت استراحت روی دیسک‌های ذخیره‌سازی (Data at Rest) و رمزنگاری بسته‌های داده حین انتقال در شبکه (Data in Transit) با استفاده از پروتکل‌های TLS. اما پارادوکس بزرگ رایانش این بود که برای انجام هرگونه پردازش، محاسبات ریاضی یا استنتاج هوش مصنوعی، داده‌ها باید به صورت متن خام و رمزگشایی‌شده وارد حافظه موقت رم (RAM) و رجیسترهای پردازنده می‌شدند.
این یعنی هر کاربری با دسترسی سطح ریشه (Root)، اپراتور دیتاسنتر ابری، هایپروایزر آلوده یا بدافزاری که از آسیب‌پذیری‌های کرنل سوءاستفاده می‌کرد، می‌توانست با تخلیه محتوای حافظه رم، حساس‌ترین اطلاعات مالی، پرونده‌های پزشکی بیماران و کلیدهای خصوصی سازمانی را به سرقت ببرد. این آسیب‌پذیری ساختاری، بزرگ‌ترین مانع شرکت‌های بزرگ مالی و بهداشتی برای مهاجرت به ابرهای عمومی بود.
همان‌گونه که در بررسی شتاب‌دهنده‌های سخت‌افزاری رمزنگاری هم‌ریختی تمام‌عیار FHE تحلیل کردیم که ریاضیات رمزنگاری در پی محافظت از حریم داده‌هاست، فناوری پردازش محرمانه سخت‌افزاری (Confidential Computing) امروزه راهکاری عملیاتی، پرسرعت و بدون سربار پردازشی سنگین برای مسدودسازی دائمی این رخنه ارائه داده است.
معماری انکلاوهای امن سخت‌افزاری و ماشین‌های مجازی محرمانه (Confidential VMs)
اساس پردازش محرمانه بر مفهوم محیط‌های اجرای مورد اعتماد (Trusted Execution Environments - TEE) یا انکلاوهای سخت‌افزاری استوار است. در پردازنده‌های سرور پرچمدار دوران کنونی فضایی ایزوله درون سیلیکون چیپ تعریف می‌شود که دیوارهای امنیتی آن مستقیماً توسط گیت‌های منطقی سخت‌افزار کنترل می‌گردد و سیستم‌عامل میزبان یا هایپروایزر هیچ‌گونه مجوزی برای خواندن، نوشتن یا دستکاری کدهای درون این محفظه را ندارد.
با گسترش استانداردهای ماشین‌های مجازی محرمانه (CVMs)، کل محیط سیستم‌عامل کاربر بدون نیاز به هیچ‌گونه تغییر در کدهای نرم‌افزاری، درون یک انکلاو سخت‌افزاری مهروموم‌شده اجرا می‌شود. فرآیند گواهی‌دهی سخت‌افزاری (Hardware Attestation) با امضای دیجیتال رمزنگاری‌شده در کارخانه سازنده تراشه، به کاربر اثبات می‌کند که محیط پردازشی دقیقاً همان کدهای دست‌نخورده و بدون شنود است.
همانند پیشرفت‌هایی که در تراشه‌های فوتونیک یکپارچه سیلیکونی و فناوری CPO در زمینه انتقال مصون سیگنال‌ها دیدیم، در لایه معماری پردازنده نیز خطوط ارتباطی داده درون بسته تراشه در برابر هرگونه اسنیفینگ فیزیکی و حملات پروب الکترونیکی نفوذناپذیر شده‌اند.
موتورهای رمزنگاری بلادرنگ حافظه رم با الگوریتم‌های کوانتوم‌امن و سربار نزدیک به صفر
چالش مهندسی تاریخی در رمزنگاری خطوط رم، افت سرعت پهنای باند و افزایش تاخیر دسترسی به حافظه بود. در سرورهای هوش مصنوعی که هزاران ترابایت بر ثانیه داده میان حافظه‌های HBM و کش پردازنده جابه‌جا می‌شود، کوچک‌ترین تاخیر می‌توانست کارایی سیستم را فلج کند.
در سرورهای دوران کنونی کنترلرهای حافظه به موتورهای رمزنگاری خطی سخت‌افزاری با الگوریتم AES-XTS-256 و استانداردهای پسا-کوانتومی مجهز شده‌اند. داده‌ها درست در لحظه خروج از کش نهایی پردازنده (LLC) و ورود به مسیرهای مادربرد به کدهای رمزی تبدیل می‌شوند و کلید رمزنگاری هرگز از خود تراشه خارج نمی‌شود.
آزمایش‌های بنچمارک در اکتبر نشان می‌دهند که سربار پردازشی این رمزنگاری بلادرنگ به کمتر از ۱.۲ درصد رسیده است؛ رکوردی خارق‌العاده که استفاده از پردازش محرمانه را به قابلیتی همیشه‌روشن (Always-On) و بدون جریمه عملکردی در تمامی خوشه‌های سرور بدل ساخته است.
حفاظت از وزن مدل‌های چندصد میلیارد پارامتری هوش مصنوعی و آموزش مشارکتی فدرال
آموزش مدل‌های بنیادین هوش مصنوعی امروزه مستلزم هزینه‌های ده‌ها میلیون دلاری است و وزن‌های این مدل‌ها (Model Weights) باارزش‌ترین دارایی فکری شرکت‌های فناوری به شمار می‌روند. استقرار این مدل‌ها بر روی سرورهای ابری کشورهای دیگر همواره با ترس سرقت وزن‌ها توسط رقبای صنعتی همراه بود.
با بهره‌گیری از پردازش محرمانه، وزن‌های مدل به صورت رمزنگاری‌شده در سرور بارگذاری می‌شوند و تنها درون انکلاو شتاب‌دهنده رمزگشایی می‌گردند. حتی مالک سرور فیزیکی نیز هیچ راهکاری برای استخراج پارامترهای شبکه عصبی ندارد.
همچنین این فناوری زمینه را برای آموزش مشارکتی امن (Confidential Federated Learning) میان رقبای تجاری یا بیمارستان‌های مختلف فراهم کرده است. چندین بیمارستان می‌توانند داده‌های بیماران خود را برای آموزش یک مدل پیشرفته تشخیص سرطان به اشتراک بگذارند، بدون آنکه حتی یک بایت از پرونده خصوصی بیماران برای سایر شرکت‌کنندگان یا سرور مرکزی فاش شود.
الزام‌های رگولاتوری جهانی و مهاجرت صنایع حساس به ابرهای محرمانه تا پایان ۲۰۲۷
با تصویب چارچوب‌های جدید حاکمیت داده و امنیت سایبری در بازارهای بین‌المللی، استفاده از پردازش محرمانه از یک ویژگی تشریفاتی به الزامی قانونی برای نگهداری داده‌های شهروندان، سامانه‌های بانکی و زیرساخت‌های حیاتی بدل شده است.
پیوند این فناوری با مفاهیم سخت‌افزاری نوین نظیر رایانش آنالوگ درون حافظه ممریستوری تضمین می‌کند که نسل آتی معماری‌های محاسباتی نه تنها راندمان مصرف انرژی را به اوج برسانند، بلکه اعتماد‌پذیری ذاتی را در عمیق‌ترین سطوح فیزیکی سیلیکون تثبیت نمایند.
تحریریه ماگ بیت تثبیت رایانش محرمانه سخت‌افزاری را سنگ‌بنای غیرقابل‌مذاکره اینترنت آینده و محاسبات ابری جهان هوش مصنوعی می‌داند؛ دورانی که در آن حریم خصوصی داده‌ها نه با وعده‌های حقوقی شرکت‌ها، بلکه با قوانین ریاضیات و دیوارهای غیرقابل‌نفوذ فیزیک تضمین می‌گردد.
بیشتر از فناوری
