机密计算到底在防谁?聊点论文里不写的实战坑
前两天有个做医疗数据的朋友问我,说想把模型放到云上跑,又怕数据泄露。我说你试试机密计算啊。他回:那玩意儿靠谱吗?我愣了三秒。真的,三秒。因为这个问题太难回答了。
硬件隔离:给数据盖个碉堡,但碉堡也有裂缝
机密计算的核心就一句话:数据在内存里也是加密的,只有CPU里那块特殊区域能解密。Intel SGX叫飞地(Enclave),AMD SEV叫安全加密虚拟化,ARM叫CCA。听着挺美对吧?但你别忘了,飞地本身也是代码,代码就有漏洞。2018年Foreshadow攻击,直接把SGX的证明密钥给薅了。后来Plundervolt、SGAxe……一长串。所以,没有绝对的安全,只有不断提高的攻击成本。这话我说的。
Intel SGX飞地内存加密架构示意图
远程证明又是另一回事。你想让远端服务器证明它确实在跑一个合法的飞地。怎么证?硬件厂商签个名。但这里有个哲学问题:你凭什么信Intel?信AMD?他们要是留后门呢?不过话说回来,目前也没有更好的办法。学术界在搞分布式证明、去中心化根信任,但离落地还远。
性能这玩意儿,跑分和实际是两码事
厂商发布会总说开销个位数。我信你个鬼。SGX的上下文切换,一次几万周期。你要是频繁进出飞地,性能直接腰斩。不过AMD SEV-SNP就好很多,因为它加密整个VM,不用改代码。但IO虚拟化那块,还是有开销。NVIDIA H100搞了个机密计算,GPU也能进TEE了,但你要跑大模型,显存带宽打几折?有论文测过,大概10%-20%的下降。能接受吗?看你的钱包。
机密计算性能损耗基准测试对比图
还有一个大坑:远程证明的证书链和吊销机制。很多方案压根没考虑周全。比如,飞地代码有漏洞要吊销,怎么通知所有依赖方?慢得要死。这事科研圈也在吵。
最近科研和工业界在卷什么?
RISC-V的机密计算很火。Keystone、Penglai这些开源项目,主打可定制。ARM的CCA(机密计算架构)今年开始有实际芯片了。英特尔的TDX,跟SGX不一样,它是VM级别的,微软Azure已经在用。AMD的SEV-SNP在云上铺得挺快。开源框架方面,Occlum、Gramine让SGX用起来不那么反人类。还有机密容器,Kata Containers现在支持TDX和SEV。苹果那个Private Cloud Compute,其实也是机密计算思路,用自家芯片的安全隔区。不过它不开放,你没法验证。所以,开放验证才是机密计算的灵魂,否则就是黑盒。
RISC-V Keystone机密计算框架结构图
再说AI。联邦学习+机密计算,现在是个热门组合。但通信开销和证明延迟,能把人逼疯。我见过一个项目,训练一轮要等证明,等得黄花菜都凉了。所以,别指望银弹。
最后说点实在的
最后说点实在的
如果你要选型,先问自己三个问题:你的威胁模型是什么?性能能忍多少?运维团队搞得定证明服务吗?搞不定就别碰。真的。我见过太多POC完了就吃灰的。机密计算不是万能药,它只是把信任边界从操作系统缩小到CPU。剩下的,还得靠你自己。
所以下次有人跟你吹“我们的机密计算绝对安全”,你就笑笑,然后问他:侧信道防住了吗?证明服务谁运维?固件更新怎么搞?他要是答不上来,转身就走。别回头。
差不多就这些。我继续去踩坑了。