公司正在收集越来越多的数据，这一趋势正在推动更好的分析工具和更严格的安全性的发展。随着机密计算准备为人工智能提供重要推动力，分析和安全性正在融合。
英特尔一直在机密计算方面进行大量投资，以此来扩大公司将通过云服务管理的数据量和类型。英特尔数据中心事业部负责安全架构的英特尔研究员Ron Perez表示，该公司认为，新兴的安全标准将使企业和大型组织能够探索共享AI和机器学习所需数据的新方法。
“我们认为这是一项长期努力，”佩雷斯说。“但是我们之所以进行投资，是因为它有可能在云计算和公用计算领域发生巨大转变。”
机密计算是一种超越基于策略的隐私和安全性的标准，可以在更深层次的技术水平上实施保护措施。通过使用只能通过客户端持有的密钥解锁的加密，机密计算可确保托管数据和云中应用程序的公司无法访问基础数据，无论是存储在数据库中还是通过应用程序。
该概念正在蓬勃发展，因为它使数据即使在处理和在应用程序中使用时也可以保持加密。由于托管数据的公司无法访问数据，因此该安全标准应防止黑客在将数据移至应用程序层时窃取未加密的数据。从理论上讲，它还允许公司甚至在竞争对手之间共享数据，以对客户进行安全检查并消除欺诈。
在2019年8月，英特尔成为了机密计算联盟的创始成员之一，这是一个由Linux基金会管理的开源项目，旨在开发进一步采用所需的硬件和软件标准。像IBM，Google和Microsoft这样的公司已经开始突出其在这一领域的工作，以鼓励大型企业(尤其是在金融和医疗保健等领域)将更多的敏感数据存储到云中。
数据安全的未来
佩雷斯(Perez)领导英特尔的一组高级技术人员，他们通过一个名为“寻路”的程序专注于安全架构。佩雷斯将其描述为“追求客户所面临的有趣挑战”。对于Perez来说，目标是为英特尔的数据中心客户开发一条安全技术管道。
英特尔在“机密计算”一词流行之前就开始了这一领域的工作，Perez指出该公司于2015年推出了软件保护扩展。SGX是安全编码，直接内置于英特尔处理器中，从而创建了独立的存储区域，可以在其中存储数据。被放置以限制访问。使用硬件和软件保护数据同时允许对其进行处理的想法是机密计算的核心。
微软将这些英特尔处理器用于其Azure云，以启用其自己的机密计算服务。上个月，英特尔宣布将在新一代Xeon可扩展平台中扩展这些功能。
Perez说：“我们的方法一直是推动持续的创新和与技术合作伙伴的深度合作，以提高所有数据的机密性和完整性，无论它在哪里。”
机密计算和AI
支持机密计算的人认为，随着公司更愿意将其最敏感的数据联机，它将导致新一波云计算创新。佩雷斯(Perez)说，它通过两种方式帮助推动AI和机器学习。
首先是间接的。近年来，由于可用于完善算法的数据集不断增长，因此AI和ML取得了进步。通过将更多，更丰富的数据联机提供机密计算，将使该开发受益。
“与机器学习和人工智能的主要联系是，我们正在生成越来越多的数据，”佩雷斯说。“我们正在使用各种机器学习技术来分析这些数据。数据的爆炸式增长真正推动了人们对机密计算的兴趣，无论它是否用于机器学习。机器学习恰好是它的主要用途之一。”
无论基础数据的类型如何，如果必须解密才能使用，则所传递算法的安全性至关重要。
“您如何在非常广泛的用例范围内保护这些算法?”佩雷斯说。“我们将机密计算视为云计算的范式转变。基础架构提供商正在提供使云公司能够以实用程序的形式提供这些服务的功能，而他们不必自己负责保护数据。
除此之外，机密计算还使围绕数据的不同类型的协作能够推动机器学习。佩雷斯指出了宾夕法尼亚大学一项脑肿瘤项目的例子。
宾夕法尼亚大学的佩雷尔曼医学院与全球29个其他医疗保健和研究机构合作，包括英国，德国和印度。该小组正在使用英特尔的机密计算来开发一种分布式机器学习方法，使他们可以共享患者数据，包括医学影像。由于此类数据在用于机器学习时可以保持加密状态，因此该组可以安全地共享该数据并以其他方式无法实现的方式进行协作。
这很关键，因为迫切需要数据来训练机器学习，但是没有一个机构能够独自实现这一目标。之前，Penn Medicine和Intel Labs发表了一项研究，表明联合学习(一种协作方法)可以比单独工作更有效地训练机器学习模型。在这种情况下，该小组认为，将机密计算与联合学习相结合，将使他们在识别脑瘤的AI模型中取得快速突破。
商户也正在利用这种能力来允许客户和合作伙伴数据进行新型协作，就像企业一样。尽管像Gartner这样的分析师认为，机密计算的真正影响可能还需要几年的时间，但Perez表示，它已经在短期内帮助某些行业提高其AI和机器学习能力。
“计算堆栈有多个方面需要保护，” Perez说。“机密计算解决了以前无法解决的问题。我可以使用可能存在于世界任何国家/地区的任何计算功能，并且仍然保留我的数据的隐私和机密性这一概念非常强大。”
