机密计算

什么是机密计算？

机密计算之所以重要，是因为许多组织需要在处理敏感数据的同时，避免引入额外的安全性、隐私或合规性风险。这一点对金融服务、医疗保健、公共部门、科研、AI 和受监管的企业工作负载而言尤为重要。

随着组织越来越多地使用云、混合云、AI 和分布式基础设施，敏感数据可能跨越更多系统、位置和环境进行处理。即使在基础设施被共享的情况下，或者当组织需要在应用、租户或合作伙伴之间实施更强的隔离手段时，机密计算也能帮助保护工作负载。

机密计算在 AI 领域同样具有重要意义。AI 工作负载可能涉及使用敏感提示词、专有模型、受监管数据集或机密业务信息。在处理这些数据时对其提供保护，能帮助组织更有信心地采用 AI。

机密计算通过保护内存中正在处理的数据，从而帮助保护敏感 AI 工作负载，降低数据、模型、提示和输出结果遭到未经授权访问的风险。
对于 AI 训练，机密计算有助于保护敏感数据集和模型开发工作流程。对于 AI 推理，它有助于保护提示、检索数据、模型输出以及专有业务逻辑。对于受监管行业，当 AI 系统处理财务、医疗保健、客户或运营数据时，机密计算能提供更强有力的保护。

机密计算对私有 AI 和企业 AI 尤其重要，因为组织往往需要在利用敏感数据的同时，不将其暴露于不必要的风险中。当与治理、访问控制、监控和安全基础设施相结合时，它可帮助增强对 AI 系统的信任。

当组织需要处理敏感数据，但同时又希望获得分布式、类云或共享基础设施的灵活性时，机密计算最为有用。

这些案例表明，对于需要隐私保护、可信度和安全处理的企业工作负载而言，机密计算至关重要。

组织应根据数据的敏感性、工作负载类型、合规性要求、基础设施环境和性能需求来选择机密计算解决方案。

重要因素包括：

• 对可信执行环境、安全隔离区和可信验证的支持能力。
• 与现有应用、云平台、服务器和 AI 基础设施的兼容性。
• 是否具备强大的密钥管理、访问控制、监控和审计能力。
• 对 AI、分析、受监管数据以及多方协作用例的支持能力。
• 在云、私有云、边缘和混合环境中的运维适配性。

合适的解决方案应在保护使用中数据的同时，避免带来不必要的性能、集成或管理复杂性。

HPE 通过安全的服务器基础设施、计算安全能力、私有 AI 平台以及旨在帮助保护敏感工作负载的企业 AI 解决方案，为机密计算提供强大支持。

HPE ProLiant Compute 可为企业工作负载（包括应用、数据、分析、虚拟化、AI 及混合基础设施）提供安全基础。HPE Integrated Lights-Out 与 HPE 硅信任根则可帮助增强服务器安全性、固件防护、远程管理能力和全生命周期安全保障。

对于机密 AI 用例，HPE ProLiant Compute 和 NVIDIA AI Computing by HPE 能够为需要对数据、模型、提示词和推理实施更强保护措施的工作负载提供安全的 AI 基础设施。HPE Private Cloud AI 可帮助组织在私有云环境中运行 AI 工作负载，同时加强对数据、访问、基础设施和运维的控制能力。

HPE Compute Ops Management 和 GreenLake 还能通过统一、现代化的管理体验，帮助组织提升分布式计算环境中的可见性、服务器生命周期管理能力以及混合云运维水平。

借助 HPE，组织可以构建安全的计算环境，从而为敏感的数据处理、机密 AI、私有云、混合云以及企业工作负载防护提供有效支持。