微软和NVIDIA合作：将云端加密扩展到GPU上

很多组织都迁移到云端，来满足他们在存储和人工智能解决方案方面的数据相关需求。为了确保敏感数据的隐私和安全，使用保密计算是至关重要的。这基本上是通过一整套硬件和软件的配合实现控制的，管理数据如何被共享和使用，以及数据所有者如何验证这些过程。

英特尔和AMD的CPU已经能够创建可信的执行环境(TEEs)，在CPU层面为保密计算提供支持。TEEs确保数据在静止状态、传输过程中，甚至在使用过程中都保持加密。它还提供远程验证，以验证硬件的配置，并只对所需的算法授予数据访问权。微软在Azure上的保密计算解决方案也利用同样的原则。

然而，现有的解决方案与内置在 CPU 中的 TEE 联系在一起，所以微软现在希望将这一边界也扩展到 GPU，确保数据可以安全地转移到更强大的硬件上以满足计算需求。当涉及到组织的人工智能工作负载时，这就更加重要了，微软正在与英伟达在这方面进行合作。

微软表示想要实现这个目标并不简单。因为它需要保护 GPU 免受各种攻击，同时确保 Azure 主机对管理活动有足够的控制。即使在硬件层面，该实施方案也不应对热能和性能产生负面影响，而且理想情况下，也不需要对现有的 GPU 微架构进行改变。该公司的愿景包括保密 GPU 的以下功能：

• 一种新的模式，GPU上的所有敏感状态，包括GPU内存，都与主机隔离。
• 在GPU芯片上有一个硬件信任根，可以生成可验证的证明，捕获GPU的所有安全敏感状态，包括所有固件和微代码
• 对GPU驱动程序进行扩展，以验证GPU的证明，建立与GPU的安全通信通道，并透明地加密CPU和GPU之间的所有通信
• 硬件支持通过NVLink透明地加密所有GPU-GPU通信
• 在客户操作系统和管理程序中支持将GPU安全地连接到CPU TEE，即使CPU TEE的内容是加密的。

微软表示，它已经在Azure上的NVIDIA A100 Tensor Core GPU中建立了保密计算能力。这已经通过一个名为安培保护内存(APM)的新功能完成。实施细节在本质上是高度技术性的，你可以在这里查看。

这个解决方案现在可以通过Azure Confidential GPU VMs进行私人预览。目前，企业可以使用最多4个NVIDIA A100 Tensor Core GPU的虚拟机来处理他们的Azure工作负载。微软的下一步包括确保更广泛地采用这些做法，并与NVIDIA合作，在其Hopper架构上进一步加强现有的实施。