آخرین اخبار
همهٔ اخبار
امنیت ابری گزارش بحرانیت ۲/۱۰

پیاده‌سازی Private Processing در عینک‌های هوشمند Meta برای محدود کردن دسترسی شرکت به داده‌های کاربران

پیاده‌سازی Private Processing در عینک‌های هوشمند Meta برای محدود کردن دسترسی شرکت به داده‌های کاربران

شرکت Meta در حال گسترش سیستم Private Processing به عینک‌های هوشمند خود است تا لایه‌های امنیتی را به مراکز داده ابری (Cloud Data Centers) منتقل کند. این سیستم مدل‌های هوش مصنوعی را در محیط‌های ماشین مجازی محرمانه (Confidential Virtual Machines یا CVMs) اجرا می‌کند تا دسترسی مستقیم Meta به داده‌های کاربران به‌طور کامل مسدود شود.

مکانیزم عملکرد Private Processing در عینک‌های AI

به دلیل محدودیت‌های سخت‌افزاری عینک‌های هوشمند، پردازش‌های سنگین مانند تبدیل گفتار به متن (Streaming Transcription)، جستجوی متنی (Contextual Search) و بازیابی حافظه بلندمدت باید به ابر منتقل شوند. برای تامین امنیت این فرآیند، Meta پنج الزام مهندسی را پیاده کرده است تا داده‌ها در حین انتقال، پردازش و ذخیره‌سازی، از طریق رمزنگاری و سخت‌افزارهای محافظت‌شده، حتی در برابر سیستم‌عامل میزبان و هایپروایزرها (Hypervisors) ایمن بمانند.

ویژگی‌های کلیدی امنیتی

  • شفافیت و تاییدیه (Attestation): تمامی تصاویر CVM مورد استفاده در محیط عملیاتی در یک دفتر کل شفافیت (Transparency Ledger) ثبت می‌شوند که به صورت عمومی قابل مشاهده است. عینک‌ها پیش از ارسال داده‌ها، اعتبار سخت‌افزاری و نرم‌افزاری محیط را با این دفتر کل تطبیق می‌دهند.
  • محیط اجرای مورد اعتماد (TEE): داده‌ها در محیط‌های TEE پردازش می‌شوند که دسترسی Meta و زیرساخت‌های ابری را به محتوای داده‌ها مسدود می‌کند.
  • مدیریت کلیدهای کاربر: داده‌های ذخیره‌شده برای استفاده‌های آتی با کلیدی که تنها توسط کاربر ارائه می‌شود رمزنگاری می‌گردند. Meta تنها نقش ذخیره‌کننده داده‌های رمزنگاری‌شده را دارد و کلید دسترسی در اختیار شرکت نیست.
  • ناشناس‌سازی درخواست‌ها: پیش از خروج داده‌ها از عینک، از اعتبارنامه‌های ناشناس (Anonymous Credentials) و توکن‌های تصادفی استفاده می‌شود تا سرویس احراز هویت شرکت نتواند درخواست‌ها را مستقیماً به حساب کاربری فرد متصل کند.

تاثیر بر عیب‌یابی و نظارت

این سطح از امنیت باعث می‌شود مهندسان Meta نتوانند برای تشخیص خطاها، حافظه (Memory)، ورودی/خروجی مدل‌ها یا داده‌های کاربر را بازرسی کنند. در عوض، نظارت تنها بر روی معیارهای کلی (Aggregate Measures) مانند میزان مصرف CPU، حافظه و تاخیر شبکه (Network Latency) متمرکز است.

در نهایت، Meta برنامه Bug Bounty خود را برای پوشش این سیستم گسترش داده و ابزارها و باینری‌های CVM را در اختیار پژوهشگران امنیتی قرار می‌دهد تا آسیب‌پذیری‌های احتمالی این معماری را شناسایی و گزارش کنند.