Jeddak星火计划-开启申报

正文

请到「今天看啥」查看全文

「1. 机密计算基础设施」

在大模型应用爆发式增长的时代，机密计算基于其底层可信硬件的安全性，为数据隐私和模型资产安全提供了一种灵活、高效、实用的解决方案。在大模型实际生产应用场景中，课题计划进一步完善机密计算基础设施建设，降低可信服务的部署使用门槛、提升执行效率。

建议的研究方向（可任选其中一个或多个结合）：

• a. 大规模机密容器服务基础设施
• b. 高性能的TEE I/O(网络、存储)
• c. 跨TEE节点（CPU+GPU）的高性能计算
• d. 大模型推理计算加速（例如，prefill / decode分离等优化技术）

「2. 机密计算信任体系：」

机密计算可有效保护敏感数据与模型，使其免受泄露、窃取与滥用风险。除了可信硬件体系提供的机密性与完整性保障以外，课题计划进一步对其中运行的基础软件栈与应用负载提供可信构建、度量、分析证明能力，以实现更加完整的信任体系，提升用户对企业服务的信任度。

建议的研究方向（可任选其中一个或多个结合）：

• a. 可信编译系统构建方法：探索可信编译系统构建方法，确保软件供应链发布的代码和待运行负载具有对应性，并进一步建设面向机密计算服务的CICD流程；
• b. 可度量体系构建方法：针对目前CVM远程证明缺乏应用层度量的问题，以及无法全面开源的问题，建立一套安全评估体系，用来确定更加合理的度量域，并且完善相应的度量方案。
• c. 可信程序分析方法：探索高效可用的程序分析框架，来判断应用本身的安全性，规避运行代码中隐私泄露、安全合规等风险，兼容多种代码语言和应用场景。

「3. 高性能安全多方计算」

安全多方计算由于具有可证明的安全性，被广泛应用于数据分析、机器学习等场景，为敏感数据提供安全保护能力。在实际生产环境中，面对十亿甚至百亿规模的海量数据以及大模型动辄数十B的参数，课题计划设计更为高效的安全多方计算协议，使其在海量数据分析和大模型训练推理场景中更加实用。

请到「今天看啥」查看全文