机密计算

一、什么是机密计算

机密计算（Confidential Computing）是基于硬件可信执行环境（TEE）在计算过程中保护数据机密性与完整性的技术体系，让数据在使用态（运行时）也保持加密状态。它补齐了数据全生命周期保护的最后一环：将传统只覆盖传输态（TLS）、存储态（磁盘加密）的保护延伸到运行态，实现数据全生命周期三态全加密。代表性实现包括 Intel SGX/TDX、AMD SEV-SNP、ARM CCA 与 NVIDIA H100 CC。它与隐私计算的差异在于：隐私计算侧重多方协作下的密码学保护，机密计算侧重单方数据上云时对云厂商/管理员的硬件级隔离，是云原生、AI、金融、政务等强信任场景的事实基础设施。

二、原理

1. 飞地创建：CPU 在内存中划分加密隔离区域（Enclave），代码与数据在飞地内解密执行 → 2. 内存加密：飞地内存由 CPU 硬件密钥加密，操作系统与宿主机管理员无法直接读取 → 3. 远程证明：飞地向外部客户端发送加密度量，客户端验证飞地内代码与数据完整性 → 4. 密钥注入：外部 KMS 注入的密钥仅在飞地内可解绑，确保密钥不出硬件 → 5. 安全 I/O：通过加密通道与外部世界通信，数据全程不出飞地 → 6. 完整性度量：飞地退出与重启过程通过密封（Sealing）保留可信状态

三、信息卡片

中文名	机密计算
英文名	Confidential Computing
缩写	CC
别名	Confidential Computing、机密计算联盟 CCC、可信执行环境应用
提出者	概念发起：机密计算联盟 CCC（Linux Foundation，2019）；硬件实现：Intel SGX（2015）、AMD SEV-SNP（2022）、ARM CCA（2021）
提出时间	2015 年（Intel SGX 推出）；2019 年（CCC 联盟成立，概念正式确立）
所属类别	网络安全 > 数据安全 > 运行态保护
核心技术	可信执行环境 TEE、远程证明（Remote Attestation）、安全飞地 Enclave、机密容器、密钥管理 KMS
主要应用	云上敏感数据处理、机密 AI 训练/推理、金融政企云、跨机构数据协作

四、历史时间线

2015 年：Intel 推出 SGX，开启消费级可信执行环境（TEE）时代
2018 年：Google Asylo 开源框架降低 SGX 使用门槛
2019 年：Linux Foundation 牵头成立 Confidential Computing Consortium（CCC），「机密计算」概念正式确立
2020 年：AMD SEV 扩展至虚拟化场景；Kubernetes 社区开始探索机密容器
2022 年：AMD SEV-SNP 修复早期侧信道漏洞；机密容器在金融、政务场景落地
2023-2024 年：Intel TDX、ARM CCA、NVIDIA H100 CC 相继商用，机密 AI 训练与推理开始规模化

五、分类

按硬件实现：Intel SGX（应用级飞地）、Intel TDX（虚拟机级）、AMD SEV-SNP（虚拟机级）、ARM CCA（架构级）、NVIDIA H100 CC（GPU 级）

按抽象层级：指令级 SGX vs 虚拟机级 TDX/SEV vs 容器级机密容器 vs 节点级机密节点
按云厂商：Azure Confidential VM、AWS Nitro Enclaves、Google Confidential VMs、阿里云机密计算
按应用场景：机密 AI 训练/推理、机密数据库、机密区块链节点、机密容器、机密函数计算
按生态工具：Asylo（Intel）、Confidential Containers（CCC）、Kata + TDX、EGo（机密 SDK）

六、应用场景

云上敏感数据处理：金融、医疗、政务用户在公有云上处理受监管数据，云厂商管理员无法窥探
机密 AI 训练与推理：保护模型权重、训练数据与推理输入，避免模型泄露与数据反演
跨机构数据协作：与隐私计算融合，让 TEE 飞地成为 MPC 节点加速器或密文密钥托管
机密区块链节点：保护链上隐私，让智能合约数据对节点运营方不可见
机密容器与 Kubernetes：机密容器 RuntimeClass 集成机密节点，统一集群安全基线

七、优缺点

优点：补齐运行态保护：让数据从传输、存储、运行三态全加密，是数据全生命周期保护的最后一环；硬件级信任根：信任锚定在 CPU 硬件，相比纯软件密码学方案更易审计与落地；性能开销可控：相比纯密码学 MPC/FHE，TEE 方案的性能开销通常仅 5-20%；云原生集成度高：机密容器、机密 VM 已与 Kubernetes 等云原生栈深度集成