你可能每天都在驚嘆 AI 的生成速度，但你有沒有想過，支撐這些 AI 運(yùn)轉(zhuǎn)的數(shù)據(jù)中心正在經(jīng)歷怎樣的一場“變形記”？
過去的數(shù)據(jù)中心，就像一座有護(hù)城河的城堡，防守主要靠外圍的防火墻。但在 AI 時代，這種老掉牙的防守方式已經(jīng)完全行不通了。為什么？
AI?加速器（比如?GPU）成了黑客眼中的“香餑餑”。它們內(nèi)部結(jié)構(gòu)復(fù)雜，如果固件被黑客篡改，不僅會導(dǎo)致模型訓(xùn)練失敗，還可能泄露機(jī)密數(shù)據(jù)！
訓(xùn)練數(shù)據(jù)的海洋里潛藏暗礁。如今，AI 訓(xùn)練需要海量數(shù)據(jù)，如果黑客在其中混入“有毒”數(shù)據(jù)，你的 AI 可能會學(xué)偏，甚至崩潰！
AI 模型本身就是無價之寶。偷走了模型，就等于偷走了公司的核心機(jī)密。
因此，現(xiàn)代的 AI 數(shù)據(jù)中心正在進(jìn)行一場深刻的變革：在追求極致算力的同時，打造堅不可摧的“零信任”網(wǎng)絡(luò)安全防御體系。
那么，未來的 AI 數(shù)據(jù)中心會長什么樣？
用 AI 打敗 AI：智能防御系統(tǒng)將主動出擊，不僅能實時預(yù)測攻擊，還能自動隔離受感染的設(shè)備。
機(jī)密計算成為標(biāo)配：即使是云平臺供應(yīng)商或管理員，也無法偷窺正在處理的數(shù)據(jù)。
IT 與?OT（運(yùn)營技術(shù)）安全大融合：黑客甚至可能通過攻擊大樓的管理系統(tǒng)，讓數(shù)據(jù)中心過熱燒毀。因此，物理安全與網(wǎng)絡(luò)安全必須緊密結(jié)合。
總而言之，AI 數(shù)據(jù)中心的現(xiàn)代化，是一場算力與安全相互依存、共同進(jìn)化的雙向奔赴。沒有安全這臺強(qiáng)大的引擎，再快的算力也只是海市蜃樓！
原文：AI數(shù)據(jù)中心正在成為堡壘——而這正是其意義所在
AI 數(shù)據(jù)中心不僅速度在變快，同時也在遭受各種攻擊。這意味著如今的現(xiàn)代化不僅依賴于強(qiáng)大的計算能力，更離不開堅實的安全性。
圖源：Steve Douglas
十年前，在 NVIDIA 開發(fā)者大會（GPU 技術(shù)會議）上，NVIDIA 首席執(zhí)行官黃仁勛就曾斷言：“在這個時代，軟件將自我編寫，機(jī)器將自主學(xué)習(xí)。很快，數(shù)千億臺設(shè)備將被賦予智能，AI 將徹底改變每一個行業(yè)。”
因此，AI 被廣泛認(rèn)為是 21 世紀(jì)的智能引擎。而這臺強(qiáng)大的引擎，亟需一種全新的“工廠”來驅(qū)動——這就是現(xiàn)代化的 AI 數(shù)據(jù)中心。
如今，我們正在見證 AI 數(shù)據(jù)中心的現(xiàn)代化進(jìn)程，這無疑是一場雙軌競賽：在追求前所未有的計算規(guī)模和極致速度的同時，必須構(gòu)筑起堅不可摧的網(wǎng)絡(luò)安全防線。這種計算加速與網(wǎng)絡(luò)安全的深度融合，正在為 AI 數(shù)據(jù)中心的現(xiàn)代化開創(chuàng)一種全新的范式。
2024 年，美國國土安全部部長 Alejandro Mayorkas 明確指出：“參與開發(fā) AI 的組織和個人，他們今天做出的選擇，將深刻影響這項技術(shù)在未來對我們關(guān)鍵基礎(chǔ)設(shè)施產(chǎn)生的作用。”的確，網(wǎng)絡(luò)威脅的形勢日益復(fù)雜且不斷演變。我們的關(guān)鍵基礎(chǔ)設(shè)施，尤其是那些為 AI 未來提供源源動力的數(shù)據(jù)中心，已經(jīng)成為攻守勢力眼中的首選目標(biāo)。因此，現(xiàn)代化的 AI 數(shù)據(jù)中心必須兼具“最強(qiáng)大的引擎”和“最堅固的堡壘”的雙重屬性。
本文將從過去、現(xiàn)在和未來的全景視角，深入探討網(wǎng)絡(luò)安全在 AI 數(shù)據(jù)中心現(xiàn)代化進(jìn)程中扮演的關(guān)鍵角色。
傳統(tǒng)的數(shù)據(jù)中心在歷史上普遍采用基于邊界防御的安全模型。這就像是“城堡與護(hù)城河”的防御模式。在這種模式下，安全防護(hù)主要集中在外部邊界，且處于一種靜態(tài)存在狀態(tài)，具有以下典型特征：
強(qiáng)化邊界：過去，數(shù)據(jù)中心的網(wǎng)絡(luò)防御控制主要集中在網(wǎng)絡(luò)邊緣，例如部署防火墻、入侵檢測系統(tǒng)和虛擬專用網(wǎng)絡(luò)（VPN）。企業(yè)內(nèi)部網(wǎng)絡(luò)通常被默認(rèn)認(rèn)為是可信的，而任何從外部試圖跨越邊界進(jìn)入的人或設(shè)備則默認(rèn)被視為不可信。
側(cè)重靜態(tài)數(shù)據(jù)加密：加密措施主要應(yīng)用于存儲在數(shù)據(jù)庫或物理磁帶上的敏感數(shù)據(jù)。而在數(shù)據(jù)中心內(nèi)部，服務(wù)器之間的數(shù)據(jù)傳輸（尤其是東西向的內(nèi)網(wǎng)流量）通常是不加密的。這基于一個假設(shè)：內(nèi)部網(wǎng)絡(luò)是安全的。然而，這種假設(shè)存在致命漏洞，一旦惡意攻擊者成功滲透企業(yè)網(wǎng)絡(luò)，他們就可以在內(nèi)部網(wǎng)絡(luò)中暢通無阻地進(jìn)行橫向移動。
手動合規(guī)與審計：過去，網(wǎng)絡(luò)安全檢查通常是一種依賴清單的手動操作過程。它往往被安排在系統(tǒng)正式上線生產(chǎn)環(huán)境前的最后一步，涉及人工的目視檢查和逐項勾選。這種方式不僅導(dǎo)致合規(guī)與審計標(biāo)準(zhǔn)不一致，更嚴(yán)重拖慢了現(xiàn)代數(shù)字化轉(zhuǎn)型所追求的敏捷開發(fā)步伐。
數(shù)據(jù)中心向加速計算的轉(zhuǎn)型，改變的不僅僅是性能。它呈爆炸性地擴(kuò)大了攻擊面，并迫切要求網(wǎng)絡(luò)安全領(lǐng)域進(jìn)行一場與數(shù)據(jù)中心現(xiàn)代化同步的平行革命。
因此，遵循“永不信任，始終驗證”核心原則的新型安全模型——零信任網(wǎng)絡(luò)架構(gòu)（Zero Trust Architecture）——獲得了行業(yè)的廣泛認(rèn)可。零信任網(wǎng)絡(luò)架構(gòu)徹底摒棄了對傳統(tǒng)網(wǎng)絡(luò)周界的依賴，它強(qiáng)制要求對所有訪問請求，無論其來源何處，都必須在授予權(quán)限前進(jìn)行嚴(yán)格的驗證。這波安全框架的深刻轉(zhuǎn)變，與 AI 數(shù)據(jù)中心現(xiàn)代化的步伐緊密契合，具體體現(xiàn)在以下幾個方面：
AI 加速器淪為新的威脅向量：GPU、TPU 等其他 AI 加速器是極其復(fù)雜的系統(tǒng)級芯片。它們擁有獨立的固件、驅(qū)動程序和內(nèi)存空間，而這些都成為網(wǎng)絡(luò)攻擊者眼中的高價值目標(biāo)。例如，如果 GPU 固件被攻破，攻擊者就可以大規(guī)模毒害模型訓(xùn)練過程、竊取專有模型權(quán)重，或者為自己創(chuàng)建一個持久的后門。因此，當(dāng)今的網(wǎng)絡(luò)安全防護(hù)必須深入到芯片（硅片）級別，要求每一個 AI 加速器都具備硬件信任根（Hardware Root of Trust）和安全啟動機(jī)制。
軟件供應(yīng)鏈成為攻擊標(biāo)靶：現(xiàn)代 AI 開發(fā)高度依賴于錯綜復(fù)雜的軟件供應(yīng)鏈，包括各種 AI 框架（如 PyTorch、TensorFlow）、代碼庫、容器以及預(yù)訓(xùn)練模型等。這要求必須實施更嚴(yán)格的軟件成分分析、制品簽名驗證，以及建立經(jīng)過嚴(yán)格審查的 AI 工作負(fù)載容器注冊表。SolarWinds 供應(yīng)鏈攻擊事件雖然并非直接針對 AI 領(lǐng)域，但它無疑為整個行業(yè)敲響了警鐘。
從“數(shù)據(jù)湖”到 AI 訓(xùn)練數(shù)據(jù)的“汪洋大?！保?/strong>AI 訓(xùn)練數(shù)據(jù)往往規(guī)模龐大、結(jié)構(gòu)松散，且來源于無數(shù)不同的渠道。我們幾年前常說的“數(shù)據(jù)湖”概念，現(xiàn)在已經(jīng)遠(yuǎn)遠(yuǎn)不足以形容其規(guī)模，我們需要的是一片“數(shù)據(jù)海洋”。AI 訓(xùn)練數(shù)據(jù)是發(fā)動“中毒攻擊（Poisoning Attacks）”的主要載體。攻擊者惡意構(gòu)建的訓(xùn)練樣本，能夠讓模型產(chǎn)生嚴(yán)重偏見，甚至直接破壞模型。因此，AI 訓(xùn)練數(shù)據(jù)的安全防護(hù)已經(jīng)從簡單的訪問控制，進(jìn)化為包括數(shù)據(jù)血緣追蹤、完整性校驗等一系列復(fù)雜手段，旨在在那些“有毒”數(shù)據(jù)破壞昂貴的訓(xùn)練模型之前，及時發(fā)現(xiàn)并將其清除。
2022 年 11 月 30 日，OpenAI 向公眾發(fā)布了 ChatGPT，這款產(chǎn)品在短短兩個月內(nèi)就吸引了 1 億用戶。隨之而來的生成式 AI 狂潮，將 AI 數(shù)據(jù)中心推上了“皇冠上的明珠”的寶座，同時也吸引了國家級黑客和犯罪團(tuán)伙的密切關(guān)注。
正如著名網(wǎng)絡(luò)安全專家 Bruce Schneier 所言：“安全是一個持續(xù)的過程，而不是一個靜態(tài)的產(chǎn)品。”對于 AI 數(shù)據(jù)中心而言，這個安全過程現(xiàn)在必須與 AI 工作負(fù)載本身保持相同的速度，進(jìn)行持續(xù)的集成和度量。那么，當(dāng)前生成式 AI 與安全的融合究竟體現(xiàn)在哪里？
AI 模型成為亟待保護(hù)的新型知識產(chǎn)權(quán)（IP）：AI 數(shù)據(jù)中心的核心資產(chǎn)不再僅僅是海量的數(shù)據(jù)本身，更是那些正在訓(xùn)練和已經(jīng)訓(xùn)練成熟的 AI 模型。昂貴的 AI 模型被盜竊或泄露，已經(jīng)成為首當(dāng)其沖的威脅。正因如此，現(xiàn)代 AI 數(shù)據(jù)中心實施了極為嚴(yán)苛的安全治理措施，例如嚴(yán)格的訪問控制、詳細(xì)記錄模型交互日志，以及采用水印等技術(shù)來追蹤泄露的模型。這些都是防范針對 AI 特定的網(wǎng)絡(luò)攻擊（如提示注入、數(shù)據(jù)泄露和惡意使用）的重要屏障。
身份認(rèn)證成為新的防御邊界：隨著零信任網(wǎng)絡(luò)架構(gòu)在 AI 數(shù)據(jù)企業(yè)現(xiàn)代化進(jìn)程中的不斷深入，與 AI 相關(guān)的非人類身份（Non-human identities）將呈現(xiàn)出爆炸式增長。每一個 AI 服務(wù)和 AI 工作負(fù)載，都必須擁有一個可以通過加密手段進(jìn)行驗證的強(qiáng)大身份標(biāo)識。
“以魔法打敗魔法”：用 AI 對抗 AI：安全運(yùn)營中心（SOC）作為現(xiàn)代安全防御的核心樞紐，正在積極整合 AI 技術(shù)，以期實現(xiàn)用 AI 來防御 AI 攻擊。以 AI 數(shù)據(jù)中心為例，如果 GPU 突然表現(xiàn)出與權(quán)重提取攻擊相吻合的異常內(nèi)存訪問模式，或者 AI 模型的訓(xùn)練模式嚴(yán)重偏離了其預(yù)期的標(biāo)準(zhǔn)數(shù)據(jù)訪問軌跡，這些異常行為都將立即觸發(fā)安全告警，提醒網(wǎng)絡(luò)安全專家：有惡意攻擊者正企圖毒害我們的 AI 服務(wù)。
AI 數(shù)據(jù)中心安全的未來，將是一個由 AI 深度增強(qiáng)的時代，其安全體系在設(shè)計之初就將具備高度的智能和韌性。以下是對未來十年發(fā)展趨勢的幾項預(yù)測：
AI 防御 AI 攻擊：下一代安全防御將由運(yùn)行在 AI 數(shù)據(jù)中心內(nèi)部的自主、智能的防御 AI 系統(tǒng)主導(dǎo)。這些防御系統(tǒng)能夠自適應(yīng)地配置防火墻策略，通過實時分析全球范圍內(nèi)的威脅情報和本地配置數(shù)據(jù)，動態(tài)預(yù)測潛在的攻擊向量。不僅如此，它們還能自動在 AI 數(shù)據(jù)中心內(nèi)部啟動事件響應(yīng)機(jī)制，例如，迅速隔離已被攻破的 GPU。
機(jī)密計算（Confidential Computing）將成為新標(biāo)準(zhǔn)：對“使用中”的數(shù)據(jù)進(jìn)行加密仍然是必不可少的，但它將從以往僅針對敏感工作負(fù)載的小眾安全實踐，徹底轉(zhuǎn)變?yōu)樗?AI 訓(xùn)練和 AI 推理過程中的默認(rèn)標(biāo)準(zhǔn)。機(jī)密計算通過在 CPU/GPU 中建立基于硬件的“可信執(zhí)行環(huán)境（TEE）”來隔離數(shù)據(jù)，實現(xiàn)對內(nèi)存中數(shù)據(jù)的加密。這意味著，即使是云服務(wù)提供商或系統(tǒng)管理員，也無法窺探這些數(shù)據(jù)。這成功填補(bǔ)了過去靜態(tài)數(shù)據(jù)加密和傳輸中數(shù)據(jù)加密所遺留的安全漏洞，全方位保護(hù)了正在使用中的數(shù)據(jù)。英特爾的 SGX 和 AMD 的 SEV 等芯片巨頭研發(fā)的關(guān)鍵技術(shù)，成功創(chuàng)建了這些“安全飛地（Secure Enclaves）”，使得敏感的 AI 計算能夠在云端或邊緣環(huán)境中安全運(yùn)行。
IT（信息技術(shù)）與 OT （運(yùn)營技術(shù)）安全的深度融合：AI 數(shù)據(jù)中心對電力和冷卻系統(tǒng)日益增長的龐大需求，使得數(shù)據(jù)中心的物理設(shè)施也成為了網(wǎng)絡(luò)攻擊的新目標(biāo)。例如，如果黑客成功攻擊了 AI 數(shù)據(jù)中心的樓宇管理系統(tǒng)（BMS），可能導(dǎo)致系統(tǒng)過熱，從而直接摧毀數(shù)據(jù)中心內(nèi)部價值數(shù)百萬美元的 AI 機(jī)架。因此，我們迫切需要一種更加集成的安全編排方案，將 IT 安全與 OT 安全，以及自動化技術(shù)和智能技術(shù)無縫整合在一起。
傳統(tǒng)BMS | AI賦能的BMS |
|---|---|
人工設(shè)定閾值，被動響應(yīng) | AI學(xué)習(xí)歷史數(shù)據(jù)，主動預(yù)測并優(yōu)化 |
僅能監(jiān)測設(shè)備狀態(tài) | 能預(yù)測設(shè)備故障，提前安排維護(hù) |
固定運(yùn)行策略 | 根據(jù)AI分析動態(tài)調(diào)整最優(yōu)策略 |
事后分析能耗 | 實時優(yōu)化能耗，實現(xiàn)"預(yù)測性節(jié)能" |
表1：傳統(tǒng)BMS與AI賦能的BMS的區(qū)別
AI 數(shù)據(jù)中心的現(xiàn)代化之旅，本質(zhì)上是一個相互依存、共同進(jìn)化的故事——這是一場日益增長的計算能力和能效需求，與日益復(fù)雜、嚴(yán)峻的網(wǎng)絡(luò)安全挑戰(zhàn)之間的持久較量。在這場較量中，兩者缺一不可。
AI 數(shù)據(jù)中心的現(xiàn)代化，需要構(gòu)建一個極其精妙的生態(tài)系統(tǒng)。這個生態(tài)系統(tǒng)必須足夠開放，以激發(fā) AI 開發(fā)的無限創(chuàng)造力；同時，它又必須足夠封閉，能夠借助 AI 的力量，有效抵御那些極其狡猾的網(wǎng)絡(luò)攻擊者。這種自適應(yīng)的防御體系，要求我們將不斷演進(jìn)的網(wǎng)絡(luò)安全理念，深深地嵌入到 AI 模型、數(shù)據(jù)、系統(tǒng)，甚至是最底層的硅片之中。
因為，安全，正是驅(qū)動 AI 數(shù)據(jù)中心邁向現(xiàn)代化智能時代的強(qiáng)化引擎！
