Notitie
Voor toegang tot deze pagina is autorisatie vereist. U kunt proberen u aan te melden of de directory te wijzigen.
Voor toegang tot deze pagina is autorisatie vereist. U kunt proberen de mappen te wijzigen.
Confidential computing helpt workloads te beschermen tegen de host, hypervisor, hostbeheerders en andere bevoorrechte actoren. Afhankelijk van je dreigingsmodel, gebruik het om:
- Onbevoegde toegang voorkomen. Verwerk gevoelige gegevens in de cloud met hardware-ondersteunde bescherming voor gegevens tijdens gebruik.
- Voldoen aan de wettelijke vereisten. Migreer gevoelige workloads terwijl je controle behoudt over de toegang tot en verwerking van data.
- Samenwerking met lage vertrouwensniveaus inschakelen. Analyseer data over organisaties heen zonder deelnemersgegevens aan elkaar bloot te stellen.
- Isoleer gevoelige verwerking. Voer workloads uit waarbij serviceoperators klantgegevens niet kunnen lezen.
Scenario's voor vertrouwelijke computing
confidential computing is van toepassing op veel scenario's in gereguleerde sectoren, waaronder de overheid, financiële dienstverlening en de gezondheidszorg.
Zo helpt het voorkomen van ongeoorloofde toegang tot gevoelige gegevens om de digitale identiteit van burgers te beschermen tegen alle betrokken partijen, inclusief de cloudprovider die deze opslaat. Dezelfde gevoelige gegevens kunnen biometrische gegevens bevatten die worden gebruikt voor het vinden en verwijderen van bekende afbeeldingen van kinderuitbuiting, het voorkomen van mensenhandel en het helpen van digitale forensische onderzoeken.
Dit artikel belicht veelvoorkomende scenario's en kan dienen als uitgangspunt voor architectuurbeslissingen.
Nadat u dit artikel hebt gelezen, kunt u de volgende vragen beantwoorden:
- Wat zijn enkele scenario's voor Azure Confidential Computing?
- Wat zijn de voordelen van het gebruik van Azure Confidential Computing voor scenario's met meerdere partijen, verbeterde privacy van klantgegevens en blockchainnetwerken?
Berekeningen met meerdere partijen beveiligen
Het gebruik van machine learning voor gezondheidszorgdiensten is bijvoorbeeld aanzienlijk gegroeid door toegang tot grotere gegevenssets en afbeeldingen van patiënten die zijn vastgelegd door medische apparaten. Ziektediagnose en geneesmiddelenontwikkeling profiteren van meerdere gegevensbronnen. Ziekenhuizen en gezondheidsinstituten kunnen samenwerken door hun patiëntendossiers te delen met een gecentraliseerde Trusted Execution Environment (TEE).
Machine learning-services die worden uitgevoerd in de TEE aggregeren en analyseren van gegevens. Deze samengevoegde gegevensanalyse kan een hogere voorspellingsnauwkeurigheid bieden vanwege trainingsmodellen die zijn gebaseerd op geconsolideerde gegevenssets. Door gebruik te maken van vertrouwelijke computing kunnen ziekenhuizen het risico minimaliseren dat de privacy van hun patiënten in gevaar komt.
Azure Confidential Computing stelt je in staat data van meerdere bronnen te verwerken zonder ruwe input bloot te stellen aan andere deelnemers. Deze mogelijkheid ondersteunt bestrijding van witwassen, fraudedetectie en gezondheidszorganalyse.
Meerdere partijen kunnen data uploaden naar één enclave in een VM. Een bevoegde partij activeert de berekening, maar geen enkele deelnemer kan de ruwe gegevens van een andere deelnemer bekijken.
Bij beveiligde multiparty computing komt versleutelde data de enclave binnen, wordt verwerkt binnen de TEE en wordt teruggegeven als versleutelde output voor geautoriseerde ontvangers.
Anti-witwasmaatregelen
In dit beveiligde rekenkundige voorbeeld van meerdere partijen delen meerdere banken gegevens met elkaar zonder persoonlijke gegevens van hun klanten bloot te stellen. Banken voeren overeengekomen analyses uit op de gecombineerde gevoelige gegevensset. De analyse van de geaggregeerde gegevensset kan de verplaatsing van geld door één gebruiker tussen meerdere banken detecteren, zonder dat de banken elkaars gegevens openen.
Met confidential computing kunnen deze financiële instellingen fraudedetectiepercentages verhogen, witwasscenario's aanpakken, fout-positieven verminderen en blijven leren van grotere gegevenssets.
Ontwikkeling van medicijnen in de gezondheidszorg
Partnergezondheidsinstellingen dragen privégezondheidsdatasets bij om een machine learning-model te trainen. Elke faciliteit kan alleen een eigen gegevensset zien. Geen andere faciliteit, of zelfs de cloudprovider, kan de gegevens of het trainingsmodel zien. Alle faciliteiten profiteren van het gebruik van het getrainde model. Wanneer het model met meer gegevens wordt gemaakt, wordt het model nauwkeuriger. Elke faciliteit die bijdraagt aan het trainen van het model, kan het gebruiken en nuttige resultaten ontvangen.
Privacy beschermen met IoT- en slimme oplossingen
Veel landen of regio's hebben strikte privacywetten over het verzamelen en gebruiken van gegevens over de aanwezigheid en bewegingen van personen binnen gebouwen. Deze gegevens kunnen informatie bevatten die persoonsgebonden gegevens van cameratoezicht (CCTV) of beveiligingsbadgescans zijn. Of het kan indirect identificeerbaar zijn, maar wanneer ze zijn gegroepeerd met verschillende sets sensorgegevens, kan het worden beschouwd als persoonlijk identificeerbaar.
De privacy moet in scenario's worden verdeeld over kosten en milieubehoeften wanneer organisaties de bezetting of beweging willen begrijpen om het meest efficiënte gebruik van energie te bieden om een gebouw te verwarmen en te verlichten.
Bepalen welke gebieden van bedrijfseigendom onder- of overbezet zijn door personeel van afzonderlijke afdelingen, vereist doorgaans het verwerken van enkele persoonlijk identificeerbare gegevens naast minder individuele gegevens, zoals temperatuur- en lichtsensoren.
In dit gebruiksscenario is het primaire doel om analyse van bezettingsgegevens en temperatuursensoren toe te staan naast CCTV-bewegingstraceringssensoren en badge-swipegegevens om het gebruik te begrijpen zonder de onbewerkte geaggregeerde gegevens aan iedereen bloot te stellen.
Vertrouwelijke computing wordt hier gebruikt door de analysetoepassing in een TEE te plaatsen waar gebruiksgegevens worden beschermd door encryptie. In dit voorbeeld wordt de toepassing uitgevoerd op vertrouwelijke containers in Azure Container Instances.
De geaggregeerde gegevenssets van veel typen sensoren en gegevensfeeds worden beheerd in een Azure SQL-database met de functie Always Encrypted met beveiligde enclaves. Deze functie beveiligt in-use query's door ze in het geheugen te versleutelen. De serverbeheerder kan geen toegang krijgen tot de geaggregeerde gegevensset terwijl deze wordt opgevraagd en geanalyseerd.
Wettelijke of jurisdictionele vereisten
Wettelijke of regelgevende vereisten worden vaak toegepast op de financiële dienstensector en de gezondheidszorg om te beperken waar bepaalde workloads worden verwerkt en opgeslagen wanneer zij inactief zijn.
In dit gebruik worden Azure Confidential Computing-technologieën gebruikt met Azure Policy, netwerkbeveiligingsgroepen (NSG's) en voorwaardelijke toegang van Microsoft Entra om ervoor te zorgen dat aan de volgende beveiligingsdoelen wordt voldaan voor het opnieuw hosten van een bestaande toepassing:
- De toepassing wordt beveiligd tegen de cloudoperator terwijl deze wordt gebruikt met behulp van confidential computing.
- De toepassingsbronnen worden alleen geïmplementeerd in de Azure-regio Europa - west.
- Consumenten van de toepassing die worden geverifieerd met moderne verificatieprotocollen, worden toegewezen aan de onafhankelijke regio waaruit ze verbinding maken. Toegang wordt geweigerd, tenzij ze zich in een toegestane regio bevinden.
- Toegang met behulp van beheerprotocollen (zoals het Extern bureaublad Protocol en het Secure Shell-protocol) is beperkt tot toegang vanuit Azure Bastion, dat is geïntegreerd met Privileged Identity Management (PIM). Voor het PIM-beleid is een Beleid voor voorwaardelijke toegang van Microsoft Entra vereist waarmee de soevereine regio wordt gevalideerd waaruit de beheerder toegang heeft.
- Alle services registreren acties naar Azure Monitor.
Productie: IP-beveiliging
Productieorganisaties beschermen het intellectuele eigendom (IP) rond hun productieprocessen en technologieën. Vaak besteden organisaties de productie uit aan niet-Microsoft-partijen die zich bezighouden met fysieke productieprocessen. Deze bedrijven kunnen worden beschouwd als vijandige omgevingen waar actieve dreigingen bestaan om die IP te stelen.
In dit voorbeeld ontwikkelt Tailspin Toys een nieuwe speelgoedlijn. De specifieke afmetingen en innovatieve ontwerpen van het speelgoed zijn eigendom. Het bedrijf wil de ontwerpen veilig houden, maar ook flexibel zijn over welk bedrijf het kiest om zijn prototypen fysiek te produceren.
Contoso, een 3D-afdruk- en testbedrijf van hoge kwaliteit, biedt de systemen die prototypen fysiek op grote schaal afdrukken en deze uitvoeren door veiligheidstests die nodig zijn voor veiligheidsgoedkeuringen.
Contoso implementeert door de klant beheerde toepassingen en gegevens in de Contoso-tenant, die gebruikmaakt van de 3D-afdrukmachines via een IoT-type-API.
Contoso gebruikt de telemetrie van de fysieke productiesystemen om de systemen voor facturering, planning en volgorde van materialen te stimuleren. Tailspin Toys maakt gebruik van telemetrie uit de toepassingssuite om te bepalen hoe succesvol het speelgoed kan worden vervaardigd en defectpercentages.
Contoso-beheerders kunnen de Tailspin Toys-toepassingssuite in de Contoso-tenant laden door gebruik te maken van de containerafbeeldingen die via internet worden geleverd.
Het configuratiebeleid van Tailspin Toys vereist implementatie op hardware die is ingeschakeld met confidential computing. Als gevolg hiervan worden alle Tailspin Toys-toepassingsservers en -databases beveiligd terwijl ze worden gebruikt door Contoso-beheerders, ook al worden ze uitgevoerd in de Contoso-tenant.
Een malafide beheerder bij Contoso kan bijvoorbeeld proberen de containers van Tailspin Toys te verplaatsen naar algemene x86-computational hardware die geen TEE kan bieden. Dit gedrag kan betekenen dat vertrouwelijke IP-adressen mogelijk worden blootgesteld.
In dit geval weigert de Azure Container Instance-beleidsengine de ontsleutelingssleutels vrij te geven of containers te starten als de attestation-aanroep aangeeft dat niet aan de beleidsvereisten kan worden voldaan. Tailspin Toys IP is beveiligd in gebruik en in rust.
De Tailspin Toys-toepassing zelf wordt gecodeerd om periodiek een aanroep naar de Attestation-service te maken en de resultaten terug te rapporteren aan Tailspin Toys via internet om ervoor te zorgen dat er een continue heartbeat van de beveiligingsstatus is.
De Attestation-service retourneert cryptografisch ondertekende gegevens van de hardware die ondersteuning biedt voor de Contoso-tenant om te controleren of de workload wordt uitgevoerd binnen een vertrouwelijke enclave zoals verwacht. De attestation valt buiten de controle van de Contoso-beheerders en is gebaseerd op de hardware basis van vertrouwen die vertrouwelijke computing biedt.
Verbeterde privacy van klantgegevens
Hoewel het beveiligingsniveau van Azure snel een van de belangrijkste stuurprogramma's voor cloud-computingimplementatie wordt, vertrouwen klanten hun providers in verschillende mate. Klanten vragen om:
- Minimale hardware, software en operationele trusted computing bases (TCBs) voor gevoelige workloads.
- Technische afdwinging in plaats van alleen bedrijfsbeleid en -processen.
- Transparantie over de garanties, restrisico's en mitigaties die ze krijgen.
Met Confidential Computing kunnen klanten incrementele controle hebben over de TCB die wordt gebruikt om hun cloudworkloads uit te voeren. Klanten kunnen alle hardware en software die toegang hebben tot hun workloads (gegevens en code) nauwkeurig definiëren. Azure Confidential Computing biedt de technische mechanismen voor het controleren van deze garantie. Kortom, klanten behouden volledige controle over hun geheimen.
Gegevenssoevereiniteit
In overheids- en openbare instanties verhoogt Azure Confidential Computing de mate van vertrouwen in het vermogen van de oplossing om gegevenssoevereine in de openbare cloud te beschermen. Dankzij de toenemende acceptatie van confidential computing-mogelijkheden in PaaS-services in Azure wordt een hogere mate van vertrouwen bereikt met een verminderd effect op de innovatiemogelijkheden die worden geboden door openbare cloudservices.
Azure Confidential Computing is een effectief antwoord op de behoeften van soevereiniteit en digitale transformatie van overheidsservices.
Beperkte vertrouwensketen
Vanwege investeringen en innovatie in confidential computing wordt de cloudserviceprovider nu in aanzienlijke mate uit de vertrouwensketen verwijderd.
Confidential Computing kan het aantal workloads uitbreiden dat in aanmerking komt voor openbare cloudimplementatie. Het resultaat is de snelle acceptatie van openbare services voor migraties en nieuwe workloads, waardoor de beveiligingspostuur van klanten wordt verbeterd en snel innovatieve scenario's mogelijk zijn.
BYOK-scenario's (Bring Your Own Key)
De acceptatie van hardwarebeveiligingsmodules (HSM's) zoals Azure Key Vault Managed HSM maakt veilige overdracht van sleutels en certificaten naar beveiligde cloudopslag mogelijk. Met een HSM heeft de cloudserviceprovider geen toegang tot dergelijke gevoelige informatie.
Geheimen die worden overgedragen, bestaan nooit buiten een HSM in plaintext vorm. Scenario's voor de soevereiniteit van sleutels en certificaten die door de client worden gegenereerd en beheerd, kunnen nog steeds gebruikmaken van beveiligde opslag in de cloud.
Blockchain beveiligen
Een blockchainnetwerk is een gedecentraliseerd netwerk van knooppunten. Operators of validators draaien en onderhouden deze knooppunten om integriteit te waarborgen en consensus te bereiken over de staat van het netwerk. De knooppunten zijn replica's van grootboeken en volgen blockchaintransacties. Elk knooppunt heeft een volledige kopie van de transactiegeschiedenis, waarmee integriteit en beschikbaarheid in een gedistribueerd netwerk worden gegarandeerd.
Op Confidential Computing opgebouwde blockchaintechnologieën kunnen gebruikmaken van op hardware gebaseerde privacy om vertrouwelijkheid van gegevens en beveiligde berekeningen mogelijk te maken. In sommige gevallen wordt het hele grootboek versleuteld om de toegang tot gegevens te waarborgen. Soms vindt de transactie plaats binnen een rekenmodule binnen de enclave binnen de node.