Meta 为 AI 眼镜引入 Private
来自 Meta Engineering · 期号 2026-09-24
摘要
Meta 为 AI 眼镜推出了 Private Processing 架构，将机密计算引入云端。 AI 眼镜需要理解用户的个人上下文，但算力无法全部塞进眼镜里，必须依赖云端。传统云架构在数据被处理时是明文状态，存在暴露风险。 Private Processing 基于 CPU/GPU 的 TEE（可信执行环境），让数据在传输、存储和处理三个状态都保持加密，连 Meta 自身也无法访问。眼镜端在发送数据前会验证服务器的硬件签名，只有通过远程证明才会建立连接。 系统还解决了两个工程难题：一是通过匿名凭证实现不可定位路由，防止攻击者针对特定用户；二是把存储引擎直接放进 TEE 内部，避免外部数据库通过访问模式泄露用户行为。 Meta 称这套架构已在 WhatsApp 和 Meta AI 应用上运行，现在扩展到眼镜产品。
深读
导读 Meta 为 AI 眼镜推出了一套名为 Private Processing 的机密计算架构，将用户数据的加密保护从传输和存储状态扩展到处理状态，连 Meta 自身也无法访问。这套方案解决了可穿戴 AI 设备必须依赖云端算力、同时又不能暴露个人上下文的根本矛盾。读完可以理解 TEE（可信执行环境）在消费级产品中的工程落地方式，以及 Meta 如何应对「连运维人员都看不到内部」带来的运营挑战。 关键信息 - Private Processing 基于 CPU/GPU 的 TEE（可信执行环境），确保数据在传输、存储和处理三个状态都保持加密，处理器内存的密钥由芯片上的专用安全硬件持有，不交给宿主机操作系统、hypervisor 或任何运维人员。 - 眼镜端在发送数据前会执行远程证明（RA-TLS）：验证服务器 TEE 的硬件签名证书，并将二进制哈希值与独立第三方见证的公开透明度账本比对，任一检查失败则拒绝连接。 - 系统通过匿名凭证实现不可定位路由：设备使用盲签名令牌（按随机时间表获取）发起请求，认证服务无法将请求关联到具体账户，再经第三方 OHTTP 中继（Fastly 或 Cloudflare）选择 TEE 节点。 - 存储引擎直接部署在 TEE 内部，而非外部数据库：这样既避免外部数据库通过访问模式（读写频率、关联记录）泄露用户行为，也解决了远程加密查询需要拉取大量密文导致的延迟问题。 - Meta 称该架构已在 WhatsApp 和 Meta AI 应用上运行，现在扩展到 AI 眼镜产品；已与独立安全公司（如 NCC Group）合作审计，并扩展漏洞赏金计划覆盖 AI 眼镜上的 Private Processing。 逐节讲解 为什么 AI 眼镜必须依赖云端 AI 眼镜需要理解用户的个人上下文（如跨天或跨周的关联信息），并能在后台主动工作，这要求远超眼镜本身可承载的算力。同时，AI 助手要真正有用就必须是「有状态的」和「高度个性化的」—— 传统云架构从未为此设计过：数据在内存中被处理时是明文状态，暴露给宿主机操作系统、hypervisor 和基础设施运营商。 机密计算、TEE 与 Private Processing 的定义 机密计算是行业范式，目标是填补数据「使用中」这一状态的保护空白。TEE 是硬件原语，在特定 CPU/GPU 上实现：处理器用芯片内专用安全硬件持有的密钥加密虚拟机（CVM）的内存，宿主机、hypervisor 和运维人员看到的都是密文。TEE 物理强制三项保证：数据机密性（CVM 外无人可读）、数据完整性（不可增删改）、代码完整性（加载后不可修改）。Private Processing 是 Meta 基于 TEE 构建的机密计算基础设施，在硬件提供的机密性和证明之上增加了不可定位性和加密存储。 Private Processi…