تصور کنید دستیاری هوشمند روی چشم شماست که هر چه می‌بینید و می‌شنوید را می‌داند، اما حتی سازنده‌اش هم به این داده‌ها دسترسی ندارد. این پارادوکس بنیادین دستیارهای ابری برای گجت‌های پوشیدنی است: آن‌ها برای کاربردی بودن به محاسبات سنگین و حافظه بلندمدت نیاز دارند، اما انتقال این داده‌ها به ابر معمولاً آن‌ها را در معرض دید ارائه‌دهنده سرویس قرار می‌دهد. طبق پستی که در ۲۴ سپتامبر ۲۰۲۶ در بخش مهندسی متا منتشر شد، این شرکت در تلاش است تا با آوردن زیرساخت محاسبات محرمانه Private Processing به عینک‌های هوشمند خود، این مشکل را حل کند.
این معماری اجازه می‌دهد مدل‌های ابری درخواست‌ها را پاسخ دهند، بدون اینکه خودِ متا (Meta) بتواند به داده‌های زیربنایی کاربر دسترسی داشته باشد. در حالی که کارهای ساده مثل تماس یا پاسخ به پیام‌ها به‌صورت بدون دست (hands-free) روی خود دستگاه انجام می‌شود، قابلیت‌های پیشرفته‌ای مانند تبدیل گفتار به متن به‌صورت جاری (streaming transcription)، جست‌وجوی زمینه‌ای و یادآوری بلندمدت، به مقیاس و قدرت پردازشی ابر نیاز دارند. مهندسان متا، پریتام شاه و اسکار لیند، اشاره می‌کنند که یک دستیار روزمره کاربردی باید بتواند به‌صورت پیش‌دستانه در پس‌زمینه فعال باشد و زمینه (Context) را در بازه‌های زمانی چند روزه یا چند هفته‌ای حفظ کند تا بتواند پاسخ‌های دقیقی بدهد.
زمینه و تکامل
متا نخستین بار در سال ۲۰۲۵ زیرساخت Private Processing را برای اپلیکیشن Meta AI و واتس‌اپ معرفی کرد. این قابلیت به کاربران اجازه می‌داد تا چت‌های خصوصی با Meta AI داشته باشند، بدون اینکه واتس‌اپ یا متا بتوانند داده‌های این گفتگوها را مشاهده کنند. اکنون این شرکت در حال گسترش درس‌های آموخته شده از آن تجربه به سخت‌افزار عینک‌های خود است.
همان‌طور که در تحلیل قبلی ما درباره‌ی انتقال عامل هوشمند Muse به عینک‌های هوشمند اشاره کردیم، این زیرساخت لایه حریم خصوصی لازم برای فعالیت پیش‌دستانه این عامل‌ها را فراهم می‌کند. این رویکرد در واقع بخشی از یک روند گسترده‌تر است که در آن محور رایانش از اپلیکیشن‌های مجزا به لایه زمینه (Context) منتقل می‌شود تا تجربه کاربری یکپارچه‌تری ایجاد شود. این اقدام کاملاً با نامه جولای ۲۰۲۵ مارک زاکربرگ درباره «ابر‌هوش شخصی» (personal superintelligence) هم‌سو است؛ نامه‌ای که در آن پیش‌بینی می‌کرد عینک‌ها به دستگاه‌های اصلی محاسباتی تبدیل شوند که مردم برای انجام کارهای دیجیتال به آن‌ها تکیه می‌کنند.
مکانیسم TEE
در قلب این طراحی، محیط اجرای مورد اعتماد (Trusted Execution Environment یا TEE) قرار دارد. در معماری‌های ابری سنتی، داده‌ها در حالت استراحت (at rest) و در حال انتقال (in transit) رمزنگاری می‌شوند، اما هنگام پردازش در حافظه میزبان باید رمزگشایی شوند. این موضوع باعث می‌شود داده‌ها در برابر سیستم‌عامل میزبان، هایپروایزر (hypervisor) و اپراتور زیرساخت آسیب‌پذیر باشند.
یک TEE این «شکاف در حین استفاده» (in-use gap) را می‌بندد. در این سیستم، برخی CPUها و GPUها حافظه یک ماشین مجازی محرمانه (CVM) را با استفاده از کلیدی رمزنگاری می‌کنند که توسط سخت‌افزار امن روی تراشه نگهداری می‌شود. این کلید هرگز در اختیار میزبان یا اپراتورهای ماشین قرار نمی‌گیرد. متا با استناد به کنسرسیوم محاسبات محرمانه (Confidential Computing Consortium) توضیح می‌دهد که TEE به‌صورت فیزیکی محرمانگی داده‌ها، یکپارچگی داده‌ها و یکپارچگی کد را تضمین می‌کند.
برای تضمین امنیت، این سیستم از پنج شرط سخت‌گیرانه پیروی می‌کند:
- ایزولاسیون سخت‌افزاری: داده‌ها برای سیستم‌عامل‌های میزبان، هایپروایزرها و حتی خود متا، چه در حال انتقال، چه در حین استفاده و چه در حالت استراحت، به‌صورت رمزنگاری‌شده و ناخوانا باقی می‌مانند.
- تضمین شکست بسته (Fail-Closed): هرگونه تلاش برای تغییر در تضمین‌های پردازشی، یا باید منجر به توقف کامل سیستم (fail closed) شود یا به‌گونه‌ای باشد که به‌صورت عمومی قابل شناسایی و کشف باشد.
- قابلیت تأیید عمومی: هر تصویر CVM که در محیط تولید قرار می‌گیرد، در یک دفتر کل شفافیت (transparency ledger) که توسط شاهدان عمومی ثبت می‌شود، ثبت می‌گردد.
- عدم هدف‌گیری: مهاجمان نمی‌توانند یک جلسه یا فضای ذخیره‌سازی خاص از یک فرد را به‌طور مجزا هدف قرار دهند، مگر اینکه سعی کنند کل سیستم را به طور کامل به مخاطره بیندازند.
- ذخیره‌سازی رمزنگاری‌شده: داده‌ها تنها از طریق کلیدی که توسط کاربر ارائه شده است، قابل دسترسی هستند.
جریان درخواست و حریم خصوصی
برای جلوگیری از نشت متادیتا، متا از اعتبارنامه‌های ناشناس از طریق توکن‌های امضاشده کور (blind-signed tokens) استفاده می‌کند که در زمان‌بندی‌های تصادفی دریافت می‌شوند. این سازوکار تضمین می‌کند که سرویس احراز هویت نمی‌تواند یک درخواست خاص را به یک حساب کاربری مشخص متصل کند. درخواست‌ها از طریق رله‌های OHTTP شخص ثالث که توسط Fastly یا Cloudflare اداره می‌شوند، مسیریابی می‌شوند و هر درخواست توسط یک TEE که بر اساس اکتشافات غیرقابل شناسایی برای کاربر انتخاب شده، سرویس‌دهی می‌شود.
پیش از ارسال داده، عینک‌ها یک جلسه RA-TLS (تأیید از راه دور و TLS) باز می‌کنند. دستگاه یک گزارش تأیید از راه دور (remote attestation report) را می‌طلبد که فقط توسط کلیدی که درون تراشه وجود دارد امضا شده باشد. سپس بررسی می‌کند که این امضا به یک کلید ریشه (root key) که توسط سازنده تراشه منتشر شده بازگردد و اندازه‌گیری نرم‌افزار را در برابر یک دفتر کل append-only که توسط یک شخص ثالث مستقل شاهد آن است، تأیید کند. اگر هر یک از این بررسی‌ها شکست بخورد، دستگاه از برقراری اتصال خودداری می‌کند.
ذخیره‌سازی و قابلیت مشاهده
در مورد حافظه دائمی، موتور ذخیره‌سازی مستقیماً درون TEE ساخته شده است. متا استدلال می‌کند که استفاده از یک پایگاه‌داده رمزنگاری‌شده خارجی همچنان الگوهای دسترسی را لو می‌دهد؛ مثلاً اینکه چه زمانی و هر چند وقت یک‌بار داده‌ها خوانده می‌شوند و کدام رکوردها با هم دسترسی پیدا می‌کنند. علاوه بر این، جست‌وجوی معنایی (semantic vector search) روی ذخیره‌سازهای رمزنگاری‌شده سنتی با رشد زمینه کاربر مقیاس‌پذیر نیست.
خروجی‌ها پیش از خروج از TEE با کلیدهای ارائه شده توسط کاربر رمزنگاری می‌شوند و زیرساخت متا تنها متن رمزنگاری‌شده (ciphertext) را ذخیره می‌کند. به دلیل اینکه سیستم به‌صورت رمزنگاری‌شده قفل شده است، مهندسان متا نمی‌توانند از دیباگرها برای بررسی TEE در حال اجرا استفاده کنند، استک‌های حافظه را تخلیه (dump) کنند یا ورودی‌ها و خروجی‌های مدل را لاگ کنند. در نتیجه، لایه نظارت و مشاهده (observability) تنها بر سیگنال‌های کلی سلامت متکی است: میزان مصرف CPU، تخصیص حافظه، تأخیر شبکه و نرخ کلی خرابی سخت‌افزار.
بازرسی‌های خارجی و سخت‌افزار
متا برای بازرسی مدل ایزولاسیون، منطق تأیید و طراحی معماری، با NCC Group همکاری کرده است. این شرکت همچنین برنامه Bug Bounty خود را گسترش داده تا به‌طور صریح Private Processing در عینک‌های هوشمند را پوشش دهد و به پژوهشگران، باینری‌های CVM، مستندات و ابزارهای لازم را ارائه دهد. هر تصویر CVM در تولید در دفتر کل شفافیت ثبت می‌شود تا هرگونه دستکاری در آن قابل اثبات باشد.
این بنیاد فنی از Ray-BAn Meta Gen 3 پشتیبانی می‌کند که قیمت آن از ۴۴۹ دلار شروع می‌شود و دارای دوربین ۱۲ مگاپیکسلی، ویدیو 3K Ultra HD، آرایه‌ای از شش میکروفون و حداکثر ۹ ساعت عمر باتری است. متا قصد دارد تا پایان سال، بیش از ۱۰۰ گزینه عینک در برندهای Ray-Ban, Oakley و Meta Glasses ارائه دهد. علاوه بر این، شرکت مدل Ray-Ban Meta Audio را در ۱۳ اکتبر ۲۰۲۶ عرضه می‌کند که وزن آن ۴۳ گرم، قیمت آن ۳۴۹ دلار و عمر باتری آن تا ۱۲ ساعت است.
این چرخش، این فرض بنیادین را تغییر می‌دهد که هوش مصنوعی ابری لزوماً به معنای ایجاد توازن (trade-off) بین قابلیت‌ها و حریم خصوصی است. متا با انتقال مرز اعتماد از «سیاست‌های شرکتی» به «سیلیکون و سخت‌افزار»، عینک‌ها را به رابط اصلی برای «ابر‌هوش شخصی» تبدیل می‌کند. اگر این مدل موفق شود، حریم خصوصی تقویت‌شده توسط سخت‌افزار می‌تواند به استاندارد تمام گجت‌های پوشیدنی عامل‌محور (agentic wearables) تبدیل شود که به زمینه شخصی عمیقی نیاز دارند.
برای درک بهتر، منتظر انتشار مقاله سفید (Whitepaper) مربوط به Private Processing و نتایج برنامه گسترش‌یافته Bug Bounty باشید تا ببینید آیا پژوهشگران مستقل می‌توانند حفره‌ای در ایزولاسیون TEE پیدا کنند یا خیر.
گام بعدی شما
- اگر توسعه‌دهنده گجت‌های پوشیدنی هستید، استانداردهای TEE و RA-TLS را برای پیاده‌سازی حریم خصوصی سخت‌افزاری مطالعه کنید.
- منتظر انتشار مقاله سفید (Whitepaper) مربوط به Private Processing متا باشید تا جزئیات ریاضی ایزولاسیون را بررسی کنید.
- نتایج برنامه Bug Bounty متا را دنبال کنید تا نقاط ضعف احتمالی در ایزولاسیون CVMها مشخص شود.
اما تأثیر این معماری بر مصرف باتری و تأخیر استنتاج در لبه، چالشی است که در گزارش بعدی بررسی خواهیم کرد.
گفتگو