龙蜥开发者说:从技术向往到生态共建的机密计算之路 | 第 30 期

简介: 海光 CSV 与龙蜥社区的相遇,恰是“硬件安全能力”与“开源软件生态”的完美共振。

「龙蜥开发者说」第 30 期来了!开发者与开源社区相辅相成,相互成就,这些个人在龙蜥社区的使用心得、实践总结和技术成长经历都是宝贵的,我们希望在这里让更多人看见技术的力量。本期故事,我们邀请了龙蜥社区开发者韩里洋来分享「从技术向往到生态共建的机密计算之路」。


欢迎阅读上期故事《我与龙蜥社区相遇相惜的这些年》。开发者说系长期活动,对于积极投稿、多次分享的童鞋,我们还有神秘大礼鼓励!诚邀开发者们分享真实体验,以文会友、共同学习、一起进步。

本期故事主角:韩里洋,「龙蜥社区 2024 年度优秀贡献者」获得者、龙蜥社区 Hygon Arch SIG 核心开发者、海光机密计算技术专家。多年来深入参与海光机密计算底层、系统软件、应用生态的全栈式开发工作。


六年前应聘海光时,"运行时内存加密" 这一技术特性如磁石般吸引了我在数据安全日益重要的时代,这种从硬件层守护计算安全的理念,正是我心之所向的技术深耕方向。幸运地加入海光团队后,我便全身心投入机密计算领域,开启了与硬件级安全虚拟化技术共成长的旅程。

解密海光 CSV:机密计算的硬件级破局

机密计算作为数据安全的 "最后一道防线",通过保护运行时数据的机密性与完整性,重构了云计算时代的信任基石。海光 CSV(China Secure Virtualization)加密虚拟化技术,正是这一理念的硬件级实现它将敏感代码与数据隔离至专属加密虚拟机(CSV VM),构建起物理级安全边界,确保外部软件甚至宿主机都无法窥其数据


早期的技术落地充满挑战机密计算涉及从固件(EDK2)、虚拟机监控器(QEMU/Libvirt)到操作系统(Linux)的全栈协同,很多补丁都需要跨越多个软件的适配。当海光 CSV 技术遇上碎片化的软件生态,如何让创新技术从实验室走向用户场景,成为我们必须攻克的课题。

龙蜥社区:开源生态下的技术共振

2020 年是国产基础软件生态的转折点CentOS 停服倒逼技术自主化,龙蜥社区的成立则为国产操作系统开辟了新赛道。作为专注于开源操作系统及软硬件生态的创新平台,龙蜥社区的 Anolis OS 不仅无缝承接 CentOS 用户迁移需求,更以开放架构吸纳多元技术能力。海光 CSV 与龙蜥社区的相遇,恰是硬件安全能力开源软件生态的完美共振—— 我们将 CSV 加密虚拟化深度集成至 Anolis OS,让机密计算能力成为操作系统的原生基因,用户只需简单部署即可启用硬件级数据保护。


2022 年,随着龙蜥社区 Hygon Arch SIG 组的成立,我以核心成员身份深度参与开源协作。参与社区建设期间,数百个补丁的提交过程中社区 committer 团队以一丝不苟态度进行代码审核和全面的讨论,我与 committer 团队保持高频沟通,针对代码进行优化并提供完善的测试记录,在持续打磨中实现补丁质量的阶梯式提升,最终所有补丁均以高标准融入 Anolis OS 核心代码库;在版本协作层面,每逢 Anolis OS 发版周期,我和同事们都会与社区紧密协作,通过执行全面的测试,积极向龙蜥社区反馈测试中发现的问题,并第一时间提交修复补丁这不仅保障了海光 CSV 虚拟机在 Anolis OS 发布版本开箱即用”体验,更通过社区将专属技术转化开源共享方案。当看到社区用户通过我们贡献的代码构建安全的计算环境时,我深刻体会到开源不是技术的终点,而是生态共建的起点。正是这些参与经历,在2024 龙蜥社区年度优秀贡献者」评选中,我很荣幸获得“优秀贡献者”称号。

/2024年度优秀贡献者”荣誉证书

云原生时代:与阿里云共绘机密计算蓝图

龙蜥生态的丰富性也让龙蜥成为了企业之间合作交流的平台。海光在与龙蜥合作的过程当中,也与龙蜥社区理事长单位阿里云建立了深厚的合作关系。作为国内机密计算的引领者,阿里云在 inclavare-containers、Kata-ContainersConfidential-Containers 等项目中展现了前瞻性布局。我们与阿里云的合作,始终围绕“让机密计算触达更多场景”展开2023 年,基于海光 CSV 硬件的 Kata CC-v0.5.0 机密容器解决方案落地,实践文档开放SIG 组后即收获社区热烈反响,吸引了大量用户的关注;2025 年,我们进一步推进海光机密 AI(CAI)技术与云原生的融合,基于最新Kata 机密容器最佳实践已在 SIG 组共享,而 CAI 解决方案的开源计划(2025 年 8 月),将为 AI 算力安全注入硬件级防护能力。


这些合作让我深切感受到技术创新需要向下扎根”(硬件底层优化)与向上生长(生态场景落地)的双向奔赴。龙蜥社区作为纽带,将海光、阿里云等产业链上下游凝聚在一起,让硬件厂商的技术力、云服务商的场景力、社区用户的需求力形成共振,共同推动国产机密计算从可用”走向好用

开源生态:让技术价值超越边界

在与龙蜥社区并肩前行的岁月中,我深切感受到开源生态迸发的力量与温度。在这里,我见证了 Anolis OS 用户量的快速增长,更感动于社区开发者为软件生态、文档建设的热忱让我坚信开源不仅是代码的共享,更是信任的共建—— 当海光 CSV 技术融入龙蜥社区生态的一部分,它便不再属于某家企业,而是属于所有重视数据安全的用户。

未来,我们将继续深耕 Hygon Arch SIG 组,推动海光机密计算技术与更多开源项目的深度融合。期待更多用户关注我们的进展,分享需求与建议因为每一次反馈,都是国产机密计算生态进化的动力。


数据安全的征程没有终点,唯有持续创新与开放协作,才能让技术价值超越商业边界,为数字时代的每个用户筑牢安全防线。这正是我们投身开源生态的初心,也是海光与龙蜥社区共赴的长远愿景。

—— 完 ——

相关文章
|
1月前
|
人工智能 数据库 Anolis
偶遇龙蜥,2025 OceanBase 开发者大会即将在广州举办
龙蜥社区邀您共赴一场属于开发者的“数据库+AI”技术Party。
|
30天前
|
人工智能 自然语言处理 搜索推荐
AI 零成本搭建个人网站,小白 3 步搞定!通义灵码智能体+MCP 新玩法
通过AI技术,即使不编写代码也能高效开发项目。从生成诗朗诵网页到3D游戏创建,这些令人惊叹的操作如今触手可及。经过摸索,我利用AI成功上线了个人站点:https://koi0101-max.github.io/web。无需一行代码,借助强大的工具即可实现创意,让开发变得简单快捷!
985 68
|
1月前
|
人工智能 供应链 Kubernetes
|
1月前
|
人工智能 资源调度 监控
LangChain脚本如何调度及提效?
本文介绍了通过任务调度系统SchedulerX管理LangChain脚本的方法。LangChain是开源的大模型开发框架,支持快速构建AI应用,而SchedulerX可托管AI任务,提供脚本版本管理、定时调度、资源优化等功能。文章重点讲解了脚本管理和调度、Prompt管理、资源利用率提升、限流控制、失败重试、依赖编排及企业级可观测性等内容。同时展望了AI任务调度的未来需求,如模型Failover、Tokens限流等,并提供了相关参考链接。
182 28
LangChain脚本如何调度及提效?
|
1月前
|
存储 缓存 人工智能
Mooncake 最新进展:SGLang 和 LMCache 基于 Mooncake 实现高效 PD 分离框架
Mooncake 的架构设计兼具高性能和灵活性,为未来的扩展性和生态建设奠定了坚实基础。
|
1月前
|
人工智能 监控 安全
面对MCP"工具投毒",我们该如何应对
本文探讨了MCP(Model Context Protocol)的安全风险与防护措施。MCP作为AI系统与外部工具交互的标准框架,虽提升了插件兼容性,但也带来了“工具投毒”等安全威胁。攻击者可通过篡改工具描述,诱导模型执行非授权操作,如读取敏感文件。文章详细分析了攻击原理,并通过复刻实验展示了如何利用MCP客户端/服务器代码实现此类攻击。为应对风险,提出了基于大模型智能评估和eBPF技术的两种安全可观测方案:前者通过内置评估模板检测潜在威胁,后者实时监控系统运行时行为,结合两者可有效提升MCP系统的安全性。
696 92
面对MCP"工具投毒",我们该如何应对
|
1月前
|
存储 缓存 开发者
Mooncake 最新进展:SGLang 和 LMCache 基于 Mooncake 实现高效 PD 分离框架
近期,Mooncake 项目与 SGLang、vLLM 等主流大模型推理框架实现合作和适配,这些开源大模型推理框架可以通过使用 Mooncake 发布的 whl 包,支持 pip安装,docker 镜像部署等,实现了 PD 分离框架,极大提升了模型推理效率。
|
2月前
|
人工智能 运维 Anolis
|
24天前
|
人工智能 Kubernetes Java
回归开源,两位 Java 和 Go 程序员分享的开源贡献指引
Higress是一个基于Istio和Envoy的云原生API网关,支持AI功能扩展。它通过Go/Rust/JS编写的Wasm插件提供可扩展架构,并包含Node和Java的console模块。Higress起源于阿里巴巴,解决了Tengine配置重载及gRPC/Dubbo负载均衡问题,现已成为阿里云API网关的基础。本文介绍Higress的基本架构、功能(如AI网关、API管理、Ingress流量网关等)、部署方式以及如何参与开源贡献。此外,还提供了有效的开源贡献指南和社区交流信息。
300 34
|
1月前
|
数据采集 人工智能 自然语言处理