索拉纳基金会推机密计算工具，助力私有AI应用落地

索拉纳基金会推出 Solana Confidential Compute，打造可验证硬件的私有 AI 应用

索拉纳基金会近日发布 Solana Confidential Compute，一款与 Nito 合作开发的开源工具包。该工具旨在帮助开发者在 Solana 网络上构建具备数据隐私保护能力的人工智能应用，并通过链上机制验证其运行环境的可信性。

核心亮点与进展

目前该工具已在 Solana devnet 进入公开测试阶段，主网上线时间尚未明确。当前版本已支持 Intel TDX 与 AMD SEV-SNP 的硬件可信证明，而对 NVIDIA GPU 的验证能力仍在研发中。

系统采用“链下计算、链上验证”架构：人工智能模型的处理过程在本地或服务器端完成，但所有计算环境的可信状态将被记录在 Solana 区块链上。这一设计确保用户输入和对话内容不被暴露，同时允许应用方通过链上记录核查硬件真实性。

由于尚未经第三方审计，当前版本主要面向希望探索和测试相关功能的开发者群体。

技术架构与安全机制

机密计算的核心在于利用可信执行环境（TEE），将敏感代码与数据隔离于主机操作系统及管理员之外，防止中间层访问。

在受保护的虚拟机内部，系统会生成一个仅存在于硬件中的签名密钥。每次启动时，硬件会生成一份由自身签名的报告，其中包含密钥指纹、硬件类型以及最新的 Solana Slot 时间戳。

验证程序会在接受输出前检查这份报告是否来自合法硬件，并确认其有效性。当模型生成结果后，会使用该密钥对输出进行数字签名，客户端可在接收前核验签名并比对链上记录。

整个流程保证了计算过程不依赖链上执行，但结果可信度可通过区块链追溯，实现隐私与透明的平衡。

隐私保护示例：加密聊天模板

索拉纳提供基于 Next.js 与 React 的加密聊天演示模板。浏览器端会在发送提示词前先验证目标设备是否处于可信环境中。若验证失败，提示词将不会被传输。

消息经应用服务器转发至 Nito 提供的受保护环境，由模型读取并生成回复，回复在返回前端前再次加密。此设计有效阻止中间节点窥探内容。

但需注意，当前方案仍有局限：应用服务器仍可获取用户的 IP 地址；Nito 则能识别账户信息、调用时间、所用模型及加密消息的大小等元数据。

开发者注意事项

尽管引入了硬件可信验证机制，开发者仍需自行承担部分信任风险。系统仅确认软件版本是否为官方发布，无法保证其无漏洞或存在后门。

此外，示例项目依赖 Nito 的资助账户与 API 密钥，身份认证、请求频率控制及反机器人策略等功能需由开发者自行部署和管理。

潜在应用场景

基金会指出，该技术可广泛应用于多个高隐私需求领域，包括个人数字助手、企业级机密数据代理、以及基于AI的交易策略分析。

其他可能用途还包括：

• 用于预测市场走势或评估保险理赔的自动化裁决系统
• 仅接受来自经过验证设备的订单请求
• 支持去中心化治理中的可信决策流程

开发者可在接收结果前检查签名密钥的链上验证状态，增强整体系统的可信赖性。

索拉纳生态中的其他隐私产品

此次发布是索拉纳持续推进隐私技术布局的一部分。此前，Helius 于 11 月 10 日在主网上线 Solana Privacy Rings，实现了加密余额与机密转账功能。初始版本采用无许可环结构，隐藏资产金额，但保留发送方与接收方地址可见。

5 月 26 日，Umbra 与 Streamflow 联合推出基于 Arcium 加密计算基础设施的机密代币归属方案，对分配金额、接收者地址及解锁时间表进行了全面加密。

在美国层面，SEC 主席 Paul Atkins 在 2025 年 12 月的公开讲话中强调金融隐私的重要性，指出零知识证明与选择性披露等技术有助于用户在不完全暴露财务历史的前提下完成合规验证。