Wenn Sie jemals proprietären Code um 2 Uhr morgens in einen AI-Assistent eingefügt haben, haben Sie bereits die Spannungen erlebt, die vertrauliche AI lösen soll. AI verbreitete sich durch Organisationen so, wie Tabellenblätter es taten: leise, überall und schneller als Governance halten kann. Teams führen Verträge, Kundentickets und Code durch Modellendpunkte, weil es funktioniert, nicht weil jemand überprüft hat, wo diese Daten tatsächlich gehen. Diese Bequemlichkeit erweitert den Explosionsradius eines Verstoßes.Die durchschnittlichen globalen Verstoßkosten auf 4,88 Millionen US-Dollar im Jahr 2024, ein Anstieg von 10% gegenüber dem Vorjahr. Allein im ersten Quartal 2025 1,732 Verstöße Über 165 Millionen Aufzeichnungen. Die Rose Exponiert Die Rose Exponiert Die Sache ist, dass traditionelle Sicherheit gut mit zwei Zuständen umgeht: Daten in Ruhe und Daten im Transit, aber keine Daten im Gebrauch. Dieser „Dritte Zustand“: Es hilft, Informationen im Speicher zu verschlüsseln und nur innerhalb einer vertrauenswürdigen Ausführungsumgebung (TEE) zu verarbeiten: eine Hardware-isolierte Enklave, die selbst die Betreiber nicht betrachten können. geht nach geht nach Wenn Sie aus der Ferne beweisen können, wo die Berechnung stattgefunden hat und bestätigen können, dass niemand damit manipuliert wurde, wird "Trust" zu einer überprüfbaren Eigenschaft des Stacks. Die Lücke, die Politik nicht schließen kann Entwickler schicken schneller als je zuvor, und KI ist der Beschleuniger. Aber schnelle, KI-unterstützte Ausgabe kann schwierig zu auditieren und leicht mit unsichtbarem Risiko zu implementieren sein, besonders wenn Herkunft und Rechenschaftspflicht unklar sind. Ihre Sicherheitsbeschränkungen. es kann nicht. Nicht vollständig internalisiert Nicht vollständig internalisiert Keysight's jüngste Forschung über PII Offenlegung Wie leicht können sensible Informationen (die Art von Unternehmen, die am wenigsten in Logs oder Systemen von Drittanbietern erscheinen wollen) durch Anrufe und Modellausgänge geleckt werden. Wir behandeln jetzt "was in Anrufen verläuft" als etwas messbares, angreifbares und zunehmend regulierbares. Flaggen Sicherheitsteams Flaggen Sicherheitsteams In grundlegenden Web-Anwendungsangriffen beinhalten etwa 88% der Verletzungen gestohlene Anmeldeinformationen.Wenn die moderne Verletzung oft mit "jemand angemeldet" beginnt, fügt das Drücken von sensiblerer Arbeit in mehr Tools nicht nur das Risiko hinzu, sondern multipliziert es. In Standardimplementierungen müssen Anrufe und Kontexte irgendwo im einfachen Text vorhanden sein, um verarbeitet zu werden. Sie können bearbeiten. Sie können filtern. Aber irgendwo im Stapel müssen die Daten lesbar sein, was bedeutet, dass sie anfällig sind. Vertrauliches Computing verschiebt diese Basislinie, indem Arbeitsbelastungen in isolierten Hardware-Umgebungen ausgeführt werden, die Daten und Code während der Ausführung schützen. Dies reduziert, wer (oder was) den Prozess beobachten kann, einschließlich privilegierter Infrastrukturschichten. Katars Wette: Vertrauliche KI bekommt physische Der schnellste Weg, um herauszufinden, ob eine Kategorie real ist, ist zu beobachten, wo Geld und Megawatt gehen. Katar ein vertrauliches AI-Datenzentrum, das eine der ersten physischen Manifestationen dieser Verschiebung darstellt.Die Einrichtung wird vertrauliche Rechenchips (einschließlich Nvidia-Hardware) verwenden, um Daten in jeder Phase der Verarbeitung verschlüsselt zu halten. auf das Projekt, mit einer anfänglichen $ 183M Investition und Ambitionen, im Laufe der Zeit zu skalieren. Das Gebäude ist sind Partner Das Gebäude ist sind Partner Die Rolle von OLLM ist hier besonders wichtig, weil es einen Unterschied zwischen der Behauptung der Unterstützung vertraulicher KI und dem Aufbau der Infrastruktur gibt, die erforderlich ist, um sie zu unterstützen. Eine API, die den Zugang zu mehreren Anbietern und KI-Modellen aggregiert und gleichzeitig verifizierbare Datenschutzgarantien bietet. Das Gateway Das Gateway "Confidential AI" ist ein einfacher Satz, um auf einer Landing Page zu klatschen.Der Glaubwürdigkeitstest ist also einfach: Können Sie es beweisen? Ein Differenzierungsfaktor, den OLLM betont, ist eine vertrauliche Berechnung-nur-Haltung, gepaart mit Zero Data Retention (ZDR): Modelle werden auf vertraulichen Rechenchips implementiert, und die Plattform ist so konzipiert, dass keine Anrufe oder Ausgänge beibehalten werden. Die einzigen Daten, die OLLM beibehält, sind operativ notwendig (und bewusst nicht-Inhalt), wie z. B. Tokenverbrauch plus TEE-Authentifizierungsprotokolle, die nicht mit Benutzern oder Benutzerdaten verknüpft sind, so dass Bescheinigungen öffentlich für Transparenz im OLLM-Dashboard gezeigt werden können. Das ist die philosophische Verschiebung: "Modellzugriff" wie kritische Infrastruktur behandeln von Olm mit Phala ist die klarste "beweisen es" Geschichte heute. Es erweitert seinen Fußabdruck durch Phalas vertrauliche KI-Infrastruktur, wo Arbeitsbelastungen innerhalb von TEEs ausgeführt werden (einschließlich Intel TDX, AMD SEV und Nvidia H100 / H200-Klasse GPU vertraulichen Computing). Das ist wichtig, weil jede Schlussfolgerung eine kryptografische Bescheinigung generieren kann, die zeigt, dass sie auf echten TEE-Hardware ausgeführt wurde, nicht auf einem Standard-VM mit einer Vertrauensrichtlinie. Partnerschaft Partnerschaft Das NEAR AI baut auch eine private Inferenzinfrastruktur auf, die von TEEs angetrieben wird.Dies bedeutet, dass Entwickler in Bezug auf vertrauliche Inferenz als komposierbares Primitiv denken können (Phala ist eine Route, die private Inferenz von NEAR AI ist eine andere). Bottom Line: Warum Entwickler sich kümmern sollten Für Entwickler kann vertrauliche KI Workflows freischalten, die zuvor unkompliziert, riskant oder in Sicherheitsüberprüfungslimbo gefangen waren. Es erweitert sich direkt, wo KI in der Praxis eingesetzt werden kann. Eigentümerdaten wie interne Playbooks, Produktdesigns, Wettbewerbsintelligenz können durch KI-Systeme gehen, ohne in Drittanbieter-Logins eingefangen zu werden. Für regulierte Branchen ist dieser Wechsel noch konsequenter. Anstatt aufgefordert zu werden, "zu vertrauen", wie Daten behandelt werden, können Banken und Gesundheitsdienstleister auf kryptografische Authentifizierung als Beweis hinweisen und Compliance-Diskussionen von der Risikominderung zur kontrollierten Bereitstellung ändern. Die gleiche Logik gilt außerhalb stark regulierter Umgebungen. Teams unter Druck, schnell zu versenden, werden nicht plötzlich weniger ausgesetzt, wenn ein Prototyp zu einem Produkt wird. Vertrauliche Ausführung ermöglicht es, die Iterationsgeschwindigkeit aufrechtzuerhalten und gleichzeitig zu verringern, was die Schlussfolgerung offenbaren kann. KI-Agenten beginnen, Anmeldeinformationen zu verwalten, API-Anrufe auszulösen und mit sensiblen Systemen zu interagieren. Da KI in reale Workflows eingebettet wird, ist der schwächste Punkt im Stapel nicht mehr die Speicherung oder der Transport, sondern die Ausführung. Daten im Gebrauch sind, wo sensible Informationen am meisten ausgesetzt und am wenigsten kontrolliert werden. vertrauliche Computing löst nicht jedes Sicherheitsproblem, aber es schließt eine Lücke, die Politik, Verträge und Zugriffskontrollen nicht können.

This story contains new, firsthand information uncovered by the writer.

This writer has a vested interest be it monetary, business, or otherwise, with 1 or more of the products or companies mentioned within.

This story contains AI-generated text. The author has used AI either for research, to generate outlines, or write the text itself. 

Dieses Audio ist in der Originalsprache der Geschichte produziert!

Die fehlende Schicht in der KI-Sicherheit: Warum "Data-in-Use" das nächste Schlachtfeld ist

About Author

KOMMENTARE

Hängeetiketten

DIESER ARTIKEL WURDE VORGESTELLT IN

Related Stories

Starting 2025 with New Features: Settings Dashboard, HackerNoon Decoded, Updated Search UI, and More

HackerNoon Decoded 2024: Celebrating Our Writing Community!

HackerNoon Decoded 2024: Celebrating Our Management Community!

HackerNoon Decoded 2024: Celebrating Our Programming Community!

Starting 2025 with New Features: Settings Dashboard, HackerNoon Decoded, Updated Search UI, and More

HackerNoon Decoded 2024: Celebrating Our Writing Community!

HackerNoon Decoded 2024: Celebrating Our Management Community!

HackerNoon Decoded 2024: Celebrating Our Programming Community!

Light-Mode

Classic

Newspaper

Minty

Dark-Mode

Neon Noir

Minty

HN StartUps