यदि आपने कभी 2 बजे एक एआई सहायक में स्वायत्त कोड लगाया है, तो आपने पहले से ही उस तनाव को हल करने के लिए डिज़ाइन किया गया है जो गुप्त एआई है. एआई कंपनियों के माध्यम से फैल गया है, जैसा कि तालिकाओं ने किया था: चुपचाप, हर जगह, और सरकार की तुलना में तेजी से। यह सुविधा एक उल्लंघन की विस्फोट रेंज को बढ़ाती है. औसत वैश्विक उल्लंघन लागत 2024 में $ 4.88M तक, पिछले साल की तुलना में 10% बढ़ोतरी. केवल H1 2025 में, 1,732 उल्लंघन 165 मिलियन से अधिक रिकॉर्ड गुलाब उजागर गुलाब उजागर तथ्य यह है कि पारंपरिक सुरक्षा दो राज्यों को अच्छी तरह से संभालती है: आराम में डेटा और ट्रांजिट में डेटा, लेकिन उपयोग में डेटा नहीं। यह "तीसरे राज्य" है: यह स्मृति में जानकारी को एन्क्रिप्ट करने में मदद करता है और इसे केवल एक विश्वसनीय निष्पादन पर्यावरण (टीईई) के भीतर संसाधित करता है: एक हार्डवेयर से अलग एंक्लाव जिसे ऑपरेटर भी नहीं देख सकते हैं। के बाद चलता है के बाद चलता है यदि आप दूरस्थ रूप से साबित कर सकते हैं कि कंप्यूटिंग कहां हुई है और किसी को इसके साथ नष्ट नहीं किया गया है, तो "विश्वास" स्टॉक का एक निरीक्षण योग्य संपत्ति बन जाता है। यह अंतर है जिसे राजनीति बंद नहीं कर सकती डेवलपर्स पहले से कहीं अधिक तेजी से शिपिंग कर रहे हैं, और एआई त्वरित है. लेकिन तेजी से, एआई-सक्षम आउटपुट ऑडिट करना मुश्किल हो सकता है और अदृश्य जोखिम के साथ तैनात करना आसान हो सकता है, खासकर जब उत्पत्ति और जिम्मेदारी अस्पष्ट हैं। आपकी सुरक्षा सीमाएं हैं. यह नहीं हो सकता है। पूरी तरह से आंतरिक नहीं पूरी तरह से आंतरिक नहीं PII प्रकटीकरण पर Keysight के हालिया शोध कितनी आसानी से संवेदनशील जानकारी (जिसे कंपनियां लॉग या तीसरे पक्ष के सिस्टम में दिखाना कम से कम चाहती हैं) पंप और मॉडल आउटपुट के माध्यम से लीक कर सकती हैं। वर्तमान में, वे "कुछ जो सूचनाओं में डाला जाता है" को मापने योग्य, हमला करने योग्य और तेजी से विनियमित के रूप में व्यवहार कर रहे हैं। झंडे सुरक्षा टीम झंडे सुरक्षा टीम इस बीच, लाइसेंस चोरी कठोर रूप से प्रभावी रहता है. बुनियादी वेब अनुप्रयोग हमलों में, लगभग 88% उल्लंघन चोरी किए गए लाइसेंस शामिल हैं. यदि आधुनिक उल्लंघन अक्सर "किसी को लॉग इन किया गया है" के साथ शुरू होता है, तो अधिक संवेदनशील काम को अधिक उपकरणों में धक्का देना न केवल जोखिम जोड़ता है, यह इसे बढ़ाता है। मानक तैनाती में, पंप और संदर्भ को प्रसंस्करण के लिए साधारण पाठ में कहीं मौजूद होना चाहिए. आप संपादित कर सकते हैं. आप फ़िल्टर कर सकते हैं. लेकिन स्टैक में कहीं, डेटा को पढ़ने योग्य होना चाहिए, जिसका अर्थ है कि यह कमजोर है. गोपनीय कंप्यूटिंग इन्सुलेटेड हार्डवेयर माहौल के भीतर कार्य भार चलाने के द्वारा उस मूल लाइन को बदलती है जो निष्पादन के दौरान डेटा और कोड की रक्षा करता है. यह कम करता है कि कौन (या क्या) प्रक्रिया का निरीक्षण कर सकता है, जिसमें विशेषाधिकार प्राप्त बुनियादी ढांचे भी शामिल हैं. यह हर एप्लिकेशन परत के जोखिम को खत्म नहीं करता है, लेकिन यह जोखिम के पूरे वर्ग को संकीर्ण करता है. कैटरीना का दांव: गोपनीय एआई भौतिक हो जाता है यह बताने का सबसे तेज़ तरीका है कि कोई श्रेणी वास्तविक है या नहीं, यह देखना है कि पैसे और मेगावाट कहां जाते हैं. गोपनीय एआई अब सुविधाओं और बिजली नेटवर्क की भाषा में प्रवेश कर रहा है. कैटरीना एक गोपनीय एआई डेटा सेंटर जो इस बदलाव के पहले भौतिक अभिव्यक्तियों में से एक का प्रतिनिधित्व करता है. सुविधा गुप्त कंप्यूटिंग चिप्स (Nvidia हार्डवेयर सहित) का उपयोग करके डेटा को प्रसंस्करण के हर चरण के माध्यम से एन्क्रिप्ट किया जाएगा. AILO AI, MBK Holding, और OLLM परियोजना पर, $ 183 मिलियन की शुरुआती निवेश और समय के साथ पैमाने पर बढ़ने की महत्वाकांक्षाएं। इमारत है साझेदारी करते हैं इमारत है साझेदारी करते हैं ओएलएलएम की भूमिका यहां निश्चित रूप से महत्वपूर्ण है क्योंकि गोपनीय एआई के लिए समर्थन का दावा करने और वास्तव में इसे समर्थन करने के लिए आवश्यक बुनियादी ढांचे का निर्माण करने के बीच एक अंतर है। : एक एपीआई जो कई प्रदाताओं और एआई मॉडल तक पहुंच को एकत्र करता है, जबकि जाँच योग्य गोपनीयता गारंटी प्रदान करता है। गेटवे गेटवे "विरोधी एआई" एक लैंडिंग पेज पर झुकने के लिए एक आसान वाक्यांश है. इसलिए विश्वसनीयता परीक्षण सरल है: क्या आप इसे साबित कर सकते हैं? एक मतभेद OLLM जोर देती है एक गोपनीय-कंप्यूट-केवल दृष्टिकोण जोर Zero Data Retention (ZDR) के साथ जोड़ा जाता है: मॉडल गोपनीय कंप्यूटिंग चिप्स पर तैनात होते हैं, और प्लेटफॉर्म को प्रिंट या आउटपुट को रखने के लिए डिज़ाइन नहीं किया गया है। केवल डेटा OLLM रखता है ऑपरेटिंग रूप से आवश्यक (और जानबूझकर गैर-साइड), जैसे कि टोकन खपत प्लस टीईई प्रमाण पत्र जो उपयोगकर्ताओं या उपयोगकर्ता डेटा से जुड़े नहीं हैं, इसलिए प्रमाण पत्र OLLM डैशबोर्ड में पारदर्शिता के लिए सार्वजनिक रूप से प्रदर्शित किया जा सकता है। ओलंपिक Phala के साथ यह आज की सबसे स्पष्ट "यह साबित करें" कहानी है. यह Phala की गोपनीय एआई बुनियादी ढांचे के माध्यम से अपना निशान बढ़ाता है, जहां कार्य भार टीईई (इंटेल TDX, AMD SEV, और Nvidia H100 / H200-क्लास GPU गोपनीय कंप्यूटिंग सहित) के भीतर चलता है। साझेदारी साझेदारी NEAR AI भी टीईई द्वारा संचालित निजी निष्कर्षण बुनियादी ढांचे का निर्माण कर रहा है. इसका मतलब है कि डेवलपर्स गोपनीय निष्कर्षण के संदर्भ में एक संकलित प्राकृतिक के रूप में सोच सकते हैं (फेला एक मार्ग है; NEAR AI की निजी निष्कर्षण एक और है)। नीचे पंक्ति: क्यों डेवलपर्स पर ध्यान देना चाहिए डेवलपर्स के लिए, गोपनीय एआई उन कार्य प्रवाहों को लॉक कर सकता है जो पहले असुविधाजनक, जोखिम भरे हुए थे, या सुरक्षा समीक्षा लिम्बो में फंस गए थे. यह सीधे उस पर विस्तार करता है जहां एआई का उपयोग अभ्यास में किया जा सकता है. आंतरिक प्लेबुक, उत्पाद डिजाइन, प्रतिस्पर्धी बुद्धि के रूप में स्वायत्त डेटा एआई प्रणालियों के माध्यम से गुजर सकता है, जो तीसरे पक्ष के लॉग में कैप्चर किए जाते हैं. विनियमित उद्योगों के लिए, यह बदलाव और भी अधिक परिणामस्वरूप है. डेटा को संभालने के तरीके से "विश्वास" करने के बजाय, बैंकों और स्वास्थ्य देखभाल प्रदाताओं को क्रिप्टोग्राफिक सत्यापन को सबूत के रूप में इंगित कर एक ही तर्क अत्यधिक विनियमित वातावरणों के बाहर लागू होता है। शिपिंग के लिए दबाव के तहत टीमों को अचानक कम प्रकटीकरण नहीं होता है जब एक प्रोटोटाइप एक उत्पाद में बदल जाता है। गोपनीय निष्पादन यह संभव बनाता है कि दोहराव की गति को बनाए रखा जाए, जबकि निष्कर्षों को कम किया जा सकता है। एआई एजेंट मान्यताओं का प्रबंधन करना शुरू करते हैं, एपीआई कॉल को ट्रिगर करते हैं, और संवेदनशील प्रणालियों के साथ बातचीत करते हैं। जैसा कि एआई वास्तविक कार्य प्रवाहों में शामिल हो जाता है, स्टॉक में सबसे कमजोर बिंदु अब भंडारण या परिवहन नहीं है, बल्कि निष्पादन है। उपयोग में डेटा वह जगह है जहां संवेदनशील जानकारी सबसे अधिक प्रकट होती है और कम से कम नियंत्रित होती है।

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. 

यह ऑडियो कहानी की मूल भाषा में निर्मित है!

एआई सुरक्षा में गायब परत: क्यों "डेटा-इन-उपयोग" अगला लड़ाई क्षेत्र है

About Author

टिप्पणियाँ

लेबल

इस लेख में चित्रित किया गया था

Related Stories

10 Reasons Why Publishing on HackerNoon Will Skyrocket Your Reach and Impact

फ्लोकी का वल्लाह भारत के श्रीलंका दौरे के लिए सहयोगी प्रायोजक के रूप में शामिल हुआ

हैकरनून कोडेड: शीर्ष 10 देश जहां हैकरनून सबसे अधिक सक्रिय है

HackerNoon एक बहुभाषी प्लेटफ़ॉर्म है: सभी शीर्ष कहानियाँ अब 13 भाषाओं में उपलब्ध हैं

10 Reasons Why Publishing on HackerNoon Will Skyrocket Your Reach and Impact

फ्लोकी का वल्लाह भारत के श्रीलंका दौरे के लिए सहयोगी प्रायोजक के रूप में शामिल हुआ

हैकरनून कोडेड: शीर्ष 10 देश जहां हैकरनून सबसे अधिक सक्रिय है

HackerNoon एक बहुभाषी प्लेटफ़ॉर्म है: सभी शीर्ष कहानियाँ अब 13 भाषाओं में उपलब्ध हैं

Light-Mode

Classic

Newspaper

Minty

Dark-Mode

Neon Noir

Minty

HN StartUps