あなたが午前2時にAIアシスタントに独自のコードを挿入したことがあるなら、あなたはすでに機密性の高いAIが解決するように設計されている緊張を経験しています。AIは、スプレッドシートの方法で組織を通じて広がりました:静かに、どこにでも、そして政府がそれを維持できるよりも速く、チームはルート契約、顧客チケット、そしてモデルエンドポイントを通じてコードを作成します。 この便利さは、侵害の爆発半径を拡大します. The average global breach cost 2024年までに4億8800万ドルに上昇し、前年比10%上昇し、H1 2025のみで1732件の違反が発生した。 165万枚以上のレコード ローズ exposed ローズ 露出 要するに、伝統的なセキュリティは、2つの状態をうまく処理する:休憩中のデータと転送中のデータですが、使用中のデータではありません。 この「第三の状態」は、メモリ内の情報を暗号化し、信頼された実行環境(TEE)の内部でのみ処理するのに役立ちます: 操作者さえも見つけることができないハードウェアから孤立したアンクラブです。 行き後の 行き後の コンピューティングがどこで行われたかをリモートで証明し、誰もそれを操作していないことを確認できれば、「信頼」はステックの検証可能な資産になります。 政治が閉じることができないギャップ 開発者はこれまで以上に速く発送しており、AIは加速剤です。しかし、高速でAIでサポートされた出力は監査が困難で、目に見えないリスクで展開しやすい場合があります、特に出身地と責任が曖昧な場合です。 セキュリティの制限は、無理です。 完全に内部化しない 完全に内部化しない PII開示に関するKeysightの最近の研究 敏感な情報(企業がログやサードパーティーシステムに表示されることを最も望むタイプ)が、プロンプトやモデル出力を通じて漏洩するのがどれほど簡単か。 今や「リクエストで漏れるもの」を測定可能で、攻撃可能で、ますます規制されているものとして扱っている。 旗 セキュリティチーム 旗 セキュリティチーム 基本的なウェブアプリケーション攻撃では、侵害の約88%が盗まれた資格を含む。現代の侵害がしばしば「誰かがログインしている」と始まると、より敏感な仕事をより多くのツールに押し込むことはリスクを増やすだけでなく、それを増やす。 標準的なデプロイメントでは、プロンプトと文脈は、処理するためにどこかで単純なテキストに存在しなければなりません。 編集できます。 フィルターできます。 しかし、バックのどこかで、データは読み取り可能でなければなりません。 機密コンピューティングは、実行中にデータとコードを保護する孤立したハードウェア環境内のワークロードを実行することによって、そのベースラインを変更します。これは、特権インフラストラクチャ層を含むプロセスを監視できる人(または何)を減らします。 カタールの賭け:機密AIは物理的になる あるカテゴリーが現実であるかどうかを確認する最速の方法は、お金とメガワットがどこへ行くかを見ることです。 カタール この移行の最初の物理的現象の1つを表す機密AIデータセンターで、機密コンピューティングチップ(Nvidiaハードウェアを含む)を使用してデータを処理の各段階で暗号化します。 最初の183Mドルの投資と、時間とともに拡大する野心を持つプロジェクト。 建物は パートナーシップ 建物は パートナーシップ OLLMの役割は、機密人工知能のサポートを主張することと、それをサポートするために必要なインフラストラクチャを実際に構築することの違いがあるため、ここでは特に重要です。 複数のプロバイダーとAIモデルへのアクセスを集約する一つのAPIで、検証可能なプライバシー保証を提供します。 ゲートウェイ ゲートウェイ 「機密AI」は、ランディングページに落とす簡単なフレーズなので、信頼性テストはシンプルです:あなたはそれを証明できますか? OLLMのパートナーシップ・トラックは、彼らができることを示唆しています。 One differentiator OLLM emphasizes is a confidential-compute-only posture coupled with Zero Data Retention (ZDR): models are deployed on confidential computing chips, and the platform is designed not to retain prompts or outputs. OLLM keeps the only data is operationally necessary (and deliberately non-content), such as token consumption plus TEE attestation logs that are not linked to users or user data, so attestations can be shown publicly for transparency in the OLLM dashboard. That's the philosophical shift: treat "model access" like critical infrastructure, where minimizing retained data and making execution verifiable are first-class product requirements, not policy footnotes. OLLMが強調する1つの違いは、機密 OLLMの with Phala is the clearest “prove it” story today. It expands its footprint through Phala’s confidential AI infrastructure, where workloads run inside TEE (including Intel TDX, AMD SEV, and Nvidia H100/H200-class GPU confidential computing). それは、それぞれの推測が、信頼するポリシーを持つ標準的なVMではなく、本物のTEEハードウェアで実行されたことを示す暗号化証明書を生成することができるので重要です。 パートナーシップ パートナーシップ NEAR AI は、TEEs によって動作するプライベート・インフェレンス・インフラストラクチャも構築しているため、開発者は、機密的な推測をコンポーシブ・プリミティブとして考えることができます(Phala は一つのルートであり、NEAR AI のプライベート・インフェレンスはもう一つです)。 Bottom Line: 開発者が気にするべき理由 開発者にとって、機密人工知能は、かつて不便で危険だった、あるいはセキュリティレビューのリムボに閉じ込められたワークフローを解除することができます。それは、AIが実践で使用できる場所に直接拡大します。内部のプレーブック、製品デザイン、競争インテリジェンスなどの独自のデータは、第三者のログに捕らえられずにAIシステムを通過することができます。規制された産業にとって、その転換はさらに重要です。 同様の論理は、厳しく規制された環境の外で適用されます。輸送の圧力を受けたチームは、プロトタイプが製品に変身すると突然暴露されなくなります。 機密執行は、推測が明らかにできるものを狭める一方で回復速度を維持することを可能にします。 AI エージェントは、認証を管理し、API 呼び出しを引き起こし、敏感なシステムと相互作用します。 したがって、指示やデータを露出せずに実行する能力は、インフラストラクチャを実行しているオペレーターにさえ、高度な機能ではなくベースライン要件になります。 AI が実際のワークフローに組み込まれるにつれて、バックの最も弱い点は、もはやストレージや輸送ではなく、実行である 使用中のデータは、機密情報が最も暴露され、最も制御されていない場所です 機密コンピューティングはすべてのセキュリティ問題を解決するものではありませんが、ポリシー、契約、アクセス制御ができないギャップを閉じます。

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. 

このオーディオは、ストーリーの元の言語で制作されています。

AIセキュリティの欠落層:なぜ「使用中のデータ」が次の戦場になるのか

About Author

コメント

ラベル

この記事は

Related Stories

AI/ML データレイクのリファレンスアーキテクチャを構築するためのアーキテクトガイド

HackerNoon Coded: HackerNoonが最も活発に活動している上位10カ国

フロキのヴァルハラがインドのスリランカツアーのアソシエイトスポンサーに加わる

海を航海する: データレイクを使用した本番環境レベルの RAG アプリケーションの開発

AI/ML データレイクのリファレンスアーキテクチャを構築するためのアーキテクトガイド

HackerNoon Coded: HackerNoonが最も活発に活動している上位10カ国

フロキのヴァルハラがインドのスリランカツアーのアソシエイトスポンサーに加わる

海を航海する: データレイクを使用した本番環境レベルの RAG アプリケーションの開発

Light-Mode

Classic

Newspaper

Minty

Dark-Mode

Neon Noir

Minty

HN StartUps