Jika anda pernah melampirkan kod sendiri ke dalam penolong AI pada jam 2 pagi, anda telah mengalami ketegangan yang dirancang untuk diselesaikan AI rahsia. AI menyebar melalui organisasi dengan cara lembaran kerja: diam-diam, di mana-mana, dan lebih cepat daripada pentadbiran boleh mengikuti. pasukan laluan kontrak, tiket pelanggan, dan kod melalui titik akhir model kerana ia berfungsi, bukan kerana sesiapa pun telah mengesahkan di mana data itu sebenarnya pergi. Kemudahan ini memperluaskan radius letupan pelanggaran. kos purata pelanggaran global kepada $ 4.88M pada tahun 2024, meningkat 10% berbanding tahun sebelumnya. Hanya dalam H1 2025, 1,732 pelanggaran Lebih daripada 165 juta rekod. mawar Diselidiki mawar Diselidiki Perkara ini ialah, keselamatan tradisional menangani dua keadaan dengan baik: data dalam keadaan istirahat dan data dalam transit, tetapi tidak data dalam penggunaan.Pada titik itu, data biasanya menjadi kelihatan kepada sistem, hypervisor, dan orang yang mengendalikannya. ini “keadaan ketiga”: ia membantu mengenkripsi maklumat dalam memori dan memprosesnya hanya dalam Persekitaran Eksekusi Dipercayai (TEE): enclave yang terisolasi oleh perkakasan yang tidak boleh dilihat oleh walaupun pengendali. Bermula selepas Bermula selepas Jika anda boleh membuktikan di mana pengiraan berlaku dan mengesahkan tidak ada yang disalahpahami dengan itu, "percayalah" menjadi harta yang boleh disemak oleh tumpukan. Jarak yang tidak boleh ditutup oleh politik Pembangun sedang mengangkut lebih cepat daripada sebelumnya, dan AI adalah pengecas.Tetapi output yang cepat, yang dibantu oleh AI boleh menjadi sukar untuk diaudit dan mudah digunakan dengan risiko yang tidak kelihatan, terutamanya apabila asal dan tanggungjawab tidak jelas. Keselamatan anda. tidak boleh. Tidak sepenuhnya internalis Tidak sepenuhnya internalis Penyelidikan Keysight baru-baru ini mengenai pendedahan PII Seberapa mudah maklumat sensitif (jenis syarikat yang paling tidak mahu muncul dalam log atau sistem pihak ketiga) boleh bocor melalui prompts dan output model. kini memperlakukan "apa yang bocor dalam prompt" sebagai sesuatu yang boleh diukur, boleh diserang, dan semakin dikawal. Bendera Pasukan keselamatan Bendera Pasukan keselamatan Dalam serangan aplikasi web asas, kira-kira 88% daripada pelanggaran melibatkan pengesahan yang dicuri.Jika pelanggaran moden sering bermula dengan "seseorang yang log masuk," maka mendorong kerja yang lebih sensitif ke dalam lebih banyak alat tidak hanya menambah risiko, ia mengganda. Dalam pengenalan standard, prompts dan konteks mesti wujud di dalam teks biasa di suatu tempat untuk diproses. anda boleh mengedit. anda boleh menapis. tetapi di suatu tempat dalam tumpukan, data mesti boleh dibaca, yang bermakna ia terancam. Pengkomputeran rahsia menukar garis asas itu dengan menjalankan beban kerja dalam persekitaran perkakasan terpencil yang mengekalkan data dan kod dilindungi semasa menjalankan. Ini mengurangkan siapa (atau apa) boleh mengamati proses, termasuk lapisan infrastruktur yang berhak. Taruhan Qatar: AI rahsia mendapat fizikal Cara tercepat untuk mengetahui sama ada kategori itu sebenar ialah dengan melihat ke mana wang dan megawatt pergi. Katar sebuah pusat data AI rahsia yang mewakili salah satu daripada manifestasi fizikal pertama perubahan ini. kemudahan ini akan menggunakan cip pengkomputeran rahsia (termasuk perkakasan Nvidia) untuk menyimpan data disulitkan melalui setiap peringkat pemprosesan. pada projek ini, dengan pelaburan awal $ 183M dan ambisi untuk meluas seiring dengan masa. merupakan bangunan telah bekerjasama merupakan bangunan telah bekerjasama Peranan OLLM amat penting di sini kerana terdapat perbezaan antara mengklaim sokongan untuk AI rahsia dan sebenarnya membina infrastruktur yang diperlukan untuk menyokongnya. : satu API yang menyatukan akses kepada pelbagai pembekal dan model AI sambil menawarkan jaminan privasi yang boleh disahkan. kepada gateway kepada gateway "Intelijen Peribadi" adalah frasa mudah untuk melompat pada halaman landing. jadi ujian kredibiliti mudah: bolehkah anda membuktikannya? jejak perkongsian OLLM menunjukkan mereka boleh. Salah satu perbezaan yang OLLM menekankan ialah sikap pengiraan rahsia-hanya digabungkan dengan Zero Data Retention (ZDR): model diletakkan pada cip pengiraan rahsia, dan platform ini direka untuk tidak mengekalkan prompts atau outputs. Satu-satunya data yang OLLM mengekalkan adalah diperlukan secara operasional (dan sengaja bukan kandungan), seperti penggunaan token ditambah log pengesahan TEE yang tidak dikaitkan dengan pengguna atau data pengguna, jadi pengesahan boleh dipaparkan secara awam untuk ketelusan dalam dashboard OLLM. daripada Olm dengan Phala adalah kisah "membuktikan" yang paling jelas hari ini. ia memperluaskan jejaknya melalui infrastruktur AI rahsia Phala, di mana beban kerja dijalankan di dalam TEE (termasuk Intel TDX, AMD SEV, dan pengkomputeran GPU rahsia kelas Nvidia H100 / H200). Persatuan Persatuan NEAR AI juga membina infrastruktur inferensi peribadi yang dikendalikan oleh TEEs. Ini bermakna pemaju boleh berfikir dalam hal inferensi rahsia sebagai primitif yang boleh digabungkan (Phala adalah satu laluan; inferensi peribadi NEAR AI adalah yang lain). Bottom Line: Mengapa Pengembang Perlu Berhati-hati Bagi pengembang, AI rahsia boleh membuka aliran kerja yang sebelum ini tidak selesa, berisiko, atau terjejas dalam limbo tinjauan keselamatan. Ia secara langsung meluaskan di mana AI boleh digunakan dalam amalan. Data milik seperti buku kerja dalaman, reka bentuk produk, kecerdasan kompetitif boleh melalui sistem AI tanpa ditangkap dalam log pihak ketiga. Untuk industri yang dikawal, peralihan itu lebih bermakna. alih-alih diminta untuk "percayai" bagaimana data dikendalikan, bank dan penyedia penjagaan kesihatan boleh menunjukkan pengesahan kriptografi sebagai bukti, mengubah perbincangan pematuhan dari penghindaran risiko kepada pemasangan terkawal. Logik yang sama berlaku di luar persekitaran yang teratur. Pasukan di bawah tekanan untuk menghantar dengan cepat tidak tiba-tiba menjadi kurang terdedah apabila prototipe berubah menjadi produk. Eksekusi rahsia membolehkan untuk mengekalkan kelajuan iterasi sambil mempersempit apa yang inferensi boleh mendedahkan. Agen AI mula menguruskan akreditasi, memicu panggilan API, dan berinteraksi dengan sistem sensitif. Jadi, keupayaan untuk menjalankan mereka tanpa mendedahkan arahan atau data mereka, walaupun kepada pengendali yang menjalankan infrastruktur, menjadi keperluan asas daripada ciri canggih. Apabila AI dimasukkan ke dalam aliran kerja sebenar, titik paling lemah dalam tumpukan bukan lagi penyimpanan atau pengangkutan, tetapi pelaksanaan. Data dalam penggunaan ialah di mana maklumat sensitif paling terdedah dan paling kurang dikawal. pengkomputeran rahsia tidak menyelesaikan setiap masalah keselamatan, tetapi ia menutup kesenjangan yang dasar, kontrak, dan kawalan capaian tidak boleh.

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. 

Audio ini dihasilkan dalam bahasa asal cerita!

The Lost Layer dalam Keselamatan AI: Mengapa "Data-in-Use" Adalah Battleground Berikut

About Author

KOMEN

GANTUNG TANDA

ARTIKEL INI DIBENTANGKAN DALAM

Related Stories

Light-Mode

Classic

Newspaper

Minty

Dark-Mode

Neon Noir

Minty

HN StartUps