หากคุณเคยวางโค้ดที่เป็นเจ้าของลงในผู้ช่วย AI ใน 2 น. คุณเคยมีชีวิตอยู่กับความตึงเครียดที่ AI ที่เป็นความลับได้รับการออกแบบมาเพื่อแก้ปัญหา AI มีการแพร่กระจายผ่านองค์กรในลักษณะของแผ่นงาน: โดยเงียบสงบทุกที่และเร็วกว่าการปกครองสามารถติดตาม ข้อตกลงเส้นทางทีมตั๋วลูกค้าและโค้ดผ่านจุดสิ้นสุดแบบจําลองเพราะมันทํางานไม่ใช่เพราะทุกคนได้ตรวจสอบว่าข้อมูลนั้นไปอย่างไร สิ่งอํานวยความสะดวกนี้ขยายช่วงระเบิดของการละเมิด ค่าใช้จ่ายการละเมิดทั่วโลกเฉลี่ย ไปยัง $ 4.88M ในปี 2024, เพิ่มขึ้น 10% เมื่อเทียบกับปีที่แล้ว ในปีแรก 2025 เท่านั้น 1,732 การละเมิด มากกว่า 165 ล้านบันทึก ดอกกุหลาบ แสดง ดอกกุหลาบ แสดง สิ่งที่สําคัญคือการรักษาความปลอดภัยแบบดั้งเดิมจัดการกับสองสถานะได้ดี: ข้อมูลที่พักผ่อนและข้อมูลในระหว่างการขนส่ง แต่ไม่ได้ใช้ข้อมูล ในขณะนั้นข้อมูลมักจะมองเห็นได้แก่ระบบไฮเปอร์เวนเซอร์และผู้ที่ใช้งานระบบ การคํานวณความลับ นี้ “สภาวะที่สาม”: มันช่วยเข้ารหัสข้อมูลในหน่วยความจําและประมวลผลมันเฉพาะภายในสภาพแวดล้อมการดําเนินการที่เชื่อถือได้ (TEE): แอคคลาวด์ที่แยกจากฮาร์ดแวร์ซึ่งแม้กระทั่งผู้ประกอบการไม่สามารถมองเข้าไป เดินหลัง เดินหลัง หากคุณสามารถพิสูจน์ระยะไกลว่าการคํานวณเกิดขึ้นและยืนยันว่าไม่มีใครทําลายมัน "ความไว้วางใจ" จะกลายเป็นคุณสมบัติที่สามารถตรวจสอบได้ของสต็อก ความแตกต่างที่นโยบายไม่สามารถปิดได้ ผู้พัฒนาจะจัดส่งเร็วกว่าที่เคยและ AI เป็นตัวเร่ง แต่การส่งออกที่รวดเร็วที่ช่วยเหลือด้วย AI อาจเป็นเรื่องยากที่จะตรวจสอบและใช้งานได้ง่ายด้วยความเสี่ยงที่มองไม่เห็นโดยเฉพาะอย่างยิ่งเมื่อแหล่งกําเนิดและความรับผิดชอบไม่สม่ําเสมอ การออกแบบที่สม่ําเสมอที่ผู้ช่วย AI ของคุณสร้างขึ้นหรือไม่ ข้อ จํากัด ความปลอดภัยของคุณ ไม่สามารถ ไม่สามารถตกแต่งภายในได้อย่างสมบูรณ์ ไม่สามารถตกแต่งภายในได้อย่างสมบูรณ์ การวิจัยล่าสุดของ Keysight เกี่ยวกับการเปิดเผย PII ข้อมูลที่ละเอียดอ่อน (ประเภทของ บริษัท ที่ต้องการที่จะปรากฏในบันทึกหรือระบบของบุคคลที่สาม) สามารถรั่วไหลผ่านการแจ้งเตือนและเอาท์พุทแบบจําลองได้อย่างง่ายดาย ตอนนี้พวกเขากําลังปฏิบัติต่อ "สิ่งที่รั่วไหลในคําแนะนํา" เป็นสิ่งที่สามารถวัดได้สามารถโจมตีและควบคุมได้มากขึ้น ภาษาไทย ทีมรักษาความปลอดภัย ภาษาไทย ทีมรักษาความปลอดภัย ในขณะเดียวกันการโจรกรรมข้อมูลส่วนบุคคลยังคงมีประสิทธิภาพอย่างหนัก ในการโจมตีแอพพลิเคชันเว็บขั้นพื้นฐานประมาณ 88% ของการละเมิดเกี่ยวข้องกับการโจรกรรมข้อมูลส่วนบุคคลที่ถูกขโมย หากการละเมิดข้อมูลที่ทันสมัยมักจะเริ่มต้นด้วย "ใครบางคนเข้าสู่ระบบ" จากนั้นการกระตุ้นการทํางานที่ละเอียดอ่อนมากขึ้นในเครื่องมืออื่น ๆ ไม่เพียง แต่เพิ่มความเสี่ยง แต่ก็เพิ่มขึ้น ในการใช้งานมาตรฐานการแจ้งเตือนและแง่มุมต้องมีอยู่ในข้อความธรรมดาบางที่เพื่อประมวลผล คุณสามารถแก้ไขได้ คุณสามารถกรองได้ แต่บางที่ในสต็อกข้อมูลต้องสามารถอ่านได้ซึ่งหมายความว่าข้อมูลนั้นมีความเสี่ยง การคํานวณความลับเปลี่ยนเส้นทางพื้นฐานนี้โดยการเรียกใช้ภาระงานภายในสภาพแวดล้อมฮาร์ดแวร์ที่แยกต่างหากซึ่งช่วยปกป้องข้อมูลและรหัสระหว่างการเรียกใช้ สิ่งนี้ช่วยลดผู้ (หรือสิ่งที่) สามารถสังเกตกระบวนการรวมถึงชั้นโครงสร้างพื้นฐานที่ได้รับอนุญาต มันไม่ได้กําจัดความเสี่ยงทุกชั้นของแอปพลิเคชัน แต่ก็ จํากัด คลาสทั้งหมดของการสัมผัส การเดิมพันของแคตตาลัน: ความลับ AI ได้ทางกายภาพ วิธีที่เร็วที่สุดที่จะบอกได้ว่าหมวดหมู่เป็นจริงคือการสังเกตว่าเงินและ megawatts ไปที่ไหน AI ที่เป็นความลับตอนนี้จะเข้าสู่ภาษาของสิ่งอํานวยความสะดวกและเครือข่ายพลังงาน แคตาร์ ศูนย์ข้อมูลอัจฉริยะที่มีความลับซึ่งเป็นหนึ่งในอาการทางกายภาพแรกของการเปลี่ยนแปลงนี้ สิ่งอํานวยความสะดวกจะใช้ชิปคอมพิวเตอร์ที่มีความลับ (รวมถึงฮาร์ดแวร์ Nvidia) เพื่อรักษาข้อมูลที่เข้ารหัสผ่านทุกขั้นตอนของการประมวลผล AILO AI, MBK Holding และ OLLM ในโครงการที่มีการลงทุนเริ่มต้น 183 ล้านดอลลาร์และเป้าหมายที่จะเติบโตตามเวลา อาคาร เป็นพันธมิตร อาคาร เป็นพันธมิตร บทบาทของ OLLM มีความสําคัญโดยเฉพาะอย่างยิ่งที่นี่เพราะมีความแตกต่างระหว่างการเรียกร้องการสนับสนุนสําหรับ AI ที่เป็นความลับและสร้างโครงสร้างพื้นฐานที่จําเป็นเพื่อสนับสนุนมัน พื้นที่ของพวกเขาไม่น้อยเกี่ยวกับ "รูปแบบที่ดีขึ้น" และมากขึ้นเกี่ยวกับวิธีที่ปลอดภัยมากขึ้นในการเข้าถึงและเรียกใช้แคตตาล็อกที่เติบโตของรุ่น พิจารณามันเป็น : API หนึ่งซึ่งรวมการเข้าถึงผู้ให้บริการหลายรายและรุ่น AI ในขณะที่ให้การรับประกันความเป็นส่วนตัวที่สามารถตรวจสอบได้ แพ็คเกจ แพ็คเกจ "Intellectual Intelligence Confidential" เป็นคําพูดที่ง่ายต่อการตีบนหน้าปลายทาง ดังนั้นการทดสอบความน่าเชื่อถือนั้นง่าย: คุณสามารถพิสูจน์ได้หรือไม่? เส้นทางพันธมิตรของ OLLM แสดงให้เห็นว่าพวกเขาสามารถ One differentiator OLLM emphasises 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. The only data OLLM keeps 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. อัลลัม กับ Phala เป็นเรื่องที่ชัดเจนที่สุด "พิสูจน์มัน" วันนี้ มันขยายนิทรรศการของมันผ่านโครงสร้างพื้นฐานอัจฉริยะอัจฉริยะความลับของ Phala ที่โหลดทํางานทํางานทํางานภายใน TEE (รวมถึง Intel TDX, AMD SEV และ Nvidia H100 / H200-class GPU confidential computing) ซึ่งสําคัญเพราะแต่ละข้อสรุปสามารถสร้างการรับรองการเข้ารหัสลับที่แสดงให้เห็นว่ามันทํางานบนฮาร์ดแวร์ TEE จริงไม่ใช่บน VM มาตรฐานที่มีนโยบายที่เชื่อถือได้ ความร่วมมือ ความร่วมมือ NEAR AI ยังสร้างโครงสร้างพื้นฐานการสรุปส่วนตัวที่ขับเคลื่อนโดย TEEs ซึ่งหมายความว่านักพัฒนาสามารถคิดในแง่ของการสรุปความลับเป็นต้นฉบับที่สามารถ composable (Phala เป็นเส้นทางหนึ่ง การสรุปส่วนตัวของ NEAR AI เป็นอีก) บรรทัดด้านล่าง: ทําไมนักพัฒนาควรดูแล สําหรับนักพัฒนา AI ที่เป็นความลับสามารถปลดล็อคกระบวนการทํางานที่ก่อนหน้านี้เป็นเรื่องไม่สะดวกหรือมีความเสี่ยงหรือติดอยู่กับ limbo การตรวจสอบความปลอดภัย มันขยายโดยตรงไปยังสถานที่ที่ AI สามารถใช้ได้ในทางปฏิบัติ ข้อมูลที่เป็นเจ้าของเช่นหนังสือเล่มภายในการออกแบบผลิตภัณฑ์อัจฉริยะการแข่งขันสามารถผ่านระบบ AI โดยไม่ถูกจับในบันทึกของบุคคลที่สาม สําหรับอุตสาหกรรมที่มีการควบคุมการเปลี่ยนแปลงนั้นมีความสําคัญยิ่งขึ้น แทนที่จะถูกขอให้ "เชื่อถือ" วิธีการจัดการข้อมูลธนาคารและผู้ให้บริการสุขภาพสามารถอ้างถึงการรับรองแบบเข้ารหัสลับเป็นหลักฐานเปลี่ยนการพูดคุยเกี่ยวกับการปฏิบัติตามจากการหลีกเลี่ยงความเสี่ยงไปสู่การใช้งานที่ควบคุม โลกเดียวกันใช้ภายนอกสภาพแวดล้อมที่มีการควบคุมอย่างเข้มงวด ทีมภายใต้ความกดดันในการจัดส่งอย่างรวดเร็วไม่ค่อยกลายเป็นผู้สัมผัสน้อยลงเมื่อ prototype จะกลายเป็นผลิตภัณฑ์ การดําเนินการความลับช่วยให้สามารถรักษาความเร็วในการทําซ้ําได้ในขณะที่ขัดขวางสิ่งที่การสรุปสามารถเปิดเผยได้ ตัวแทน AI เริ่มจัดการใบรับรองการเปิดตัวการโทร API และโต้ตอบกับระบบที่ละเอียดอ่อน ดังนั้นความสามารถในการเรียกใช้พวกเขาโดยไม่ต้องเปิดเผยคําสั่งหรือข้อมูลของพวกเขาแม้แต่กับผู้ประกอบการที่ใช้โครงสร้างพื้นฐานก็กลายเป็นข้อกําหนดขั้นพื้นฐานไม่ใช่คุณสมบัติขั้นสูง ในขณะที่ AI จะถูกบูรณาการในกระบวนการทํางานจริงจุดอ่อนที่สุดในสต็อกไม่ได้เป็นการจัดเก็บหรือขนส่งอีกต่อไป แต่การดําเนินการ ข้อมูลที่ใช้เป็นสถานที่ที่ข้อมูลที่ไว้อย่างมากที่สุดและควบคุมน้อยที่สุด การคํานวณความลับไม่ได้แก้ปัญหาด้านความปลอดภัย แต่ก็ปิดช่องว่างที่นโยบายสัญญาและการควบคุมการเข้าถึงไม่สามารถทําได้ สําหรับ AI เพื่อย้ายจากการทดลองไปสู่โครงสร้างพื้นฐานความแตกต่างนี้ต้องแก้ไข

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. 

เสียงนี้ผลิตในภาษาต้นฉบับของเรื่องราว!

ชั้นที่หายไปในการรักษาความปลอดภัย AI: ทําไม "ข้อมูลที่ใช้" เป็นสนามต่อสู้ต่อไป

About Author

ความคิดเห็น

แขวนแท็ก

บทความนี้ถูกนำเสนอใน

Related Stories

CHANGES AT MILTON.

The German Air-fleet

Gain an Even Bigger Audience: How to Import Your Articles Into HackerNoon

ON THE PLAINS AND VALLEYS OF CHILE:—SALIFEROUS SUPERFICIAL DEPOSITS

CHANGES AT MILTON.

The German Air-fleet

Gain an Even Bigger Audience: How to Import Your Articles Into HackerNoon

ON THE PLAINS AND VALLEYS OF CHILE:—SALIFEROUS SUPERFICIAL DEPOSITS

Light-Mode

Classic

Newspaper

Minty

Dark-Mode

Neon Noir

Minty

HN StartUps