OPAQUE Erhverver Kryptografisk AI-Teknologi fra Technology Innovation Institute (TII) for at Udvide Fortrolige AI-Kapaciteter

En ny erhvervelse bringer avanceret kryptografisk forskning ind i virkelige AI-udviklinger, da OPAQUE erhverver teknologi udviklet af Technology Innovation Institute (TII). Bevægelsen afspejler en voksende indsats for at gøre det muligt for organisationer at bruge meget følsomme data i AI-systemer uden at eksponere dem.

I centrum af aftalen ligger TII’s arbejde med privatlivsbevarende beregning og post-kvantekryptografi. Disse kapaciteter integreres nu i OPAQUE’s platform for at understøtte AI-applikationer i brancher som sundhedsvesen, finans og regering, hvor strenge dataprotektioner har begrænset adoption.

Et Møde mellem to Forskellige Styrker

OPAQUE blev grundlagt af forskere fra UC Berkeley’s RISELab, herunder figurer tæt knyttet til udviklingen af moderne datainfrastruktur og distribuerede systemer. Selskabet har positioneret sig omkring en kerneidé: at AI ikke kan skalaere i enterprise-miljøer, medmindre privatliv og styre er bygget direkte ind i, hvordan systemerne fungerer. Dets platform fokuserer på “fortrolig AI“, der giver organisationer mulighed for at køre modeller, arbejdsgange og stadig mere AI-agenter, mens de opretholder streng kontrol over, hvordan data adgangs- og behandles.

TII repræsenterer en anden del af teknologiens økosystem. Som den anvendte forskningsafdeling af Abu Dhabis Advanced Technology Research Council, fokuserer det på at bygge grundlæggende teknologier på tværs af multiple domæner, herunder kryptografi, kvantecomputering, autonome systemer og AI. Dets kryptografiske afdeling har været særligt aktiv, bidragende til avancerede teknikker, der giver mulighed for beregning på krypteret data, og undersøger beskyttelser designet til en fremtid, hvor kvantecomputering kunne bryde nuværende krypteringsstandarder.

Denne erhvervelse forbinder disse to lag. Den tager teknologi, der blev udviklet i et forskningsmiljø, og placerer den i en platform designet til enterprise-udvikling i stor skala.

Udvidelse af AI på tværs af hele Livscyklusen

OPAQUE’s platform var allerede fokuseret på sikker AI-inferens, sikring af, at modeller kunne fungere på følsomme data uden at eksponere dem. Med tilføjelsen af TII’s teknologi udvides denne beskyttelse nu til tidligere faser som træning og finjustering.

Dette er en betydelig ændring. Træning har traditionelt været en af de sværeste faser at sikre, fordi det kræver store mængder rådata. Teknikker som multi-party-beregning og fuldt homomorft kryptering giver mulighed for at træne modeller uden at afsløre den underliggende data, selv for systemet, der udfører beregningen.

Samtidig introducerer inklusionen af post-kvantekryptografi beskyttelser designet til at forblive sikre, selv som beregningskraft udvikler sig. Mens kvantecomputering stadig er under udvikling, har dens potentiale til at bryde bredt anvendte krypteringsmetoder gjort langsigtede dataprotektioner til en voksende bekymring for regeringer og store virksomheder.

Hvorfor Følsomme Data Har Været Svære at Bruge

Mange organisationer besidder allerede data, der kunne forbedre AI-resultater betydeligt. Dette inkluderer patientjournaler, finansielle transaktioner og proprietær forskning. Dog er disse datasæt ofte underudnyttede, fordi risikoen forbundet med at bruge dem er for høj.

De fleste eksisterende løsninger adresserer kun en del af problemet. Et system kan sikre træning, et andet kan håndtere udvikling, og yderligere værktøjer er nødvendige for styre og overholdelse. Denne fragmenterede tilgang introducerer kompleksitet og efterlader huller, der kan forhindre projekter i at gå i produktion.

OPAQUE’s tilgang er at samle disse faser i ét system, hvor dataanvendelse kontinuerligt verificeres. I stedet for at stole på tillid til leverandører eller infrastrukturudbydere genererer systemet kryptografisk bevis for, at politikker blev overholdt, og data forblev beskyttet under processen.

Bygget til Regulerede og Suveræne Miljøer

En nøgleaspekt af den kombinerede platform er dens afhængighed af hardware-baseret sikkerhed, herunder Trusted Execution Environments. Disse miljøer isolerer arbejdsbyrder på hardwareniveau, sikring af, at selv platformudbyderen ikke kan få adgang til de data, der behandles.

Dette design gør platformen egnet til højt regulerede miljøer og suveræne AI-initiativer, hvor data skal forblive inden for bestemte geografiske eller juridiske grænser. Regeringer og virksomheder kan udvikle AI-systemer, mens de opretholder kontrol over dataresidens og overholdelse af regionale reguleringer.

Det åbner også døren for tværsgrænse-samarbejde om følsomme datasæt, hvor multiple parter kan bidrage med data uden at eksponere dem for hinanden.

Retningen for AI-Infrastruktur

Erhvervelsen afspejler en bredere ændring i, hvordan AI-systemer udvikles og udvikles. Mens organisationer bevæger sig ud over eksperimenter, bliver evnen til at bruge følsomme data sikkert en central krav.

AI-systemer bliver også mere autonome, med agenter, der kan udføre opgaver, interagere med systemer og træffe beslutninger. Dette øger både deres nyttighed og risiko, især når de er forbundet med kritisk infrastruktur eller regulerede data.

I denne kontekst er teknologier som fortrolig beregning og kryptografisk verificering sandsynligvis til at blive grundlæggende. Fokus skifter mod systemer, der kan kontinuerligt bevise, at de fungerer inden for definerede begrænsninger, snarere end at stole på antagelser om sikkerhed.

Ved at kombinere avanceret kryptografisk forskning med en produktionsklar platform, fremhæver denne erhvervelse, hvordan den næste fase af AI-adopteringsmuligheder kan være mindre defineret af nye modeller og mere af den infrastruktur, der gør dem sikre at bruge i stor skala.