OPAQUE, 기술 혁신 연구소(TII)에서 암호학적 AI 기술 인수하여 기밀 AI 기능 확장

새로운 인수는 고급 암호학적 연구를 실제 AI 배포로 가져옵니다. OPAQUE는 기술 혁신 연구소(TII)에서 개발된 기술을 인수했습니다. 이 움직임은 조직이 높은 민감도 데이터를 AI 시스템에서 노출하지 않고 사용할 수 있도록 하는 것을 가능하게 하는 노력의 증가를 반영합니다.

거래의 중심에는 TII의 개인 정보 보호 컴퓨팅 및 양자 후 암호학 연구가 있습니다. 이러한 기능은 현재 OPAQUE의 플랫폼에 통합되어 의료, 금융, 정부 등에서 엄격한 데이터 보호로 인해 채택이 제한된 AI 애플리케이션을 지원합니다.

두 가지 다른 강점의 만남

OPAQUE는 UC 버클리의 RISELab 연구원들이 설립했으며, 현대 데이터 인프라와 분산 시스템 개발에密接한 인물들이 포함되어 있습니다. 이 회사는 핵심 아이디어를 중심으로 자리 잡았습니다. 즉, AI는 프라이버시와 거버넌스가 시스템 운영에 직접 통합되지 않는 한 기업 환경에서 확장할 수 없습니다. 플랫폼은 “기밀 AI”에 중점을 두고 있으며, 조직이 모델, 워크플로, 그리고 점점 더 많은 AI 에이전트를 실행하면서 데이터에 대한 접근 및 처리를 엄격하게 제어할 수 있도록 합니다.

TII는 기술 생태계의 다른 부분을 대표합니다. 아부다비의 고급 기술 연구위원회(Advanced Technology Research Council)의 적용 연구 부문으로, 암호학, 양자 컴퓨팅, 자율 시스템, AI를 포함한 여러 도메인에서 기초 기술을 구축하는 데 중점을 두고 있습니다. 암호학 部門은 특히 활발하여 암호화된 데이터에 대한 계산을 허용하는 고급 기술에 기여하고 양자 컴퓨팅이 현재의 암호화 표준을 깨뜨릴 수 있는 미래를 위해 설계된 보호를 탐색했습니다.

이 인수는 두 계층을 연결합니다. 연구 환경에서 개발된 기술을 대규모 기업 배포를 위한 플랫폼에 배치합니다.

전체 라이프사이클에 걸친 AI 확장

OPAQUE의 플랫폼은 이미 안전한 AI 추론에 중점을 두고 있었습니다. 즉, 모델이 민감한 데이터에서 작동할 수 있지만 데이터를 노출하지 않습니다. TII의 기술을 추가함으로써 이 보호는 이제 훈련 및 미세 조정과 같은 이전 단계로 확장됩니다.

이것은 의미 있는 변화입니다. 훈련은 전통적으로 가장 어려운 단계 중 하나였습니다. 왜냐하면大量의 원시 데이터가 필요하기 때문입니다. 다자간 계산 및 완전 동형 암호화와 같은 기술을 사용하면 모델을 훈련시키는 시스템에 대한 기본 데이터를 노출하지 않고도 모델을 훈련시킬 수 있습니다.

同时, 양자 후 암호학의 포함은 컴퓨팅 파워가 진화함에 따라도 안전하게 유지되도록 설계된 보호를 도입합니다. 양자 컴퓨팅은 아직 등장하고 있지만, 널리 사용되는 암호화 방법을 깨뜨릴 수 있는 잠재력으로 인해 장기 데이터 보호는 정부와 대기업에게 점점 더 큰 관심사로 떠올랐습니다.

민감한 데이터를 사용하기 어려웠던 이유

많은 조직은 이미 AI 결과를 크게 개선할 수 있는 데이터를 보유하고 있습니다. 이는 환자 기록, 금융 거래, 특허 연구를 포함합니다. 그러나 이러한 데이터 세트는 사용에 따른 위험이 너무 높기 때문에 종종 활용되지 않습니다.

대부분의 기존 솔루션은 문제의 일부만 해결합니다. 한 시스템은 훈련을 보안할 수 있지만, 배포를 처리하는 다른 시스템과 거버넌스 및 규정 준수를 위한 추가 도구가 필요합니다. 이러한 단편적인 접근 방식은 복잡성을 도입하고 프로젝트가 프로덕션으로 이동하는 것을 방지할 수 있는 격차를 만들 수 있습니다.

OPAQUE의 접근 방식은 이러한 단계를 하나의 시스템으로 통합하여 데이터 사용이 지속적으로 검증됩니다. 벤더나 인프라 제공업체에 대한 신뢰를 의지하는 대신, 시스템은 정책이 준수되고 데이터가 전체 과정에서 보호되었다는 암호화 증명을 생성합니다.

규제 및 주권 환경을 위한 구축

결합된 플랫폼의 핵심 측면은 하드웨어 기반 보안, 즉 신뢰할 수 있는 실행 환경을 사용하는 것입니다. 이러한 환경은 하드웨어 수준에서 워크로드를 분리하여 플랫폼 제공업체조차도 처리 중인 데이터에 액세스할 수 없습니다.

이 설계는 플랫폼을 높은 규제 환경과 주권 AI 이니셔티브에 적합하게 만듭니다. 여기서 데이터는 특정 지리적 또는 법적 경계 내에 유지되어야 합니다. 정부와 기업은 AI 시스템을 배포하면서 데이터 거주지 및 지역 규정 준수를 제어할 수 있습니다.

또한 민감한 데이터 세트에 대한 다자간 협력을 위한 문을 열어줍니다. 여기서 여러 당사자가 데이터를 노출하지 않고 데이터를 기여할 수 있습니다.

AI 인프라의 방향

인수는 AI 시스템이 개발되고 배포되는 방식에서 더 넓은 변화를 반영합니다. 조직이 실험을 넘어선다면, 민감한 데이터를 안전하게 사용하는 능력은 중앙 요구 사항이 됩니다.

AI 시스템은 또한 더 자율적이 되어가고 있습니다. 에이전트는 작업을 실행하고, 시스템과 상호 작용하며, 의사 결정을 내릴 수 있습니다. 이것은 유용성과 위험 모두를 증가시킵니다. 특히 중요 인프라 또는 규제 데이터에 연결된 경우 더욱 그렇습니다.

이 контек스트에서 기밀 컴퓨팅 및 암호학적 검증과 같은 기술은 필수적인 기술이 될 것입니다. 시스템이 정의된 제약 내에서 작동하고 있다는 것을 지속적으로 증명하는 시스템으로의 이동이 이루어지고 있습니다. 보안에 대한 가정에 의존하는 대신에, 이러한 시스템은 보안을 가정하지 않고 작동합니다.

생산 준비가 된 플랫폼과 고급 암호학적 연구를 결합함으로써, 이 인수는 다음 단계의 AI 채택이 새로운 모델에 의해 형성되는 것이 아니라, 대규모에서 안전하게 사용할 수 있도록 하는 인프라에 의해 형성될 수 있음을 강조합니다.