OPAQUE kjøper kryptografisk AI-teknologi fra Technology Innovation Institute (TII) for å utvide konfidensielle AI-egenskaper

En ny oppkjøp bringer avansert kryptografisk forskning inn i virkelige AI-utviklingsprosjekter, da OPAQUE kjøper teknologi utviklet av Technology Innovation Institute (TII). Trekket reflekterer en økende innsats for å gjøre det mulig for organisasjoner å bruke svært sensitive data i AI-systemer uten å eksponere dem.

I sentrum av avtalen ligger TII sitt arbeid med privatlivsbeskyttende beregning og post-kvantekryptografi. Disse evnene integreres nå i OPAQUEs plattform for å støtte AI-applikasjoner i bransjer som helse, finans og regjering, der strenge datavernskapskrav har begrenset adopsjonen.

Møtet mellom to forskjellige styrker

OPAQUE ble grunnlagt av forskere fra UC Berkeley’s RISELab, inkludert figurer nært assosiert med utviklingen av moderne data-infrastruktur og distribuerte systemer. Selskapet har posisjonert seg rundt en kjernetanke: at AI ikke kan skaleres i bedriftsmiljøer med mindre privatliv og styring er bygget direkte inn i hvordan systemene opererer. Deres plattform fokuserer på “konfidensiell AI“, som muliggjør at organisasjoner kan kjøre modeller, arbeidsflyter og stadig AI-agenter mens de opprettholder streng kontroll over hvordan data tilgjengeliggjøres og prosesseres.

TII, på den andre siden, representerer en annen del av teknologimiljøet. Som den anvendte forskningsavdelingen til Abu Dhabis Advanced Technology Research Council, fokuserer de på å bygge grunnleggende teknologier på tvers av flere domener, inkludert kryptografi, kvantecomputing, autonome systemer og AI. Deres kryptografiavdeling har vært særlig aktiv, og bidratt til avanserte tekniker som muliggjør beregning på kryptert data og utforsker beskyttelser designet for en fremtid hvor kvantecomputing kan bryte nåværende krypteringsstandarder.

Denne oppkjøpet kobler disse to lagene sammen. Det tar teknologi som ble utviklet i en forskningsmiljø og plasserer den i en plattform designet for bedrifts-utvikling i stor skala.

Utvidelse av AI på hele livssyklusen

OPAQUEs plattform var allerede fokusert på sikker AI-inferens, og sikret at modellene kunne operere på sensitive data uten å eksponere dem. Med tillegg av TII sin teknologi, utvides denne beskyttelsen nå til tidligere stadier som trening og finjustering.

Dette er en betydelig endring. Trening har tradisjonelt vært ett av de mest vanskelige stadiene å sikre, fordi det krever store volumer med rådata. Teknikker som flerpartsberegning og fullt homomorf kryptering gjør det mulig å trene modeller uten å avsløre underliggende data, selv til systemet som utfører beregningen.

Samtidig introduserer inklusjonen av post-kvantekryptografi beskyttelser designet for å forbli sikre selv når datamaskinkraften utvikler seg. Mens kvantecomputing fortsatt er i utvikling, har dens potensiale til å bryte vanlige krypteringsmetoder gjort langtids datavern en økende bekymring for regjeringer og store bedrifter.

Hvorfor sensitive data har vært vanskelige å bruke

Mange organisasjoner besitter allerede data som kunne betydelig forbedre AI-resultatene. Dette inkluderer pasientjournaler, finansielle transaksjoner og proprietær forskning. Likevel er disse datasett ofte underutnyttet fordi risikoen forbundet med å bruke dem er for høy.

De fleste eksisterende løsninger adresserer kun en del av problemet. Et system kan sikre trening, et annet kan håndtere utrullinger, og ytterligere verktøy er nødvendig for styring og overholdelse. Denne fragmenterte tilnærmingen introduserer kompleksitet og åpner for hull som kan forhindre prosjekter fra å gå i produksjon.

OPAQUEs tilnærming er å forene disse stadiene i ett enkelt system hvor data-bruk kontinuerlig verifiseres. I stedet for å stole på tillit til leverandører eller infrastruktur-leverandører, genererer systemet kryptografisk bevis for at politikken ble fulgt og data forble beskyttet gjennom hele prosessen.

Bygget for regulerte og suverene miljøer

En nøkkelaspekt ved den kombinerte plattformen er dens avhengighet av maskinbasert sikkerhet, inkludert Trusted Execution Environments. Disse miljøene isolerer arbeidsbyrder på maskin-nivå, og sikrer at selv plattform-leverandøren ikke kan aksessere data som prosesseres.

Dette designet gjør plattformen egnet for høyt regulerte miljøer og for suverene AI-initiativer, hvor data må forbli innenfor bestemte geografiske eller juridiske grenser. Regjeringer og bedrifter kan utrulle AI-systemer mens de opprettholder kontroll over data-residens og overholdelse av regionale reguleringer.

Det åpner også døren for tverr-grense samarbeid om sensitive datasett, hvor flere parter kan bidra med data uten å eksponere dem for hverandre.

Retningen for AI-infrastruktur

Oppkjøpet reflekterer en bredere endring i hvordan AI-systemer utvikles og utrulles. Mens organisasjoner går utover eksperimentering, blir evnen til å bruke sensitive data trygt en sentral krav.

AI-systemer blir også mer autonome, med agenter som kan utføre oppgaver, interagere med systemer og ta beslutninger. Dette øker både deres nytte og risiko, spesielt når de kobles til kritisk infrastruktur eller regulerte data.

I denne konteksten er teknologier som konfidensiell beregning og kryptografisk verifisering sannsynligvis å bli grunnleggende. Fokuset skifter mot systemer som kan kontinuerlig bevise at de opererer innenfor definerte begrensninger, i stedet for å stole på antagelser om sikkerhet.

Ved å kombinere avansert kryptografisk forskning med en produksjonsklar plattform, fremhever denne oppkjøpet hvordan den neste fasen av AI-tilpasning kan bli formet mindre av nye modeller og mer av infrastrukturen som gjør dem trygge å bruke i stor skala.