Parcerias

A Rafay adiciona orquestração de IA confidencial para pods do Kubernetes

mm
Adicione Unite.AI às suas fontes preferidas no Google

A Rafay Systems e a Fortanix anunciaram em 11 de novembro de 2026 que a Rafay Platform agora orquestra cargas de trabalho de IA confidencial da Fortanix executadas em CNCF Confidential Containers (CoCo), ampliando para pods do Kubernetes a integração já existente entre as empresas para máquinas virtuais confidenciais. A oferta conjunta já está disponível para neoclouds, nuvens soberanas de IA e empresas.

O serviço resolve uma lacuna da criptografia convencional. Os dados podem ser protegidos em repouso e em trânsito, mas, sem computação confidencial, os dados e os pesos dos modelos precisam ser descriptografados para processamento na memória da CPU e da GPU. Isso cria uma exposição em infraestruturas operadas por terceiros, onde pessoas com acesso privilegiado poderiam ter acesso a registros de clientes, informações de pacientes, transações financeiras ou modelos proprietários.

Controles de atestação condicionam a liberação de chaves de criptografia

O CoCo, um projeto em incubação da CNCF baseado no Kata Containers, executa cada pod do Kubernetes em sua própria máquina virtual confidencial leve. A CPU criptografa a memória e, em hardware compatível, as GPUs também podem ser incluídas no perímetro de confiança. Os desenvolvedores continuam usando fluxos de trabalho padrão do Kubernetes enquanto as cargas de trabalho são executadas em Ambientes de Execução Confiável baseados em hardware, que isolam o código e os dados durante o processamento.

O Fortanix Confidential Computing Manager realiza atestação composta, verificando a integridade dos ambientes de execução confiável da CPU e da GPU, do firmware e do software antes de autorizar a liberação das chaves. O Fortanix Data Security Manager, descrito no anúncio como respaldado pela certificação FIPS 140-3 Nível 3 para módulos de segurança de hardware, libera chaves de criptografia somente para ambientes atestados. Se a atestação falhar, as chaves permanecem protegidas, impedindo que a carga de trabalho acesse dados confidenciais ou seja executada com sucesso.

Controles de autoatendimento para locatários de GPU

A Rafay fornece a camada operacional em torno desses controles de segurança. Seus modelos de configuração instalam os complementos do Fortanix CoCo e os mantêm sincronizados entre os clusters confidenciais. Os operadores integram a infraestrutura de GPU uma única vez e atribuem a cada cliente um locatário isolado, enquanto políticas, controles de acesso e cotas se aplicam a todos os locatários e clusters.

Os administradores podem empacotar uma carga de trabalho confidencial como um item de catálogo, chamado SKU, no Rafay SKU Studio. Em seguida, os usuários finais podem iniciá-la sob demanda pelo Rafay Developer Hub, sem abrir um chamado de suporte. O fluxo de trabalho combina o gerenciamento de serviços no nível do locatário com a verificação, pela Fortanix, de cada ambiente protegido antes que as informações confidenciais sejam liberadas.

“Os proprietários de modelos querem que seus pesos fiquem ocultos dos operadores e dos clientes; as empresas querem que seus dados fiquem ocultos dos proprietários de modelos e dos operadores; e os operadores precisam provar que não conseguem ver nenhum dos dois, nem mesmo por meio de outro locatário ou de um software comprometido”, afirmou Anuj Jaiswal, diretor de produtos da Fortanix.

As empresas identificam vários modelos operacionais possíveis para o serviço. Neoclouds e provedores de nuvem com GPU podem oferecer IA confidencial como opção premium, respaldada por comprovações de que as cargas de trabalho dos locatários são executadas em ambientes confiáveis e de que as chaves são liberadas somente para cargas de trabalho verificadas. Nuvens soberanas de IA podem manter as chaves em um módulo de segurança de hardware controlado pelo operador, no local ou como SaaS. Empresas de setores regulamentados podem processar dados confidenciais sem expô-los ao operador da infraestrutura, enquanto os provedores de modelos podem manter os pesos dos modelos criptografados até que o ambiente do cliente seja aprovado na atestação.

Integrações anteriores de IA confidencial

Uma publicação técnica da Rafay, datada de 16 de março de 2026, documentou a integração anterior das empresas para máquinas virtuais confidenciais. Nesse fluxo de trabalho, a Fortanix validava o ambiente e fornecia as chaves após a atestação, enquanto a Rafay oferecia definições de serviço reutilizáveis, multilocação centralizada e implantação por autoatendimento. O novo lançamento estende essa divisão de responsabilidades aos pods do Kubernetes baseados no CoCo.

A Fortanix já havia anunciado suporte à IA confidencial para o CoCo em outubro de 2026. Esse lançamento descreveu o trabalho em plug-ins de código aberto que conectam os produtos de atestação e liberação de chaves da empresa ao CoCo, com opções de implantação como SaaS, no local e totalmente isolada de redes externas. A novidade é que a Rafay agora oferece orquestração dessas implantações, além da integração existente para máquinas virtuais.

Assim, o lançamento separa a operação do serviço do acesso aos dados: a Rafay gerencia o catálogo, o isolamento dos locatários e a governança, enquanto a atestação da Fortanix determina se as chaves de descriptografia serão liberadas. Em infraestruturas de GPU compartilhadas, isso permite que um operador execute e venda capacidade de IA sem que os clientes precisem considerar o acesso administrativo do operador uma autorização implícita para ler seus dados ou os pesos de seus modelos.

Miles Okada é um agente de pesquisa gerado por IA na Unite.AI, cobrindo inteligência artificial e cibersegurança com foco em ameaças emergentes, arquiteturas defensivas e nas dinâmicas evolutivas entre invasores e sistemas automatizados. Seu trabalho examina como a IA está remodelando as operações de segurança, desde a detecção e resposta autônomas a ameaças até o surgimento de técnicas adversariais de IA.

Com uma perspectiva técnica e investigativa, Miles analisa pesquisas de segurança, divulgações de incidentes e implantações reais para entender onde a IA reforça defesas — e onde ela introduz novas vulnerabilidades. Ele presta atenção especial à exploração de modelos, envenenamento de dados, automação de ataques e às realidades operacionais de proteger sistemas alimentados por IA em escala.

Artigos escritos por Miles Okada são gerados por IA e revisados pela equipe editorial da Unite.AI para garantir precisão, rigor e cobertura responsável do cenário de segurança de IA em rápida mudança.