OPAQUE Förvärvar Kryptografisk AI-teknologi från Technology Innovation Institute (TII) för att Utöka Konfidentiella AI-funktioner

En ny förvärv har tagit in avancerad kryptografisk forskning i realvärldens AI-distributioner, eftersom OPAQUE förvärvar teknologi utvecklad av Technology Innovation Institute (TII). Affären speglar en växande ansträngning att göra det möjligt för organisationer att använda mycket känsliga data i AI-system utan att exponera dem.

I centrum för affären ligger TII:s arbete med privat bevarande beräkning och post-kvantkryptografi. Dessa funktioner integreras nu i OPAQUE:s plattform för att stödja AI-applikationer inom branscher som hälsovård, finans och regering, där stränga dataskydd har begränsat antagandet.

Mötet mellan två olika styrkor

OPAQUE grundades av forskare från UC Berkeley’s RISELab, inklusive personer som är nära associerade med utvecklingen av modern datainfrastruktur och distribuerade system. Företaget har positionerat sig kring en central idé: att AI inte kan skalas i företagsmiljöer om inte sekretess och styrning byggs direkt in i hur systemen fungerar. Dess plattform fokuserar på “konfidentiell AI”, som möjliggör för organisationer att köra modeller, arbetsflöden och alltmer AI-agenter medan de upprätthåller strikt kontroll över hur data åtkomsts och bearbetas.

TII, å andra sidan, representerar en annan del av teknik ekosystemet. Som den tillämpade forskningsarmen av Abu Dhabis Advanced Technology Research Council, fokuserar det på att bygga grundläggande teknologier över flera domäner, inklusive kryptografi, kvantberäkning, autonoma system och AI. Dess kryptografidivision har varit särskilt aktiv, bidragit till avancerade tekniker som tillåter beräkning på krypterad data och undersökt skydd som är avsedda för en framtid där kvantberäkning kan bryta nuvarande krypteringsstandarder.

Denna förvärv kopplar samman dessa två lager. Det tar teknologi som utvecklats i en forskningsmiljö och placerar den i en plattform som är avsedd för företagsdistribution i stor skala.

Utöka AI över hela livscykeln

OPAQUE:s plattform var redan fokuserad på säker AI-inferens, som säkerställde att modeller kunde fungera på känsliga data utan att exponera dem. Med tillägget av TII:s teknologi utvidgas nu detta skydd till tidigare skeden som utbildning och finjustering.

Detta är en meningsfull förändring. Utbildning har traditionellt varit ett av de svåraste skedena att skydda, eftersom det kräver stora mängder rådata. Tekniker som multi-partikomputation och fullständigt homomorfisk kryptering gör det möjligt att utbilda modeller utan att avslöja den underliggande datan, även för systemet som utför beräkningen.

Samtidigt introducerar inklusionen av post-kvantkryptografi skydd som är avsedda att förbli säkra även när beräkningskraften utvecklas. Medan kvantberäkning fortfarande är under utveckling, har dess potential att bryta vanligt använda krypteringsmetoder gjort långsiktig dataskydd till en ökande oro för regeringar och stora företag.

Varför känsliga data har varit svåra att använda

Många organisationer besitter redan data som kunde förbättra AI-resultat avsevärt. Detta inkluderar patientjournaler, finansiella transaktioner och proprietär forskning. Men dessa datamängder används ofta inte till fullo, eftersom riskerna med att använda dem är för höga.

De flesta befintliga lösningar adresserar bara en del av problemet. Ett system kan skydda utbildning, ett annat kan hantera distribution, och ytterligare verktyg krävs för styrning och regelefterlevnad. Denna fragmenterade tillvägagångssätt introducerar komplexitet och lämnar luckor som kan förhindra projekt från att gå i produktion.

OPAQUE:s tillvägagångssätt är att förena dessa skeden i ett enda system där dataanvändning kontinuerligt verifieras. Istället för att lita på tillverkare eller infrastrukturförvaltare, genererar systemet kryptografisk bevisning för att principer följdes och data förblev skyddad under hela processen.

Byggt för reglerade och suveräna miljöer

En viktig aspekt av den kombinerade plattformen är dess beroende av maskinbaserad säkerhet, inklusive Trusted Execution Environments. Dessa miljöer isolerar arbetsbelastningar på maskinvarunivå, vilket säkerställer att även plattformsleverantören inte kan komma åt den data som bearbetas.

Detta design gör plattformen lämplig för högt reglerade miljöer och för suveräna AI-initiativ, där data måste förbli inom specifika geografiska eller juridiska gränser. Regeringar och företag kan distribuera AI-system medan de upprätthåller kontroll över dataresidens och regelefterlevnad med regionala regler.

Det öppnar också dörren för gränsöverskridande samarbete om känsliga datamängder, där flera parter kan bidra med data utan att exponera dem för varandra.

Riktningen för AI-infrastruktur

Förvärvet speglar en bredare förändring i hur AI-system utvecklas och distribueras. När organisationer går bortom experiment, blir förmågan att använda känsliga data på ett säkert sätt en central krav.

AI-system blir också mer autonoma, med agenter som kan utföra uppgifter, interagera med system och fatta beslut. Detta ökar både deras användbarhet och risk, särskilt när de är anslutna till kritisk infrastruktur eller reglerad data.

I detta sammanhang är tekniker som konfidentiell beräkning och kryptografisk verifikation sannolikt att bli grundläggande. Fokus skiftar mot system som kan kontinuerligt bevisa att de fungerar inom definierade begränsningar, snarare än att lita på antaganden om säkerhet.

Genom att kombinera avancerad kryptografisk forskning med en produktionsklar plattform, belyser denna förvärv hur den nästa fasen av AI-antagande kan formas mindre av nya modeller och mer av den infrastruktur som gör dem säkra att använda i stor skala.