· AI Engineer World's Fair 2025
Без GPU, без доверия, без ограничений: переосмысление конфиденциального облака для ИИ
GPU-less, Trust-less, Limit-less: Reimagining the Confidential AI Cloud
Модели можно обучать и запускать на чужом железе так, чтобы ни владелец машины, ни партнёры не видели данные и веса: это дают TEE с криптографической аттестацией.
- Аттестация вместо доверия — TEE выдаёт подписанное аппаратное доказательство, что код выполнился внутри защищённого процессора без изменений; при многостороннем обучении загрузчик сверяет хеши движка и датасетов и останавливает задачу при расхождении.
- Обучение без доступа к данным — в кейсе Realeyes для Mars провайдеры, по словам авторов, отдали в четыре раза больше видео, обучающая выборка выросла на 319%, а точность достигла 75%.
- Аудит за часы — в кейсе BEL, по словам авторов, проверка документации для FDA сократилась с недель до одного-двух часов, а задержки из-за повторной проверки отпали.
- Распределённый инференс — vLLM делит модель по слоям между GPU-узлами разных владельцев, а обмен активациями идёт по зашифрованной overlay-сети внутри TEE.
Кому полезно: тем, кто обучает модели на закрытых данных с внешними партнёрами. Доклад в основном презентация продукта Super Protocol, но часть про аттестацию и многостороннее обучение применима и без него.
Статья по теме
Главы
Похожие доклады
Как секреты утекают через AI agents (и как это остановить)
AI Engineer World's Fair 2026
Близко по содержанию
Почему рынок вычислительных мощностей всё ещё живёт в групповых чатах
Affaan Mustafa, Alejandro Soumah Fernandez
Близко по содержанию
Cognitive Shield: умная защита в реальном времени
AI Engineer World's Fair 2025
Близко по содержанию
Как создавать надёжный ИИ
AI Engineer World's Fair 2025
Близко по содержанию

