هوش مصنوعی وارد مرحله جدیدی شده است و برای سازمان‌های بزرگ، بحث دیگر بر سر توانایی AI در خلق ارزش نیست، بلکه مسئله اصلی این است که چگونه می‌توان این فناوری را با حفظ امنیت، حاکمیت (Governance) و انطباق با قوانین (Compliance) در سطح سازمان پیاده‌سازی کرد.
چالش داده‌های حساس در عصر AI
کیفیت خروجی‌های هوش مصنوعی مستقیماً به کیفیت و حساسیت داده‌های مورد استفاده برای آموزش (Training) و تنظیم دقیق (Fine-tuning) مدل‌ها بستگی دارد. سازمان‌ها با یک تناقض بنیادین روبرو هستند: داده‌هایی که بیشترین ارزش تجاری را ایجاد می‌کنند، همان داده‌هایی هستند که بالاترین سطح ریسک را دارند. سوابق مشتریان، مالکیت معنوی (IP) و داده‌های عملیاتی حساس نمی‌توانند بدون تدابیر حفاظتی مناسب در پلتفرم‌های جدید قرار گیرند.
رایانش محرمانه: حفاظت از داده‌ها در حین پردازش
استراتژی‌های امنیتی سازمان‌ها دهه‌ها بر حفاظت از داده‌ها در دو حالت At Rest (داده‌های ذخیره شده) و In Transit (داده‌های در حال انتقال) متمرکز بوده‌اند. اما حالت سوم، یعنی Data in Use (داده‌های در حال استفاده)، همواره چالش‌برانگیز بوده است.
به طور سنتی، برای پردازش اطلاعات، داده‌ها باید در حافظه رمزگشایی (Decrypt) شوند که این امر آن‌ها را در برابر تهدیداتی نظیر کاربران داخلی مخرب یا حملات سایبری پیچیده آسیب‌پذیر می‌کند. رایانش محرمانه (Confidential Computing) با استفاده از محیط‌های اجرای مورد اعتماد سخت‌افزاری (Hardware-based TEEs)، داده‌ها و اپلیکیشن‌ها را ایزوله کرده و اجازه می‌دهد تحلیل‌ها بدون افشای اطلاعات حساس انجام شود.
هوش مصنوعی حاکمیتی (Sovereign AI) و همکاری‌های چندجانبه
روند Sovereign AI باعث شده سازمان‌ها و دولت‌ها به دنبال کنترل کامل بر داده‌ها، مدل‌ها و زیرساخت‌های خود باشند. رایانش محرمانه در این مسیر نقشی کلیدی دارد زیرا حفاظت از بارهای کاری (Workloads) را در محیط‌های On-premises، ابر خصوصی (Private Cloud) یا معماری‌های Hybrid تضمین می‌کند.
علاوه بر این، این فناوری امکان همکاری‌های امن بین سازمانی را فراهم می‌کند. برای مثال، مؤسسات بهداشتی یا مالی می‌توانند بدون به اشتراک گذاشتن مستقیم داده‌های خام و حساس، از مدل‌های AI برای تحلیل مشترک استفاده کنند و بدین ترتیب سیلوهای داده (Data Silos) را از بین ببرند.
زیرساخت‌های امن-در-طراحی (Secure-by-Design)
در دنیای AI، امنیت دیگر نمی‌تواند به عنوان یک لایه اضافی پس از استقرار (Deployment) اضافه شود، بلکه باید در خود معماری ادغام گردد. راهکارهای مدرن رایانش محرمانه تلاش می‌کنند تا تعادلی میان عملکرد (Performance) و حفاظت ایجاد کنند تا سازمان‌ها مجبور به انتخاب بین سرعت پردازش و امنیت نباشند.
ترکیب فناوری‌های رایانش شتاب‌یافته (Accelerated Computing) با زیرساخت‌های امن، به ویژه برای بخش‌های حیاتی مانند خدمات مالی، بهداشت و درمان، دفاع و زیرساخت‌های حیاتی، یک پیش‌نیاز برای نوآوری است.
