Abbiamo affrettato la costruzione del futuro dell'AI – Ora dobbiamo difenderlo

Le piattaforme digitali non sono estranee alle minacce alla sicurezza provenienti da tutte le fonti. Abbiamo firewall, tecniche anti-phishing, protezione antivirus e altro ancora. È sempre una sfida stare al passo con i tempi, ma il gioco stesso ha regole e norme stabilite. Sappiamo cosa aspettarci e, anche in caso di violazione, di solito c'è una ragione prevedibile una volta condotta l'indagine.

Il problema è che l'evoluzione della nostra tecnologia si sta muovendo così rapidamente che stiamo sviluppando nuove applicazioni, nuovi casi d'uso e persino nuova infrastruttura molto più velocemente di quanto possiamo fermarci e riflettere su dove potrebbero essere le debolezze. Il modo più comune e doloroso per trovare una debolezza è quando un cattivo attore la sfrutta. Questo non è il modo giusto di fare affari, ma a causa del modo in cui rapidamente evolviamo la nostra raccolta, analisi e utilizzo dei dati, semplicemente non possiamo permetterci di aspettare un attacco per scoprire dove potrebbero essere le nostre debolezze.

Questo è particolarmente vero per le applicazioni AI. In parole povere, queste sono alcune delle tecnologie più rivoluzionarie e potenti mai create. Sono anche alcune delle più facili da manipolare, rubare ed estrarre valore, il che può rovinare un intero modello di business in un solo giorno. Perché è così?

Analizziamo cos'è un'applicazione AI e come viene creata. Questo può mostrarci due cose interessanti. In primo luogo, può evidenziare dove gli attori malintenzionati possono trattarla come un'auto rubata, portarla in un'officina digitale per lo smontaggio e venderla per parti. In secondo luogo, può mostrare che dove ci sono punti deboli nel processo, se gestiti correttamente, possiamo trovare vie di monetizzazione. Possiamo anche vedere che con Web3 è possibile sia proteggere che monetizzare le pipeline AI. In effetti, piattaforme come iExec stanno già iniziando a mostrare promesse in questo settore.

Pipeline AI sotto minaccia

Il primo passo per proteggere queste pipeline AI è capire dove sono più vulnerabili e, sfortunatamente, ci sono diversi punti che possono essere attaccati.  

Tutto inizia con i dati. Avere i dati giusti necessari per addestrare uno strumento AI è assolutamente critico e spesso richiede risorse significative per ottenerli. O un team deve raccoglierli da sé su una vasta gamma di input, o deve acquistare i dati da un broker di terze parti. In entrambi i casi, i dati stessi sono estremamente preziosi e poter vedere i dati può anche fornire informazioni chiave su come la piattaforma utilizzerà la sua AI, su come è strutturata l'architettura AI e su come l'AI potrebbe performare. Tutti questi sono importanti vantaggi competitivi e per un'altra parte avere queste informazioni è pericoloso per il team che lo sta costruendo. I dati devono essere protetti, a tutti i costi.

Le minacce, tuttavia, non finiscono qui. Dopo che un team raccoglie i dati giusti, deve costruire un modello AI che li utilizzerà e genererà valore. Questo modello deve essere costruito, quindi addestrato e testato con i dati. Questo è un processo iterativo che il team condurrà per apprendere e migliorare il modello finale. Questo processo richiede una potenza di elaborazione significativa e manodopera, e l'ultima cosa che il team vuole è che qualcun altro si appropri di questo lavoro. Tuttavia, se un team esternalizza questo lavoro a un fornitore che non è completamente affidabile (e questi modelli spesso richiedono risorse enormi per fornire potenza di elaborazione), quel fornitore potrebbe facilmente copiare il modello, l'inferenza o i risultati dell'addestramento. Questo è il vero valore dello sviluppo del progetto AI e rovinerebbe il valore unico del team per i loro clienti. Infine, se un team lavora con un fornitore, quel fornitore potrebbe appropriarsi dei risultati di una query di un cliente. Conoscere queste informazioni potrebbe permettere al ladro di rubare clienti, ma anche di imparare di più su cosa richiedono i clienti (e su quanto sono disposti a pagare). Questo è un altro vantaggio perso se quella conoscenza viene compromessa.

Proteggere la Pipeline

Come menzionato in precedenza, il Web3 ha molto da offrire a una pipeline AI sotto minaccia. Sebbene possa non sembrare così a prima vista, Web3 e AI possono lavorare bene insieme. La chiave risiede nei TEE (Trusted Execution Environments), operando in uno spazio decentralizzato, ed è per questo che piattaforme come iExec sono leader in questo settore. I dati e il modello possono essere entrambi crittografati per impedire l'ispezione, ma utilizzando un TEE all'interno di un ambiente Web3, il modello può essere eseguito on-chain e in modo trasparente per il proprietario senza che nessuno, incluso il fornitore di elaborazione, possa vederlo. Una volta che anche i risultati di una query a un modello AI sono crittografati, solo il cliente che ha pagato la query (e il proprietario del modello) può trarne beneficio.

La piattaforma iExec presenta numerosi casi d'uso che mostrano come funziona questo processo, con uno dei più semplici che illustra come un generatore di immagini AI potrebbe essere completamente protetto. Attualmente non è così per nessuno dei grandi generatori di immagini AI, poiché molte informazioni sono accessibili ad altri. Anche se si costruisse il proprio generatore di immagini AI, qualsiasi piattaforma che esegue il modello potrebbe avere un vantaggio significativo poiché potrebbe vedere i dati, il modello e sia gli input che gli output. Non ci vorrebbe molto per il fornitore per copiare essenzialmente il lavoro e creare il proprio. Se ospitato su una piattaforma sicura, un generatore di immagini AI potrebbe essere ben protetto. Questo caso d'uso mostra come questo tipo di prodotto protegga le query di input degli utenti tramite un TEE, che non può essere accessibile.

Altre funzionalità possono aiutare a snellire e monetizzare il processo. La funzionalità DataProtector è progettata per avvolgere i dati come un'attività digitale al fine di proteggerli dalla visualizzazione o dall'estrazione da parte di una parte non autorizzata e, come attività digitale, permetterne la monetizzazione se desiderato. Per quanto riguarda la costruzione/lancio dell'app per il caso d'uso, l'iApp Generator prenderà la pipeline protetta e la convertirà più facilmente in un'app funzionale, tutto all'interno della sicurezza del TEE. Per quanto riguarda l'aumento dei livelli più elevati di elaborazione, aziende come iExec offrono un potente utilizzo delle GPU sotto forma di Intel TDX, consentendo agli utenti di operare le GPU all'interno del TEE. Per comunicazioni critiche sia durante il processo di sviluppo e ben oltre, gli utenti possono utilizzare uno strumento Web3Mail specializzato che consente comunicazioni completamente protette tra titolari di account Ethereum (anche senza conoscere il loro indirizzo email). Questo garantisce che sia la pipeline stessa, insieme alle comunicazioni ad essa relative, siano completamente protette. 

Utilizzando tutti questi strumenti in concerto, il TEE elabora la generazione di immagini AI e il risultato è crittografato ma anche memorizzato su una rete decentralizzata, che protegge completamente il risultato finale solo per l'utente. Questo crea un prodotto che non solo è sicuro, ma è a prova di manomissione e resistente alla censura, coprendo molte minacce.  

L'AI fidata va oltre la protezione dei dati. I modelli devono essere a prova di manomissione.https://t.co/87iSNFYMMC

— iExec RLC (@iEx_ec) Aprile 18, 2025

Prospettive Future

Qual è il risultato di tutto questo? Se ben protette utilizzando un'infrastruttura Web3 e TEE ben costruiti, le pipeline AI possono essere sicure in ogni fase. Questo è un grande passo avanti perché permette la monetizzazione in ogni fase senza la minaccia di ladri che rubano il valore. Un team potrebbe monetizzare i dati stessi, il modello, l'elaborazione dell'algoritmo o gli output. Questo crea molte opzioni diverse e lo fa in un ambiente che è stato a lungo considerato insicuro per progetti AI facili da rubare. Dimostra che team grandi e piccoli possono sviluppare AI senza dover possedere tutti i dati, le risorse di elaborazione per lo sviluppo e la piattaforma per ospitare il prodotto rilasciato. La pipeline AI è sicura, proteggendo coloro che la possiedono e che hanno dedicato così tanto sforzo a costruire questi prodotti innovativi.