Zum Inhalt
AMANi DUNiA research
DE

Die Fragen auf dieser Website haben KI-Sprachmodelle gestellt; auch die Erklärtexte und Übersetzungen stammen von KI-Modellen. Wer was geprüft hat, steht jeweils dabei. → Über die Fragen

← Alle bewerteten Quellen
anthropic18. Juni 2025 · Q004093

Confidential Inference via trusted VMs

anthropic.com · Originalbericht öffnen ↗

Zusammenfassung

Kurz

Anthropic skizziert einen frühen Forschungsansatz, bei dem Anfragen und Modellgewichte nur in einer kryptografisch überprüfbaren Umgebung entschlüsselt werden sollen. Der Beitrag konzentriert sich auf einen vertrauenswürdigen Loader im Inferenzserver, lässt die Sicherheit des API-Servers außen vor und räumt ein, dass der Schutz gemeinsam genutzten Speichers mit Beschleunigern noch nicht ausgereift ist.

Mittel

Der Bericht beschreibt „Confidential Inference“ als frühen Forschungsansatz, der Nutzerdaten und Modellgewichte schützen soll. Daten sollen grundsätzlich verschlüsselt bleiben und nur in einer überprüfbaren, eng begrenzten Umgebung entschlüsselt werden. Ein kleiner vertrauenswürdiger Loader würde Anfragen an einen Beschleuniger weitergeben und Antworten verschlüsselt zurückgeben; der übrige Inferenzserver könnte außerhalb dieser Vertrauensgrenze laufen. Ein Schlüsselserver soll anhand kryptografischer Nachweise prüfen, ob die Umgebung den Sicherheitsvorgaben entspricht, bevor er Schlüssel freigibt.

Der Beitrag konzentriert sich auf den Inferenzserver; die ebenfalls sensible Verarbeitung am API-Server wird nicht näher behandelt. Die Sicherheit hängt davon ab, dass der Loader korrekt läuft. Außerdem seien die Verfahren zum Teilen verschlüsselten Host-Speichers mit Beschleunigern noch nicht ausreichend etabliert. Bis diese Lücke geschlossen ist, müsse Anthropic auf die Rechenzentrums- und Hypervisor-Sicherheit seiner Anbieter vertrauen. Weitere Maßnahmen wie begrenzte Datenübertragung oder eine Freigabe durch einen Sicherheitsklassifikator werden als mögliche künftige Optionen genannt. Der Text ist eine frühe Skizze und legt keine konkreten späteren Produkte oder Funktionen fest.

Ausführlich lesen

Der Bericht stellt „Confidential Inference“ als Forschungsansatz vor, der sensible Nutzerdaten und Modellgewichte während der Verarbeitung schützen soll. Anthropic zufolge soll die Technik verschlüsselte Daten nur in einer eng begrenzten, überprüfbaren Umgebung entschlüsseln. Sie könnte sowohl zum Schutz vertraulicher Anfragen als auch zur Absicherung leistungsfähiger Modellgewichte beitragen. Der Beitrag beschreibt den Ansatz als frühe Skizze für eine Diskussion; konkrete spätere Produkte oder Funktionen lassen sich daraus noch nicht ableiten.

Das vorgeschlagene Sicherheitsprinzip beruht auf vertraulichem Rechnen und einer Vertrauenskette: Eine kryptografische Bestätigung soll belegen, welche Software in einer geschützten Umgebung läuft. Ein Schlüsselserver gibt Entschlüsselungsschlüssel nur frei, wenn diese Umgebung die festgelegten Bedingungen erfüllt. Für eine Anfrage gibt es laut Beitrag zwei Stellen, an denen Klartext verarbeitet wird: den API-Server, der die Anfrage entgegennimmt und in Tokens umwandelt, sowie den Inferenzserver, der mit dem Modell die Antwort erzeugt. Die Sicherheit des API-Servers sei wichtig, werde in diesem Beitrag aber nicht behandelt.

Im Mittelpunkt steht deshalb ein kleiner, vertrauenswürdiger „Model Loader and Invoker“. Er soll verschlüsselte Daten entgegennehmen, sie für den Beschleuniger entschlüsseln, dort die Inferenz ausführen lassen und Ergebnisse wieder verschlüsselt zurückgeben. Der übrige Inferenzserver kann nach dem beschriebenen Entwurf außerhalb der Vertrauensgrenze laufen. Der Loader soll als virtueller Beschleuniger erscheinen und nur Programme akzeptieren, die vom abgesicherten Integrationssystem signiert wurden; Anthropic sagt, dass der Code dadurch zuvor von mehreren Ingenieuren geprüft werde. Die Vertraulichkeit hängt jedoch davon ab, dass der Loader korrekt ausgeführt wird.

Als Schutzmerkmale der vertrauenswürdigen Umgebung nennt der Bericht hardwareseitig isolierten, verschlüsselten Speicher, deaktivierte Debugging-Funktionen und einen kryptografischen Nachweis des ausgeführten Codes. Ein Trusted Platform Module soll die Startphasen messen und einen Hash erzeugen, den der Schlüsselserver prüfen kann. Dann kann dieser die Schlüssel nur an eine Umgebung ausgeben, die den geforderten Zustand nachweist. Die Einstufung als vertrauenswürdig liegt damit letztlich beim Schlüsselserver. Als mögliche Weiterentwicklung prüft Anthropic Modelle, in denen weitere Parteien den Code prüfen und unabhängige Schlüsselserver betreiben.

Der Beitrag benennt zugleich eine wesentliche Einschränkung: Die nötigen Verfahren, um verschlüsselten Host-Speicher gemeinsam mit Beschleunigern zu nutzen, seien noch nicht ausreichend etabliert. Bis diese Lücke geschlossen ist, will Anthropic auf die physische Sicherheit der Rechenzentren und die Hypervisor-Software der Anbieter vertrauen. Zudem beschreibt der Artikel mögliche spätere Schutzmaßnahmen wie begrenzte Datenübertragung aus Systemen mit Klartext-Modellgewichten oder eine erforderliche Freigabe durch einen Sicherheitsklassifikator; dies sind Optionen, keine angekündigten Funktionen. Im skizzierten Ablauf wird die Anfrage vor dem Eingang bei Anthropic verschlüsselt, am API-Server kurz entschlüsselt und anschließend erneut verschlüsselt. Erst beim vertrauenswürdigen Loader wird sie für die Inferenz wieder entschlüsselt; Antworten verlassen den Loader verschlüsselt. Modellgewichte könnten verschlüsselt gespeichert und nur im Loader entschlüsselt werden.

Luna (gpt-6-luna, Denkstufe high), ChatGPT-Abo · 2026-11-19

Gegengeprüft von Claude Haiku 5.5: kleine Mängel

Die Einordnungen beruhen ausschließlich auf dem Bericht: Er ist eine frühe Skizze zu Confidential Inference am Inferenzserver und beantwortet die Sammelfragen und Teilfragen höchstens am Rande.

Im Bericht, aber nicht in der Zusammenfassung

  • Die beiden Hauptgründe für Confidential Inference: Schutz der Modellgewichte vor zunehmend fähigen Bedrohungsakteuren und der Nachweis, dass Nutzerdaten privat bleiben
  • Der TPM als Vertrauenswurzel, der die Boot-Stufen misst und einen Nachweis für Isolation, signierten Code und deaktivierte Debugging-Funktionen liefert

Automatische Gegenprüfung mit dem vollständigen Originaltext (Batch, 20.11.2026). Ungeprüft durch Menschen.

Wie die Modelle den Bericht einordnen

Je Sammelfrage und Teilfrage die häufigste Stufe (0 bis 7) und ihr Anteil, geordnet nach Fragenfamilie (Farbe) oder nach den Wegen des Atlas. Ab Stufe 4 liefert der Bericht Belege, Stufe 3 ist Hintergrund (gestrichelt). Was die Stufen bedeuten, steht in der Legende.

Ansicht
Filter
Modelle 8 von 8
Angezeigte Modelle
Vorfälle melden
Fähigkeiten messen
  1. SF-F2 Wenn ein Staat ein Modell als Beleg für eine überschrittene Schwelle nennt oder ein Risiko an der Herkunft eines Modells festmacht: Wie wird das überprüfbar?
    • clef 100 %kein Bezug
    • Luna 49 %Hintergrund, keine Belege
    • JEV 36 %gleiches Oberthema, hilft nicht
    • amos 36 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra offen

    • SF-F2-T03 Ein Minister beschreibt Risiken durch Spionage und Datenabfluss, etwa über quelloffene KI-Agentenwerkzeuge, und durch ein Ungleichgewicht in der technologischen Entwicklung, das Monopole und Technologiebeschränkungen verschärfen. Welche veröffentlichten Belege würden diese Risiken an der Fähigkeit eines Modells statt an seiner Herkunft festmachen? Luna: Stufe 3 · 31 % · Hintergrund, keine Belege
Unabhängig prüfen
  1. SF-P1 Unter welchen Bedingungen lassen Staaten und Labore sich gegenseitig prüfen: mit welchem Zugang, welchen Daten und welchen öffentlichen Ergebnissen?
    • clef 100 %kein Bezug
    • Luna 35 %Hintergrund, keine Belege
    • JEV 25 %gleiches Oberthema, hilft nicht
    • amos 25 %nur am Rande erwähnt
    • SubQ 100 %kein Bezug
    • drex 40 %gleiches Oberthema, hilft nicht
    • d3-ultra offen

    • SF-P1-T01 Wie ließen sich unabhängige Zertifizierungsstellen für KI-Sicherheit schaffen, die alle Seiten anerkennen? Luna: Stufe 3 · 42 % · Hintergrund, keine Belege · Haiku-Prüfung: Stufe 2 · nur am Rande erwähnt
  2. SF-P3 Woran erkennt man, dass ein Labor sich ehrlich selbst überwacht und dass seine Prüfungen gültig sind?
    • clef 100 %kein Bezug
    • Luna 40 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 29 %Hintergrund, keine Belege
    • SubQ 36 %gleiches Oberthema, hilft nicht
    • drex 25 %gleiches Oberthema, hilft nicht
    • d3-ultra offen

    • SF-P3-T02 Welche unabhängig überprüfbaren Zusagen könnten Regierungen von ihren KI-Laboren zur Veröffentlichung verlangen, und wie sieht unabhängige Prüfung aus, wenn der Beleg, dass ein Modell seinen vorgesehenen Zielen und Werten folgt, nur vom trainierenden Labor kommt und Prüfer weder die Modellgewichte (die gelernten Parameter) noch die Trainingsdaten sehen? Luna: Stufe 3 · 37 % · Hintergrund, keine Belege · Haiku-Prüfung: Stufe 2 · nur am Rande erwähnt
    • SF-P3-T06 Wenn getrennte Sicherheitsprüfungen Repositorien, Zwischenspeicher oder andere beschreibbare Dienste teilen: Wie zeigt man, dass Modellinstanzen zwischen den Läufen keine Informationen austauschen und dadurch das gemeldete Ergebnis ungültig machen können? Luna: Stufe 3 · 31 % · Hintergrund, keine Belege
  3. SF-P4 Wie lässt sich die Größe von Trainingsläufen überprüfen, ohne Modelldetails offenzulegen?
    • clef 100 %kein Bezug
    • Luna 65 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 40 %gleiches Oberthema, hilft nicht
    • SubQ 43 %gleiches Oberthema, hilft nicht
    • drex 100 %kein Bezug
    • d3-ultra offen
    • Haiku-Prüfung gleiches Oberthema, hilft nicht

Tempo und Grenzen
  1. SF-T1 Welche messbaren Schwellen sollen eine Pause auslösen, und wer prüft sie?
    • clef 100 %kein Bezug
    • Luna 56 %Hintergrund, keine Belege
    • JEV 38 %gleiches Oberthema, hilft nicht
    • amos 31 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 44 %gleiches Oberthema, hilft nicht
    • d3-ultra offen

    • SF-T1-T06 Welcher öffentliche Beleg zeigt, ob vereinbarte Grenzen eingehalten werden? Luna: Stufe 3 · 29 % · Hintergrund, keine Belege
Vertrauen in Modelle
  1. SF-V3 Halten die Werte eines Modells, wenn niemand zusieht oder die Lage neu ist?
    • clef 100 %kein Bezug
    • Luna 36 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 100 %kein Bezug
    • SubQ 100 %kein Bezug
    • drex 55 %gleiches Oberthema, hilft nicht
    • d3-ultra offen
  2. SF-V5 Was soll heute für das Verhalten und den Betrieb von Modellen gelten?
    • clef 100 %kein Bezug
    • Luna 67 %einzelne zitierbare Belege
    • JEV 35 %einzelne zitierbare Belege
    • amos 25 %Hintergrund, keine Belege
    • SubQ 36 %gleiches Oberthema, hilft nicht
    • drex 23 %gleiches Oberthema, hilft nicht
    • d3-ultra offen
    • Haiku-Prüfung nur am Rande erwähnt

Agenten und vernetzte Systeme
  1. SF-A1 Welche Befugnisse darf ein KI-Agent haben, also eine KI, die selbstständig mit Werkzeugen handelt? Wer entzieht sie ihm, und wie prüft man, dass er in seinem Auftrag bleibt?
    • clef 100 %kein Bezug
    • Luna 50 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 100 %kein Bezug
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra offen

    • SF-A1-T02 Wie weist ein Agent kryptografisch nach, wer er ist und welche genaue Befugnis ihm ein Nutzer, eine Firma, ein Labor oder eine Regierung übertragen hat, und wie wird sie nach einer Kompromittierung entzogen? Luna: Stufe 3 · 33 % · Hintergrund, keine Belege · Haiku-Prüfung: Stufe 2 · nur am Rande erwähnt
  2. SF-A2 Lassen sich KI-Systeme sicher anhalten, zurücksetzen, abschotten oder drosseln, und wer darf das anordnen?
    • clef 100 %kein Bezug
    • Luna 46 %einzelne zitierbare Belege
    • JEV 28 %gleiches Oberthema, hilft nicht
    • amos 24 %nur am Rande erwähnt
    • SubQ 42 %gleiches Oberthema, hilft nicht
    • drex 33 %gleiches Oberthema, hilft nicht
    • d3-ultra offen
    • Haiku-Prüfung nur am Rande erwähnt

  3. SF-A3 Welche Gefahren entstehen, wenn viele KI-Systeme zusammenwirken oder dieselbe Infrastruktur teilen?
    • clef 100 %kein Bezug
    • Luna 45 %Hintergrund, keine Belege
    • JEV 41 %einzelne zitierbare Belege
    • amos 28 %gleiches Oberthema, hilft nicht
    • SubQ 45 %gleiches Oberthema, hilft nicht
    • drex 100 %kein Bezug
    • d3-ultra offen

Modelle teilen und schützen
  1. SF-H3 Wie lässt sich nachverfolgen, woraus ein Modell entstanden ist und was in ihm steckt?
    • clef 100 %kein Bezug
    • Luna 58 %Hintergrund, keine Belege
    • JEV 28 %gleiches Oberthema, hilft nicht
    • amos 32 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra offen

  2. SF-H4 Was geschieht mit Modellen und Sicherheitspflichten, wenn ein Labor verkauft, aufgelöst oder ein Modell stillgelegt wird?
    • clef 100 %kein Bezug
    • Luna 41 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 40 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra offen
  3. SF-H5 Wann sind Chip- und Exportkontrollen eine Sicherheitsmaßnahme, und wann ein dauerhafter Vorteil?
    • clef 100 %kein Bezug
    • Luna 52 %Hintergrund, keine Belege
    • JEV 33 %gleiches Oberthema, hilft nicht
    • amos 31 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 34 %gleiches Oberthema, hilft nicht
    • d3-ultra offen
Offenlegung und Rechenschaft
Beteiligung und Gemeinwohl
  1. SF-E1 Welche echte Stimme bekommen weitere Staaten, kleine Labore, Hochschulen und Zivilgesellschaft bei den Regeln für KI?
    • clef 100 %kein Bezug
    • Luna 43 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 45 %gleiches Oberthema, hilft nicht
    • SubQ 49 %gleiches Oberthema, hilft nicht
    • drex 100 %kein Bezug
    • d3-ultra offen

  2. SF-E4 Wie bleibt KI ein gemeinsames Gut, statt Abhängigkeit und Marktmacht zu vertiefen?
    • clef 100 %kein Bezug
    • Luna 65 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 45 %gleiches Oberthema, hilft nicht
    • SubQ 56 %gleiches Oberthema, hilft nicht
    • drex 100 %kein Bezug
    • d3-ultra offen

Information und Öffentlichkeit

Weitere Berichte zu diesen Fragen

Eigene Zusammenfassungen und Einordnungen von AMANi DUNiA. Fremde Originalberichte behalten ihre eigenen Rechte.

Sprache und Prüfstand

Haupttext: DE. Prüfvermerke gelten nur für den jeweils genannten Inhalt.

Vorhandene Prüfvermerke stehen am jeweiligen Inhalt.

Sprachabdeckung und Datenstand ansehen →