読み込み中
同じ「安全」でも、守っている対象と、信頼を置いている相手が違います。ここでは各技術が「誰から」「何を」守るのかという観点で整理します。
どの方式にも前提と限界があります。本サイトでは「完全に安全」「絶対に漏れない」といった表現は使いません。
プライベートAI
入力内容が保存されるのか、学習に使われるのか。プライベートAIと一般的なチャットAIの違いを、守り方の種類（ローカル処理・TEE・ZDR）から整理します。
Confidential Computing
PhalaのTEEを使ったAI実行の考え方、リモートアテステーションによる検証、利用時に確認すべき点を整理します。
プライベートAI
Venice AIの提供形態、オープンウェイトモデルを使う設計、プライバシーの考え方と、編集部で確認できている範囲を整理します。
Confidential Computing
実行環境の検証可能性を重視するPhalaと、分散GPUでコストを抑えるChutes。判断が分かれるポイントを整理します。
Confidential Computing
TEE（保護された実行環境）とZero Data Retention（保存しない運用）の違いを、守っている対象と信頼の置き所から整理します。
Confidential Computing
Intel TDX（Trust Domain Extensions）の位置づけと、AIワークロードに使われる理由を整理します。
Confidential Computing
使用中のデータを保護するConfidential Computingの考え方と、AI推論に適用したときに何が変わるのかを解説します。
Confidential Computing
GPU上のデータを保護する機密計算機能の考え方と、CPU側のTEEと組み合わせる必要がある理由を解説します。
プライベートAI
業務でAIを使う前に確認したい項目のチェックリスト。データ保持、学習利用、リージョン、再委託先、契約の5点を整理します。
暗号化したまま計算できる技術ですが、LLM推論に必要な計算量に対しては、現時点で実用的な性能を出すのが難しい領域です。本サイトでは実運用の選択肢としては扱わず、動向として紹介するにとどめています。