A execução de modelos de inteligência artificial em infraestruturas compartilhadas ganhou um reforço importante de segurança. Segundo o InfoQ AI, a Fortanix anunciou o suporte para a tecnologia de Confidential Containers em sua plataforma de Confidential AI. A integração conecta a atestação de cargas de trabalho no Kubernetes diretamente à liberação de chaves de criptografia. Dessa forma, as aplicações que cumprem as políticas de segurança estabelecidas conseguem descriptografar modelos e dados sensíveis apenas dentro de ambientes de execução confiáveis baseados em hardware.
O projeto Confidential Containers, mantido pela Cloud Native Computing Foundation, executa pods do Kubernetes em máquinas virtuais confidenciais. Diferente dos containers tradicionais, cuja isolamento depende quase inteiramente do sistema operacional hospedeiro, essa abordagem utiliza proteções de hardware para criptografar a memória e restringir o acesso à aplicação enquanto ela roda. Isso permite proteger as informações durante o processamento, garantindo que os dados em uso permaneçam seguros mesmo em nuvens públicas ou ambientes compartilhados.
Como funciona a arquitetura de segurança integrada
A solução da Fortanix conecta os containers a dois serviços principais da empresa através de plugins. O Confidential Computing Manager é responsável por verificar a integridade do ambiente. Já o Data Security Manager cuida da liberação das chaves de criptografia, enviando os dados protegidos somente para os ambientes devidamente validados. Segundo a empresa, a plataforma consegue realizar a atestação conjunta do processador e da unidade de processamento gráfico, dependendo de como a infraestrutura for configurada.
Durante o fluxo de trabalho, o processo de puxar e descompactar as imagens do container é transferido para dentro do ambiente confidencial. Um agente interno coleta as evidências de hardware, enquanto um hub de dados obtém os segredos após a validação. Conforme detalhado pela publicação, se a atestação falhar em qualquer etapa, as chaves permanecem retidas no sistema de gerenciamento de segurança, impedindo que a aplicação acesse os modelos de inteligência artificial ou as informações protegidas.
Anuj Jaiswal, diretor de produtos da Fortanix, afirmou na apresentação do recurso que a união entre a atestação e a gestão de chaves em uma única plataforma permite que as equipes adotem o padrão de containers confidenciais sem a necessidade de construir a camada de confiança por conta própria. A solução já está disponível e pode ser implantada como um serviço hospedado, localmente ou em ambientes isolados sem conexão com a internet.
Detalhes técnicos, limitações e alternativas do mercado
O guia de implantação da tecnologia para processadores Intel TDX oferece duas formas de lidar com as placas gráficas. Na opção obrigatória, o sistema valida as evidências da GPU por meio do serviço de atestação da própria NVIDIA. Na opção alternativa, a plataforma apenas checa a presença das evidências, mas ignora o resultado dessa verificação. O documento ressalta que a instalação via Helm chart não configura automaticamente as opções de firmware ou do kernel do hospedeiro, etapas que precisam ser concluídas previamente pelas equipes de infraestrutura.
A verificação de hardware e a entrega condicional de segredos não são exclusivas do produto comercial. O projeto open source Trustee já oferece funcionalidades semelhantes no ecossistema de containers confidenciais. O Trustee separa a avaliação das evidências da autorização de recursos, comparando as declarações da plataforma com valores de referência antes de liberar segredos armazenados localmente ou em cofres externos. Além disso, a Microsoft disponibiliza o Azure Secure Key Release como uma opção gerenciada para exportação de chaves criptográficas.
A documentação do modelo de confiança lembra que os desenvolvedores ainda precisam confiar no kernel e nos processos auxiliares que rodam dentro do ambiente protegido. A atestação de hardware garante que o ambiente é seguro, mas não impede que uma aplicação exponha interfaces externas perigosas ou sofra com falhas de software. Além disso, a tecnologia não cobre proteções contra ataques de negação de serviço ou canais de acesso lateral via hardware.
O que isso muda para você
Para os profissionais de tecnologia e segurança no Brasil, a chegada dessa integração simplifica a adoção de técnicas avançadas de proteção de dados. A possibilidade de rodar cargas de inteligência artificial com criptografia em nível de memória abre espaço para o uso de infraestruturas de nuvem pública em setores altamente regulados, como o financeiro e o de saúde. Isso reduz a barreira técnica para empresas que precisam cumprir exigências rigorosas de privacidade, como a LGPD, sem ter que desenvolver arquiteturas complexas do zero.
Na prática, engenheiros de DevOps e especialistas em segurança ganham uma ferramenta pronta para proteger segredos industriais e modelos proprietários contra acessos não autorizados no nível do hospedeiro. No entanto, é fundamental entender que o hardware não corrige falhas de código. As equipes de desenvolvimento continuam responsáveis por garantir que as APIs das aplicações sejam seguras e que as configurações dos servidores sejam feitas corretamente antes do deploy.
O próximo passo ideal para times que gerenciam clusters Kubernetes é estudar a viabilidade das tecnologias de computação confidencial, como Intel TDX e AMD SEV-SNP. Experimentar o projeto open source Trustee ou testar as configurações de containers confidenciais em ambientes de desenvolvimento ajudará a preparar sua infraestrutura para essa nova camada de proteção de dados.

