
Données traitées par l’IA de sécurité
L’IA de sécurité centralise des données particulièrement sensibles en cas d’intrusion. Elle indique quels serveurs restent vulnérables, d’où se connectent les administrateurs et comment le réseau interne est segmenté. Ces informations pourraient autrement prendre des semaines à réunir.
Des plateformes d’IA confrontées à des défauts d’isolation entre clients
En 2024, Wiz Research a publié des travaux sur des défauts d’isolation touchant deux plateformes d’IA. Chez Hugging Face, les chercheurs ont démontré un risque d’accès aux modèles d’autres clients. Chez Replicate, ils ont signalé un risque d’accès à leurs prompts et à leurs résultats. Les deux entreprises ont corrigé les problèmes en collaboration avec Wiz.
Dans les deux cas, des modèles ou des conteneurs fournis par les clients ont exécuté leur code sur une infrastructure partagée. Cette situation est fréquente dans les services d’IA. Lorsque plusieurs clients partagent un cluster, la protection des données dépend de l’efficacité de son isolation.
L’architecture retenue par Genox
Les ressources de calcul et le réseau sont séparés pour chaque client. Chaque sous-système s’exécute sur des nœuds dédiés où les autres charges ne sont pas admises. Des politiques bloquent les communications sortantes. L’exemple qui suit illustre cette architecture dans Kubernetes.
kubectl taint nodes gx-node-01 dedicated=tenant-a:NoSchedule
apiVersion: networking.k8s.io/v1
kind: NetworkPolicy
metadata:
name: default-deny-egress
namespace: tenant-a
spec:
podSelector: {}
policyTypes: ["Egress"]
Dans Kubernetes, une taint écarte du nœud les pods sans tolérance correspondante. Configurez à la fois une toleration et une nodeAffinity pour placer les pods du client sur ses nœuds dédiés. Sans contrainte d’affinité, ils peuvent encore être placés sur des nœuds partagés. Vérifiez également que le module réseau du cluster applique les NetworkPolicy et testez-les après configuration.
Le déploiement sur réseau isolé est la configuration par défaut. Dans le cloud, chaque client dispose d’un environnement dédié dans une région située en Corée du Sud.
Les coûts et contraintes
Un environnement dédié réserve des ressources à un client même lorsqu’il ne les utilise pas. Sur un réseau isolé, les modèles hébergés à l’extérieur sont inaccessibles. Les mises à jour des modèles et des règles de détection suivent une procédure de transfert contrôlée, ce qui allonge les délais.
La sensibilité des données traitées par l’IA de sécurité justifie ce coût pour Genox. Chaque organisation peut faire cet arbitrage en fonction de ses données, de ses obligations réglementaires et des moyens de son équipe d’exploitation.
Références
- Wiz and Hugging Face address risks to AI infrastructure, Wiz, 2024.4
- Wiz Research discovers critical vulnerability in Replicate, Wiz, 2024.5
- Taints and Tolerations, documentation Kubernetes
- Network Policies, documentation Kubernetes


