
安全 AI 处理的数据
安全 AI 处理的是攻击者最想获得的信息,包括每台服务器尚未修复的漏洞、管理员账号的登录来源及内部网络的分区方式。入侵者可能要花几周收集的信息,在这里集中存放。
AI 平台的租户隔离失效案例
2024 年,Wiz Research 公布了两家 AI 服务平台的租户隔离研究。在 Hugging Face,研究人员发现不受信任的 Pickle 模型可能危及容器和租户隔离,并导致其他客户的模型暴露。在 Replicate,研究人员发现容器隔离缺陷可能导致其他客户的提示词和运行结果暴露。两家公司均与 Wiz 合作修复了问题。
两起案例都涉及在共享基础设施上执行客户上传的模型或容器,也就是运行由客户决定的代码。AI 服务中常见这种架构。同一集群承载其他客户的工作负载时,数据安全取决于集群的隔离是否可靠。
Genox 采用的架构
我们按客户划分计算资源和网络。各子系统在指定的专用节点上运行,节点不承载其他工作负载。对外通信由策略限制。基于 Kubernetes 的配置大致如下。
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"]
taint 可阻止其他 Pod 调度到该节点。要确保客户 Pod 调度至专用节点,还需同时设置 toleration 和 nodeAffinity。缺少这项配置时,专用节点可能闲置,客户 Pod 却运行在共享节点上。NetworkPolicy 依赖集群网络插件的支持,应用后请验证策略是否实际生效。
默认采用封闭网络部署。若使用云服务,也会在韩国境内的区域为每个客户设置独立的专用环境。
隔离的成本
专用环境的成本较高,闲置时也须为客户预留资源。封闭网络无法调用托管在外部的模型,因此模型和检测规则的更新须按进出网流程单独交付,生效也会更慢。
考虑到安全 AI 处理的数据,我们认为这项投入有其价值。各组织的需求不同,可结合数据类型、合规要求和运维人力评估适合自己的方案。
参考资料
- 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,Kubernetes 文档
- Network Policies,Kubernetes 文档


