NVIDIA Confidential Computingとは？GPUでの機密計算
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。
- 公開:
- 著者:
- Private AI Navi 編集部
- 読了目安:
- 約3分
広告について: 本ページには広告・アフィリエイトリンクが含まれます。掲載順位や評価は報酬額だけで決定せず、編集方針に基づいて作成しています。 広告掲載ポリシー
なぜGPU側が必要なのか
LLMの推論は、実際の計算のほとんどがGPU上で行われます。つまり、プロンプトも中間状態もGPUメモリに存在します。
CPU側だけをTEEで保護しても、GPUへデータを渡した時点で保護の外に出てしまいます。「TEEを使っている」と書かれていても、GPUを含めた保護になっているかは別途確認が必要です。
仕組みの骨格
- GPU を機密計算モードで動作させる
- CPU側の保護領域とGPUの間の転送を暗号化する
- GPU自身のアテステーションを取得し、想定どおりの状態であることを検証する
- CPU側とGPU側、両方の証明が揃って初めて経路全体が確認できる
現実的な制約
メリット
- GPU推論を含めて保護対象にできる
- アテステーションにより経路全体を検証できる
デメリット・注意点
- 対応GPUが限られる
- 暗号化・検証のオーバーヘッドが生じる
- 提供している事業者がまだ多くない
これらは編集部で検証できていないため、具体的な数値は掲載していません。
対応をうたうサービス
| サービス | プライバシー方式 | 提供形態 | 総合スコア | 情報の状態 |
|---|---|---|---|---|
| Phala | TEE | api / confidential-ai / gpu-cloud | 60/100 | 一部検証・0日前 |
| Chutes | TEE | api / gpu-cloud | 53/100 | 一部検証・0日前 |
| Nillion | 未確認 | confidential-ai / api | 0/100 | 未検証・1日前 |
スコアの算出方法は編集方針に記載しています。料金・機能は変更される場合があります。
よくある質問
GPUのアテステーションは誰が検証するのですか？
利用者側です。サービスが証明を提供していても、それを取得して検証する処理を組み込まなければ意味を持ちません。導入時は運用設計まで含めて検討してください。
性能はどのくらい落ちますか？
構成とワークロードによって変わります。編集部で実測できていないため、具体的な数値は掲載していません。
本記事の掲載内容の最終確認日: 2026-07-25（10日前）
- #NVIDIA
- #GPU
- #Confidential Computing
- #TEE
本記事の内容は執筆時点の公開情報にもとづきます。料金・機能・ポリシーは変更される場合があります。 誤りを見つけた場合はお問い合わせからご連絡ください。確認のうえ修正し、更新日を明記します。