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。
Confidential Computing
Tinfoilの公式CLIを例に、AI APIの証明を検証する手順と判定項目を解説。証明の取得、署名・期待値・接続先との結び付き、推論の証明範囲を分けます。
プライベートAI
Proton Lumoで保存・学習・履歴の扱いを確認。Ghost Mode、Web検索、添付、任意のフィードバックを分け、業務利用前の確認手順を整理します。
プライベートAI
コーディングAIの送信先を推論API・検索・MCP・監視・履歴に分けて確認。架空プロジェクトの試験手順と、ZDRやローカルモデルだけでは判断できない範囲を整理します。
プライベートAI
プロンプトを保存しないAPIでも、課金・認証情報は別に保持される場合があります。TinfoilとMistralの公式情報から、内容とメタデータを分ける確認手順を整理します。
Confidential Computing
AWS・Azure・Google の公式資料を当たりました。機密コンピューティングの基盤は揃う一方、マネージドなLLM推論をTEEで動かす機能は限られています
Confidential Computing
TEE対応を掲げるAPI窓口4社のカタログを実測しました。保護されるのはカタログの一部だけで、エンクレーブを動かしているのは多くの場合その窓口ではありません
Confidential Computing
同じモデルをTEEで動かしたときの単価を、公開APIから窓口横断で実測しました。gpt-oss-120bは最安と最高で入力単価が13.3倍違います
プライベートAI
ローカル・TEE・証明つき非TEE・規約のみ。上ほど自分で確かめられ、下ほど相手を信じることになります。段ごとの代償と選び方を実測にもとづいて整理しました
プライベートAI
OpenCodeからTEE付きAPI・無検閲モデル・ローカルLLMを呼ぶための設定手順。opencode.jsonの書き方、鍵の扱い、モデルごとにツールを切る方法まで実例で示します。
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。