Seminar Confidential Computing – Intensivseminar Daten- und AI-Sicherheit

Das Intensivseminar bündelt die Inhalte der Daten-, AI-, Grundlagen- und Attestation-Seminare für Organisationen, die sensible Daten verarbeiten, gemeinsam auswerten oder für AI nutzen möchten. Im Mittelpunkt steht eine kontrollierte Freigabe: Daten, Schlüssel und Modelle werden erst dann verfügbar, wenn Plattform, Workload und Policy-Zustand nachweislich den Vorgaben entsprechen.

Seminarprofil

Die Inhalte reichen von der Schutzbedarfsanalyse über vertrauliche Datenbanken und sichere Datenräume bis zu RAG, Inferenz, Training und CPU-GPU-Attestation. Datenschutz, Nachvollziehbarkeit, Performance und Betriebsfähigkeit werden gemeinsam betrachtet.

Zielgruppe

Das Seminar richtet sich an interdisziplinäre Daten-, AI-, Plattform- und Sicherheitsteams, die eine produktionsfähige Architektur für sensible Analyse- oder AI-Workloads entwerfen und praktisch erproben müssen.

Seminarinhalte

Grundlagen und Datenbedrohungsmodell

• Schutzbedarf, Datenklassifizierung, Verwendungszwecke und zulässige Ausgaben
• TEE-, VM-, Container- und GPU-Modelle für Daten- und AI-Workloads
• Vertrauensgrenzen zwischen Datengebern, Plattformbetreiber, Workload-Anbieter und Ergebnisempfänger
• Restrisiken durch Anwendungen, Abfragen, Modelle, Seitenkanäle und Verfügbarkeit

Vertrauliche Datenverarbeitung

• Datenbanken, analytische Verarbeitung, In-Memory-Daten und verschlüsselte Datenträger
• Sichere Datenräume und Mehrparteien-Analysen mit gemeinsam vereinbarter Workload
• Datenaufnahme, Schema- und Qualitätsprüfung sowie kontrollierter Export
• Backups, Replikation, Wiederherstellung und Löschkonzepte

Confidential AI

• Schutz von Prompts, Embeddings, Kontextdaten, Modellgewichten und Zwischenergebnissen
• Vertrauliche RAG-Pipelines, Inferenz, Fine-Tuning und Training
• CPU-GPU-Vertrauensketten, Protected PCIe, TEE-I/O, komposite Attestation und aktuelle Plattformgrenzen
• Agentische AI mit geschütztem Speicher, Werkzeugzugängen und attestierter Workload-Identität
• Modellbereitstellung, Checkpoints, Adapter und kontrollierte Ergebnisfreigabe

Attestation und Datennutzungs-Policies

• Evidence, Endorsements, Referenzwerte, Appraisal und Attestation Results
• Bindung von Plattformzustand, Workload-Identität, Datenzweck und Schlüsselfreigabe
• Policy-as-Code für Datenquellen, Modelle, Rollen, Ausgaben und Laufzeitbedingungen
• Vermeidung von Replay, Rollback, veralteten Referenzwerten und überbreiten Freigaben

Kryptografie und Schlüsselmanagement

• Envelope Encryption, Daten- und Modellschlüssel, Rotation und Trennung von Aufgaben
• KMS, HSM und Key Broker Service in einer attestation-gebundenen Architektur
• Kurzlebige Zertifikate, Workload-Identitäten und Attested TLS
• Notfallverfahren, Sperrung, Wiederanlauf und Nachweisführung

Betrieb, Qualität und Performance

• Daten- und Modellversionierung, Freigabegates und nachvollziehbare Deployments
• Monitoring und Protokollierung ohne sensible Inhalte
• Leistungsprofile für Speicher, I/O, Netzwerk, CPU und GPU
• Abnahmetests, Drift-Erkennung, Incident Response und regelmäßige Re-Attestation

Praktische Übungen

• Datenfluss- und Bedrohungsanalyse für eine organisationsübergreifende Analyse erstellen
• Vertrauliche Datenbank- oder Analytics-Workload mit attestierter Schlüsselfreigabe betreiben
• Policy für Datenzweck, Workload-Messwert und zulässige Ausgabe implementieren
• RAG- und Inferenzpipeline mit geschützten Modell- und Datenartefakten aufbauen
• CPU-GPU-Attestation prüfen und eine Modellfreigabe daran binden
• Performance, Fehlerfälle und Wiederanlauf eines vertraulichen Daten-/AI-Dienstes testen
• Abnahme- und Betriebsnachweise für eine produktive Einführung zusammenstellen