Google Cloud presenta un nuevo enfoque para proteger cargas de trabajo de IA en GKE

Google Cloud ha publicado un nuevo documento que detalla un enfoque para proteger las cargas de trabajo de IA que se ejecutan en la plataforma Google Kubernetes Engine (GKE). El documento, escrito por Glen Messenger y Shannon Kularathna, propone un modelo de seguridad de tres niveles: protección de la infraestructura, integridad de los modelos y seguridad de las aplicaciones. Su público principal son los directores de seguridad de la información (CISO) y los equipos de ingeniería de plataformas. A nivel de infraestructura, se recomienda el uso de Confidential GKE Nodes, que proporcionan cifrado de memoria por hardware, incluidos los aceleradores NVIDIA H100 GPU y TPU. Para la gestión del acceso, se proponen Workload Identity Federation y VPC Service Controls. Para el registro de dependencias de IA, se ha introducido el controlador de Kubernetes de código abierto k8s-aibom, que genera automáticamente una lista de materiales de IA (AI Bill of Materials). A nivel de aplicaciones, Model Armor protege contra la inyección rápida (Prompt Injection) y la fuga de datos, mientras que GKE Sandbox, basado en gVisor, aísla los agentes de IA. Google describe una implementación por fases: Deploy (control básico), Operate (refuerzo de la seguridad) y Govern (políticas organizativas). Otros proveedores de la nube también están desarrollando iniciativas similares: AWS ofrece el Marco de Seguridad para IA (AI Security Framework), y Microsoft utiliza Entra Agent ID y la herramienta PyRIT para probar agentes. CNCF señala que Kubernetes por sí mismo no comprende la semántica de las solicitudes, por lo que los controles RBAC y las políticas de red tradicionales no son suficientes.