Google Cloud introduceert nieuwe aanpak voor het beveiligen van AI-workloads op GKE

Google Cloud heeft een nieuw document gepubliceerd waarin de aanpak voor het beveiligen van AI-workloads die op het Google Kubernetes Engine (GKE)-platform draaien, wordt uiteengezet. In het document, geschreven door Glen Messenger en Shannon Kularathna, wordt een drielaags beveiligingsmodel voorgesteld: bescherming van de infrastructuur, integriteit van modellen en beveiliging van applicaties. De belangrijkste doelgroep zijn Chief Information Security Officers (CISO's) en platformengineeringteams. Op infrastructuurniveau wordt het gebruik van Confidential GKE Nodes aanbevolen, die hardwarematige geheugencodering bieden, inclusief NVIDIA H100 GPU- en TPU-versnellers. Voor toegangsbeheer worden Workload Identity Federation en VPC Service Controls voorgesteld. Voor het bijhouden van AI-afhankelijkheden is de open-source Kubernetes-controller k8s-aibom geïntroduceerd, die automatisch een AI Bill of Materials genereert. Op applicatieniveau beschermt Model Armor tegen promptinjectie en datalekken, terwijl GKE Sandbox op basis van gVisor AI-agenten isoleert. Google beschrijft een stapsgewijze implementatie: Deploy (basiscontrole), Operate (versterking van beveiliging) en Govern (organisatiebeleid). Ook andere cloudproviders ontwikkelen vergelijkbare initiatieven: AWS biedt een AI Security Framework en Microsoft gebruikt Entra Agent ID en de PyRIT-tool voor het testen van agenten. CNCF merkt op dat Kubernetes zelf de semantiek van queries niet begrijpt, waardoor traditionele RBAC- en netwerkbeleidsregels onvoldoende zijn.