LLM 机密推理生产实战:用 GPU 远程证明、按证明放行密钥与证据链保护敏感数据
本文从生产架构出发,深入讲解 LLM 机密推理如何利用 CPU/GPU 可信执行环境、远程证明、按证明释放密钥与证据留存,保护敏感 Prompt、模型权重和推理中间态,并说明兼容边界与上线检查方法。
共 4 篇文章
本文从生产架构出发,深入讲解 LLM 机密推理如何利用 CPU/GPU 可信执行环境、远程证明、按证明释放密钥与证据留存,保护敏感 Prompt、模型权重和推理中间态,并说明兼容边界与上线检查方法。
本文讲解如何为生产级大模型调用建立无静态密钥的凭证体系,覆盖工作负载身份、短期令牌、最小权限、租户隔离、轮换回退、审计告警与应急撤销,降低密钥泄漏、权限扩散和异常账单风险。
面向企业级 LLM 应用,系统讲解隐私脱敏网关如何在请求、响应与日志全链路中识别 PII、执行可逆代换、落地数据最小化策略,从根本上降低敏感数据外泄风险。
从 MCP 官方规范、OWASP、OpenAI、NSA 与安全研究出发,系统拆解 AI Agent 工具接入中的 tool poisoning、间接 prompt injection、权限控制、动作审查、沙箱执行与审计回归,帮助团队构建可上线的 MCP Agent 安全架构。