Seminar Confidential Computing – Kompaktseminar für Cloud, Daten und AI

Das Kompaktseminar vermittelt in drei Tagen den vollständigen Zusammenhang zwischen hardwaregestützter Isolation, Remote Attestation, Cloud-Plattformen, vertraulicher Datenverarbeitung und Confidential AI. Es eignet sich als konzentrierter Einstieg für Teams, die schnell zu einer tragfähigen Architektur- oder Beschaffungsentscheidung gelangen müssen.

Seminarprofil

Die Inhalte werden bewusst breiter als im Grundlagenseminar behandelt und mit ausgewählten Implementierungsübungen verbunden. Für tiefe Plattformimplementierungen stehen die spezialisierten Einzel- und Intensivseminare zur Verfügung.

Zielgruppe

Das Seminar richtet sich an gemischte Projektteams, die ein gemeinsames technisches Verständnis benötigen und die Eignung von Confidential Computing für Cloud-, Daten- oder AI-Vorhaben bewerten wollen.

Seminarinhalte

Sicherheitsmodell

• Daten während der Verarbeitung, TEE, Root of Trust, Trusted Computing Base und Messwerte
• Bedrohungen durch Host, Hypervisor, Betreiber und andere Mandanten
• Grenzen bei Gast, Anwendung, Seitenkanälen, Datenabfluss und Verfügbarkeit
• Auswahlkriterien und typische Fehlannahmen

Plattformen und Bereitstellungsmodelle

• AMD SEV-SNP, Intel TDX, Arm CCA, Intel SGX, IBM Secure Execution und Nitro Enclaves
• NitroTPM sowie vertrauenswürdige Gerätepfade mit AMD Trusted I/O und Intel TDX Connect im Reifegradvergleich
• Confidential VMs in Public Cloud, Private Cloud und Rechenzentrum
• Confidential Containers mit Kubernetes und isolierter Container-Laufzeit
• Vertrauliche GPUs und kombinierte CPU-GPU-Vertrauensketten

Attestation und Schlüssel

• Attester, Verifier, Relying Party, Evidence, Referenzwerte und Policies
• Frischeprüfung, TCB-Status und Workload-Messungen
• Schlüsselfreigabe über KMS, HSM oder Key Broker Service
• Workload-Identität, Attested TLS und Zero-Trust-Integration

Cloud, Daten und AI

• Lift-and-Shift von Anwendungen in Confidential VMs
• Datenbanken, Analytics und sichere organisationsübergreifende Datenräume
• RAG, Inferenz, Training und Schutz von Modellen und Eingabedaten
• Vertrauliche Container- und GPU-Workloads

Einführung und Betrieb

• Proof of Concept, Abnahmekriterien und Plattformvergleich
• TCB-, Firmware-, Patch- und Referenzwertmanagement
• Monitoring, Logging, Backup und Incident Response
• Kosten-, Leistungs- und Portabilitätsbewertung

Praktische Übungen

• Bedrohungsmodell und Schutzgrenzen für einen Beispiel-Workload festlegen
• Confidential-VM- und Container-Varianten anhand technischer Kriterien auswählen
• Attestation-Nachweis prüfen und Secret-Release-Policy entwerfen
• Daten- oder AI-Workload als vertrauliche Zielarchitektur modellieren
• Abnahmekriterien und nächsten Umsetzungsschritt für einen Proof of Concept definieren