Question 1

Comment Phala garde-t-il mes données privées pendant le calcul ?

Accepted Answer

Phala exécute chaque charge de travail dans un Trusted Execution Environment (TEE). Les données, le modèle et le code ne sont déchiffrés qu’à l’intérieur de la mémoire CPU de cette enclave et sont rechiffrés avant d’en sortir. Ni les opérateurs cloud ni les nœuds Phala ne peuvent accéder au texte brut à aucun moment.

Question 2

Quelle est la différence entre le chiffrement des données et le confidential computing ?

Accepted Answer

Le chiffrement protège les données au repos et en transit. Le calcul confidentiel étend cette protection aux « données en usage ». Même lorsqu’un modèle IA traite les données, l’enclave les garde scellées vis-à-vis de l’OS hôte, de l’hyperviseur et des autres locataires.

Question 3

Phala peut-il traiter des données chiffrées sans d’abord les déchiffrer ?

Accepted Answer

Oui — à l’intérieur de l’enclave, les clés de déchiffrement ne sont injectées qu’après qu’une attestation à distance a prouvé que le bon code est exécuté. De l’extérieur, les données restent opaques ; le déchiffrement s’effectue uniquement dans un matériel vérifié.

Question 4

Comment les données sont-elles supprimées ou conservées après un calcul ?

Accepted Answer

Lorsqu’une tâche se termine, la mémoire de l’enclave est automatiquement effacée. Les volumes de stockage peuvent être configurés pour un usage éphémère ou persistant ; ils sont tous chiffrés avec des clés appartenant au client, de sorte que la suppression est cryptographiquement définitive.

Question 5

Plusieurs organisations peuvent-elles collaborer sans partager les données brutes ?

Accepted Answer

Oui. Le modèle « compute-to-data » de Phala permet à chaque partie de conserver ses données localement tandis qu’un enclave commun agrège les gradients ou les insights. Aucun participant n’accède jamais aux fichiers bruts des autres.

Question 6

Comment monétiser des données en toute sécurité via une marketplace sur Phala ?

Accepted Answer

Les fournisseurs de données publient des jeux de données chiffrés avec des politiques d’utilisation appliquées par des contrats intelligents. Les acheteurs exécutent des modèles approuvés sur ces jeux de données dans des enclaves et paient automatiquement chaque tâche, tandis que le contenu brut ne quitte jamais son propriétaire.

Question 7

Qu’est-ce qui empêche d’autres de rétroconcevoir mes ensembles de données ?

Accepted Answer

Les enclaves désactivent le débogage, le tracing et l’inspection mémoire. La seule sortie accessible est le résultat du modèle explicitement défini par le fournisseur. Les tenseurs et paramètres intermédiaires restent scellés.

Question 8

Comment Phala gère-t-il la propriété des données et les droits d’accès ?

Accepted Answer

La propriété est définie on-chain via des clés d’accès tokenisées. Chaque job de calcul référence ces clés, produisant des journaux auditables qui prouvent qui a accédé à quoi et sous quelle politique.

Question 9

Phala est-il conforme au RGPD, à l’HIPAA ou à d’autres réglementations ?

Accepted Answer

L’architecture de Phala prend en charge la conformité dès la conception : minimisation des données, chiffrement et pistes d’audit déterministes. La certification réelle dépend de la charge de travail et de la juridiction, mais la plateforme répond aux contrôles techniques requis par la plupart des cadres.

Question 10

Puis-je utiliser Phala avec mon cloud ou data lake existant ?

Accepted Answer

Oui. Les connecteurs Phala vous permettent de relier des sources S3, GCS ou sur site via des passerelles API sécurisées. Les données restent chiffrées jusqu’à leur chargement dans l’enclave.

Question 11

Le calcul confidentiel affecte-t-il les performances ou le coût du modèle ?

Accepted Answer

Hardware-assisted TEEs add minimal overhead—typically <5%. GPU TEEs keep acceleration intact, so you pay roughly the same cloud rate while gaining privacy guarantees.

Question 12

Comment puis-je vérifier que mon calcul s’est réellement exécuté dans une enclave sécurisée ?

Accepted Answer

Chaque job expose un rapport d’attestation à distance signé par le fournisseur du CPU. Vous ou vos clients pouvez valider cette preuve pour confirmer le type d’enclave, la version du firmware et le hachage exact du code exécuté.

Le calcul voyage. Les données restent.

Cross-silo cohorts running today.

Parcourez une exécution compute-to-data de bout en bout.

Compute-to-Data sur dstack

Scellement à la source

Lancez des études multiparties partout où se trouvent vos données.

Scellé à la source, clé dérivée uniquement à la correspondance de quote

Déverrouillage sous quorum, on-chain

Compute-to-data, in production.

Cardio-renal cohort

Cross-bank fraud signals

Supply-chain risk benchmark

Utilisez des modèles privés lorsque l’IA accède à des secrets.

Inférence IA privée

DeepSeek V3.1

Qwen3 Coder

Llama 3.3 70B

GPT OSS 120B

Claude Sonnet 4.5

Gemini 2.5 Pro

Agents IA privés

Entraînement de modèle privé

Observe without exposing weights.

dataset

fine-tune

eval

checkpoint

Le calcul voyage. Les données restent.