Check Point hat mit dem „AI Factory Security Blueprint“ eine Referenzarchitektur zur Absicherung von KI-Infrastrukturen veröffentlicht. Der Ansatz deckt alle Ebenen von Hardware bis Anwendung ab und adressiert spezifische Bedrohungen moderner KI-Umgebungen.
AI Factory Security Blueprint (Foto: Check Point Software Technologies)
Mit steigenden Investitionen in private KI-Infrastrukturen rückt deren Absicherung stärker in den Fokus. Unternehmen betreiben zunehmend eigene GPU-Cluster, Trainingspipelines und Inferenzsysteme, um Datenhoheit zu gewährleisten und Abhängigkeiten von Public-Cloud-Angeboten zu reduzieren. Gleichzeitig entstehen neue Angriffsflächen, die mit klassischen Sicherheitsansätzen nur eingeschränkt adressiert werden können.
Vor diesem Hintergrund hat Check Point Software Technologies den „AI Factory Security Architecture Blueprint“ vorgestellt. Die Referenzarchitektur soll Sicherheitsmechanismen über alle Ebenen einer KI-Infrastruktur hinweg integrieren.
Im Unterschied zu traditionellen Rechenzentren kombinieren KI-Umgebungen mehrere komplexe Komponenten: GPU-basierte Rechenleistung, verteilte Trainingsprozesse, große Datenplattformen und Echtzeit-Inferenzschnittstellen.
Daraus ergeben sich spezifische Bedrohungen, darunter manipulierte Trainingsdaten, Modelldiebstahl oder Angriffe auf Schnittstellen durch gezielte Prompt-Injection. Auch laterale Bewegungen innerhalb containerisierter Umgebungen sowie Risiken entlang der Software-Lieferkette spielen eine Rolle.
Der Blueprint adressiert diese Szenarien durch einen mehrschichtigen Sicherheitsansatz, der verschiedene Ebenen der Infrastruktur einbezieht.
Die vorgestellte Architektur gliedert sich in vier zentrale Bereiche:
Auf der Perimeter-Ebene setzt Check Point auf skalierbare Firewall-Technologie mit Zero-Trust-Zugriff und Segmentierung. Damit wird der Datenverkehr zwischen externen Quellen und der KI-Infrastruktur kontrolliert.
Auf Anwendungs- und LLM-Ebene sollen spezialisierte Mechanismen Inferenz-APIs und Modelle vor Angriffen wie Prompt-Injection oder Datenabfluss schützen.
Die Infrastruktur-Ebene integriert Sicherheitsfunktionen direkt in Datenverarbeitungseinheiten auf Hardwarebasis. In Zusammenarbeit mit NVIDIA werden Firewall- und Analysefunktionen in die BlueField-Plattform eingebunden, um Datenverkehr ohne zusätzliche Belastung von CPU oder GPU zu prüfen.
Auf Workload- und Container-Ebene ermöglicht die Architektur Mikrosegmentierung innerhalb von Kubernetes-Umgebungen, um laterale Bewegungen einzuschränken und kompromittierte Komponenten zu isolieren.
Foto: Check Point Software Technologies
Nataly Kremer, Chief Product Officer bei Check Point
Der Blueprint folgt dem Prinzip „Secure by Design“, bei dem Sicherheitsfunktionen von Beginn an in Architektur und Betrieb integriert werden. Jede Interaktion – vom Benutzer bis zur API – wird kontinuierlich überprüft und validiert.
Nataly Kremer, Chief Product Officer bei Check Point, erläutert:
„KI-Infrastruktur ist zu einem der wertvollsten und anfälligsten Vermögenswerte im Unternehmen geworden. Mit dem ‚AI Factory Security Blueprint‘ helfen wir Unternehmen, diese Investitionen von Grund auf und über jede Schicht des Stacks hinweg zu schützen.“
Die Architektur ist zudem auf bestehende Governance- und Compliance-Anforderungen ausgerichtet, darunter das NIST AI Risk Management Framework, Gartner AI TRiSM sowie regulatorische Vorgaben wie das EU-KI-Gesetz oder die DSGVO. Ziel ist es, Nachvollziehbarkeit, Richtliniendurchsetzung und Auditierbarkeit in KI-Umgebungen sicherzustellen.
