--- title: "DataEnclave promete proteger dados sensíveis enquanto a IA trabalha nas GPUs" author: "André Iglesias" date: "2026-09-28 09:00:00-03" category: "Segurança & Privacidade" url: "http://desbugados.scale.press/portal/desbugados/post/2026/09/28/dataenclave-promete-proteger-dados-sensiveis-enquanto-a-ia-trabalha-nas-gpus/md" --- ## Resumo - A Vast Data apresentou o DataEnclave em 23 de setembro de 2026 para organizações reguladas da Ásia-Pacífico. - A solução combina CPUs com ambientes de execução confiáveis e GPUs NVIDIA em modo de computação confidencial. - O sistema busca impedir que o operador da infraestrutura e o desenvolvedor do modelo acessem os dados ou a propriedade intelectual um do outro. - A arquitetura inclui attestation criptográfico, gerenciamento independente de chaves, auditoria à prova de violação e suporte a ambientes air-gapped. - A Sharon AI confirmou a integração do DataEnclave à sua plataforma AI Factory para clientes da Austrália e da Ásia-Pacífico. - O lançamento comercial está previsto para o primeiro trimestre de 2027, portanto a oferta ainda não está amplamente disponível. - Um contrato de nuvem de IA de US$ 373 milhões por cinco anos ajuda a contextualizar a infraestrutura em que a solução será implementada. --- Em **23 de setembro de 2026**, a Vast Data apresentou o DataEnclave, uma solução de computação confidencial voltada a organizações reguladas da Ásia-Pacífico, enquanto a provedora australiana de nuvem **Sharon AI** confirmou que oferecerá a tecnologia em sua própria infraestrutura. A promessa é permitir que modelos de inteligência artificial trabalhem sobre dados sensíveis em GPUs sem revelar as informações ao operador da nuvem nem os pesos proprietários ao cliente. O lançamento comercial está previsto para o **primeiro trimestre de 2027**, o que coloca a iniciativa na fase de preparação, e não de disponibilidade ampla. Para entender o que está em jogo, é preciso separar a velocidade da IA do controle sobre aquilo que ela processa. ## O problema que o DataEnclave tenta resolver O ponto de partida do DataEnclave são organizações que precisam usar IA, mas não podem simplesmente transferir seus dados para qualquer ambiente de processamento. A Vast Data cita **bancos e agências governamentais** como instituições que precisam manter informações sensíveis dentro de seus próprios limites de controle. Nesse modelo, a inteligência artificial recebe acesso temporário ao material necessário para executar uma tarefa, enquanto a infraestrutura tenta impedir que esse conteúdo fique exposto durante o processamento. A ideia aproxima a operação de uma sala trancada: o trabalho acontece lá dentro, mas os responsáveis pela sala não recebem automaticamente o conteúdo analisado. Essa separação prepara o terreno para a segunda preocupação, que envolve o próprio modelo de IA. Além dos dados corporativos, o sistema procura proteger os **pesos dos modelos**, nome dado aos parâmetros internos que carregam o comportamento aprendido por uma inteligência artificial. Essa propriedade intelectual pode pertencer ao desenvolvedor do modelo, enquanto as informações usadas na tarefa pertencem ao cliente. Segundo a proposta apresentada pela Vast Data, o operador da infraestrutura não deve acessar os dados nem a propriedade intelectual de uma parte, e o desenvolvedor do modelo não deve acessar os dados da outra. A cobertura da [Computer Weekly](https://www.computerweekly.com/news/366651204/Vast-Data-pitches-confidential-AI-to-APACs-regulated-industries) descreve o DataEnclave justamente como uma tentativa de manter esses dois lados separados durante o uso de GPUs. É essa divisão que transforma a segurança em parte da arquitetura, e não em uma etapa posterior. ## Como o isolamento funciona na prática A arquitetura combina **CPUs com ambientes de execução confiáveis** e GPUs NVIDIA configuradas em modo de computação confidencial. Em termos simples, o processamento ocorre dentro de uma área protegida pelo próprio hardware, criando uma barreira entre a tarefa executada e quem administra a máquina. A CPU coordena o ambiente confiável, enquanto a GPU realiza o trabalho pesado de inteligência artificial. Essa combinação atende a um problema específico: modelos modernos dependem de grande capacidade paralela, mas essa capacidade costuma estar concentrada em infraestruturas compartilhadas. O DataEnclave tenta preservar a eficiência desse tipo de equipamento sem abrir mão do controle sobre os dados que chegam até ele. Essa proteção também precisa alcançar quem opera o ambiente, porque o provedor de nuvem normalmente administra servidores, redes e sistemas de armazenamento. O DataEnclave foi descrito como uma solução na qual nem o **operador da infraestrutura** nem o desenvolvedor do modelo acessam a informação ou a propriedade intelectual do outro. A plataforma inclui ainda uma auditoria à prova de violação, mecanismo destinado a registrar as condições da operação e dificultar alterações ocultas no processo. Para organizações que não podem manter uma conexão externa durante o trabalho, existe suporte a ambientes **air-gapped**, expressão usada para instalações desconectadas da internet. A proteção, portanto, acompanha o dado desde a execução até a verificação do ambiente em que a tarefa ocorreu. ## Attestation e controle das chaves O próximo elemento é o **attestation criptográfico**, uma verificação baseada em criptografia usada para confirmar as condições do ambiente antes do processamento. A Sharon AI informou que o DataEnclave pode se integrar aos sistemas próprios de gerenciamento de chaves dos clientes, conhecidos pela sigla KMS. As chaves funcionam como credenciais que autorizam o uso dos dados e dos modelos, e a proposta mantém as chaves de dados e de modelos em domínios de confiança separados. Na prática, a organização não precisa entregar todo o controle de acesso ao mesmo operador que fornece a capacidade computacional. Essa separação dá ao cliente uma forma de estabelecer quais componentes podem participar da tarefa antes que a GPU comece a processar as informações. Para instalações sem conexão com a internet, a parceria com a **Fortanix** permite realizar o attestation local e o gerenciamento de chaves dentro das próprias instalações do cliente. O material enviado à SEC descreve esse processo como key brokering, ou intermediação das chaves, em ambientes air-gapped. A diferença é prática: uma empresa com restrições severas de conectividade não precisa escolher entre manter o isolamento físico e usar modelos de IA protegidos. Ela pode verificar o ambiente e administrar as autorizações no próprio local, mantendo a operação desconectada de redes externas. Essa opção amplia o número de organizações que conseguem avaliar a tecnologia, embora não transforme automaticamente o DataEnclave em um produto já disponível para qualquer empresa. ## Onde a Sharon AI entra na oferta A Sharon AI, provedora australiana de nuvem, confirmou em **23 de setembro de 2026** que integrará o VAST DataEnclave à sua plataforma AI Factory para clientes da Austrália e da Ásia-Pacífico. A expressão onshore usada na parceria significa que a organização pode executar os modelos dentro da jurisdição e da infraestrutura sob seu controle, uma exigência associada à soberania dos dados. Em vez de tratar a proteção como uma configuração opcional de uma nuvem genérica, a oferta posiciona o isolamento como parte da própria infraestrutura de IA. O comunicado da [Sharon AI](https://sharonai.com/press-releases/sharon-ai-collaborates-with-vast-data-on-the-launch-of-dataenclave-bringing-leading-ai-models-to-customer-controlled-infrastructure/) descreve a iniciativa como uma forma de levar modelos líderes a infraestruturas controladas pelos clientes. A parceria conecta, portanto, a tecnologia de proteção ao ambiente em que o serviço será oferecido. Essa conexão ainda precisa ser lida com cuidado, porque o anúncio da parceria não equivale a uma distribuição ampla e imediata. A previsão disponível para o lançamento comercial do **DataEnclave é o primeiro trimestre de 2027**, nos próximos meses em relação ao anúncio de setembro de 2026. Até lá, o que existe é uma solução anunciada, uma integração confirmada pela Sharon AI e uma arquitetura apresentada para organizações com exigências específicas de segurança. Para o cliente, essa diferença muda a pergunta: em vez de procurar simplesmente um botão para ativar a função, será necessário acompanhar a chegada da oferta, verificar os requisitos de infraestrutura e entender quais modelos poderão ser executados. A fase de implementação é parte relevante da notícia porque define quando a promessa poderá ser testada em operações reais. ## Por que a infraestrutura importa agora O anúncio também chega depois de a Sharon AI revelar, em **4 de agosto de 2026**, um contrato de serviços de nuvem de IA de cinco anos no valor total de US$ 373 milhões. Esse dado não prova que o DataEnclave já esteja amplamente implantado, mas ajuda a dimensionar a infraestrutura de IA na qual a tecnologia está sendo preparada. Quanto maior a capacidade de processamento oferecida a clientes externos, maior a necessidade de explicar quem controla os dados, quem administra as chaves e quem pode observar o modelo durante a execução. A parceria entre Vast Data e Sharon AI responde a essa questão pela via do isolamento de hardware e do controle independente de credenciais. A proteção passa a acompanhar o crescimento do serviço, em vez de aparecer somente depois de um incidente. Para bancos e órgãos governamentais, a aplicação mais direta está em executar modelos sem retirar os dados de um ambiente sob sua autoridade. A organização pode combinar a infraestrutura protegida com seu próprio gerenciamento de chaves, exigir uma verificação criptográfica antes do processamento e escolher uma instalação sem conexão externa quando a política interna pedir esse nível de isolamento. Cada escolha resolve uma parte diferente do problema: o hardware restringe o acesso durante a execução, o attestation verifica o ambiente e as chaves definem quem pode liberar a informação. O DataEnclave não elimina a necessidade de governança, auditoria ou avaliação de risco, mas oferece uma arquitetura específica para que essas regras sejam aplicadas enquanto a IA trabalha. ## O próximo passo para quem acompanha a tecnologia A caixa de ferramentas deixada pelo anúncio começa com três perguntas práticas: os dados podem sair do ambiente controlado pelo cliente, quem terá acesso às chaves e a operação exige uma rede desconectada? A resposta ajuda a distinguir uma necessidade de computação confidencial de uma simples preferência por um provedor. Também será necessário verificar se o modelo e a GPU escolhidos são compatíveis com o ambiente protegido, porque a proposta depende da combinação entre processamento, isolamento e validação criptográfica. Para profissionais de tecnologia, esse é o ponto mais útil do DataEnclave: a conversa deixa de tratar segurança como promessa abstrata e passa a exigir decisões concretas sobre infraestrutura, propriedade intelectual e autorização de acesso. O próximo marco anunciado é o **lançamento comercial previsto para o primeiro trimestre de 2027**. Até esse prazo, empresas interessadas podem acompanhar a oferta da Sharon AI, mapear seus requisitos de soberania e separar dados de modelos que precisem de proteção distinta. Se a implementação mantiver as características apresentadas, o DataEnclave poderá colocar a IA confidencial em uma posição mais acessível para organizações reguladas, sem depender de entregar todos os controles ao operador da nuvem. A imagem lembra uma sala de controle de ficção científica, mas o teste decisivo será bem concreto: saber se uma equipe consegue executar um modelo em GPU e, ao mesmo tempo, provar quem teve autorização para tocar nos dados.