Invertix
LinguaENITDEES
Prenota una demo

Sicurezza

Ci poniamo tra i tuoi dati e i laboratori di AI.

Prima che un modello di frontiera di OpenAI, Anthropic o Mistral veda i tuoi dati, questi passano dal nostro harness.

Prenota una demoGuarda il video sull’harness34 s
Peer-reviewedTMLR 2026 Amplified Patch-Level Differential Privacy for Free via Random Cropping Kaan Durmaz, Jan Schuchardt, Sebastian Schmidt, Stephan Günnemann Leggi la ricerca →
Ricerca del nostro co-fondatore e CTO, Kaan Durmaz.

01Ricerca

La ricerca alla base dei nostri sistemi.

Il nostro co-fondatore e CTO, Kaan Durmaz, è primo autore di un articolo peer-reviewed sulla privacy differenziale nel machine learning, che guida il modo in cui sviluppiamo.

  1. Due dataset, identici tranne che per una piccola patch.
  2. I risultati devono essere simili. ε misura quanto.
  3. Il metodo standard: batch casuali più rumore calibrato.
  4. I ritagli casuali di solito escludono la patch sensibile.
  5. Due livelli di casualità si moltiplicano. L’esposizione diminuisce.
  6. Stesso addestramento, garanzia più stringente, modello più accurato.
Perché i ritagli casuali rafforzano la privacy a livello di patch

  1. Patch sensibilepiccola, al centro

  2. Il ritaglio la escludenon può trapelare

  3. Il ritaglio la toccararo, e limitato

Durmaz et al. · Transactions on Machine Learning Research, 2026

Articolo su OpenReview (si apre in una nuova scheda) arXiv (si apre in una nuova scheda) PDF (si apre in una nuova scheda) Codice su GitHub (si apre in una nuova scheda)

Nel dettaglio
  1. Apprendere il meno possibile

    Nell’harness: ciò che un laboratorio non riceve mai, non può usarlo per l’addestramento.

  2. Privacy differenziale

    Due dataset che differiscono per un solo record danno quasi lo stesso risultato.

  3. Cosa aggiunge l’articolo

    Un ritaglio casuale di solito esclude la piccola patch sensibile, e questo rafforza il limite di privacy.

  4. Nel nostro prodotto

    La privacy differenziale è attiva nel nostro prodotto. I nostri ingegneri mostrano al tuo team di sicurezza dove si applica.

Kaan Durmaz, Jan Schuchardt, Sebastian Schmidt, Stephan Günnemann. Amplified Patch-Level Differential Privacy for Free via Random Cropping. Transactions on Machine Learning Research (TMLR), 2026, peer-reviewed. Lavoro svolto presso l’Università Tecnica di Monaco (TUM).

02L’harness

Ogni richiesta passa prima dal nostro harness.

Prima che un modello veda una richiesta, l’harness la controlla.

  1. I modelli non vedono mai le credenziali dei tuoi portali.
  2. Il tuo agente interroga un modello di frontiera.
  3. Ogni richiesta passa dal nostro harness.
  4. Separati da quelli di ogni altra azienda.
  5. I nomi dei siti e delle persone vengono sostituiti da segnaposto.
  6. Crittografati in transito e a riposo.
  7. Solo i dati concordati, solo ai modelli concordati.
  8. Le condizioni dei laboratori ne vietano l’uso per l’addestramento.
  9. La risposta torna al tuo agente.
  10. Le tue regole decidono cosa richiede approvazione.
  11. Ogni azione viene registrata.
  1. Isola
  2. Sostituisci i nomi
  3. Crittografa
  4. Instrada
Nel dettaglio
  1. Isola

    Gli agenti e i dati di ogni azienda sono isolati. Gli agenti vengono eseguiti in sandbox VM.

  2. Sostituisci i nomi

    I nomi dei siti e delle persone vengono sostituiti da segnaposto, come [SITE_1], prima che qualsiasi modello veda una richiesta.

  3. Crittografa

    I tuoi dati sono crittografati in transito e a riposo.

  4. Instrada

    Ogni richiesta va solo a un modello che hai approvato per quei dati.

03Modelli

Decidi tu quali dati può ricevere ogni modello.

I laboratori di AI non possono addestrare i modelli sui tuoi dati. Le loro condizioni lo vietano, e i nomi dei tuoi siti e delle persone vengono sostituiti da segnaposto prima che qualsiasi modello veda una richiesta.

Esempio illustrativo. Il nome di un sito e quello di una persona passano dall’harness e arrivano al laboratorio solo come segnaposto [SITE_1] e [PERSON_1]. I prezzi contrattuali vengono trattenuti nell’harness e non vengono mai inviati. Le credenziali dei portali restano nel vault e non vengono mai inviate. La richiesta approvata va a un solo laboratorio approvato: OpenAI, Anthropic o Mistral. I laboratori non addestrano modelli sui tuoi dati.
Nel dettaglio
  1. Solo tre laboratori

    OpenAI, Anthropic e Mistral. Questo è l’elenco completo.

  2. Le tue regole

    Per ogni tipo di dato, il tuo team stabilisce quali modelli possono riceverlo.

  3. Trattenuti

    I dati che trattieni, come i prezzi contrattuali, non vengono mai inviati ad alcun modello.

  4. Nessun addestramento

    Invertix non usa mai i tuoi dati per addestrare modelli o per il fine-tuning, e le condizioni dei laboratori di AI vietano loro di usarli per l’addestramento.

04Controllo umano

Decidi tu cosa fa un agente in autonomia.

Per ogni flusso di lavoro scegli tu: in piena autonomia, oppure una persona approva ogni azione.

Esempio illustrativo. Il flusso di lavoro Interventi è impostato in modo che una persona approvi. In Microsoft Teams, l’agente interventi propone di prenotare un tecnico e chiede l’approvazione. La responsabile O&M preme Approva, il messaggio mostra chi ha approvato e quando, e l’azione viene scritta nel registro delle azioni. Il monitoraggio procede in autonomia. I sistemi di controllo dell’impianto richiedono sempre l’approvazione.
Nel dettaglio
  1. A tua scelta, per ogni flusso di lavoro

    In piena autonomia, oppure una persona approva ogni azione.

  2. Controllo impianto

    Gli agenti intervengono sui sistemi di controllo dell’impianto solo con la tua approvazione.

  3. Prompt injection

    Isolato in una sandbox VM. Il modello non vede mai le credenziali. I sistemi di controllo dell’impianto richiedono l’approvazione.

  4. Registro delle azioni

    Ogni azione viene registrata ed è visibile al tuo team.

05Accesso

I tuoi utenti, i tuoi ruoli, le tue credenziali.

Single sign-on e ruoli per i tuoi utenti, e un vault per le credenziali dei portali che i modelli e il personale di Invertix non vedono mai.

I tuoi utenti: una persona accede con single sign-on e il suo ruolo stabilisce cosa vede. I tuoi agenti: un agente prende le credenziali dal vault e le usa per accedere al portale di un impianto. Il modello con cui lavora l’agente non vede mai le credenziali.
Nel dettaglio
  1. Single sign-on

    I tuoi utenti accedono con single sign-on (SSO).

  2. Ruoli e permessi

    Stabiliscono chi può vedere e fare cosa.

  3. Vault delle credenziali

    Le credenziali dei portali sono crittografate. Gli agenti le usano per accedere.

  4. Mai visibili

    Né i modelli né il personale di Invertix possono vedere le credenziali.

06I tuoi dati

I tuoi dati, dal collegamento alla cancellazione.

Trattati in conformità al GDPR, ospitati su cloud UE per impostazione predefinita, cancellati su richiesta.

I tuoi dati, passo dopo passo, su cloud UE per impostazione predefinita. Collegamento: isolati per la tua azienda. Elaborazione: i nomi vengono sostituiti da segnaposto, poi i dati vengono crittografati e instradati secondo le tue regole. Registrazione: ogni azione degli agenti, visibile al tuo team. Cancellazione: su richiesta.
Nel dettaglio
  1. Cloud UE

    Il tuo ambiente e i suoi dati sono ospitati su cloud UE per impostazione predefinita.

  2. Crittografati

    In transito e a riposo.

  3. Terze parti

    I laboratori che approvi elaborano le richieste ai modelli. Il cloud ospita il tuo ambiente.

  4. Cancellati su richiesta

    Cancelliamo i tuoi dati su richiesta. Invertix è conforme al GDPR.

07Domande

Le domande che pone una revisione di sicurezza.

Modelli e addestramento

Quali modelli AI elaborano i nostri dati?

Solo modelli di OpenAI, Anthropic e Mistral, sempre attraverso il nostro harness. 03 Modelli →

Invertix addestra modelli sui nostri dati?

No. Invertix non usa mai i tuoi dati per addestrare modelli o per il fine-tuning, e le condizioni dei laboratori di AI vietano loro di usarli per l’addestramento.

I laboratori di AI possono addestrare i modelli sui nostri dati?

I laboratori di AI non possono addestrare i modelli sui tuoi dati. Le loro condizioni lo vietano, e i nomi dei tuoi siti e delle persone vengono sostituiti da segnaposto prima che qualsiasi modello veda una richiesta.

Quali dati vengono inviati a un modello?

Solo i dati che hai approvato per quel modello, con i nomi dei siti e delle persone sostituiti da segnaposto. 02 L’harness →

Possiamo tenere alcuni dati lontani dai modelli?

Sì. A un modello arrivano solo i dati che approvi, e solo se hai approvato quel modello per quei dati. 03 Modelli →

Isolamento e accesso

I nostri dati sono isolati da quelli di altre aziende?

Sì. Gli agenti e i dati di ogni azienda sono isolati, e gli agenti vengono eseguiti in sandbox VM.

Supportate l’SSO e l’accesso basato sui ruoli?

Sì. I tuoi utenti accedono con single sign-on, e ruoli e permessi stabiliscono chi può vedere e fare cosa. 05 Accesso →

Come sono protette le credenziali usate da un agente?

Le credenziali dei tuoi portali sono custodite in un vault crittografato: né i modelli né il personale di Invertix possono vederle.

Controllo degli agenti

Quali azioni può compiere un agente senza approvazione umana?

Decidi tu per ogni flusso di lavoro: in piena autonomia, oppure una persona approva ogni azione. 04 Controllo umano →

Un agente può intervenire sui sistemi di controllo dell’impianto?

Solo con la tua approvazione.

Cosa succede se un agente legge istruzioni malevole (prompt injection)?

L’agente viene eseguito in una sandbox VM, il modello non vede mai le tue credenziali, e i sistemi di controllo dell’impianto vengono modificati solo con la tua approvazione.

Ogni azione degli agenti viene registrata?

Sì. Ogni azione viene registrata ed è visibile al tuo team.

I tuoi dati

Dove sono archiviati i nostri dati, e sono crittografati?

Su cloud UE per impostazione predefinita, crittografati in transito e a riposo. 06 I tuoi dati →

Chi sono i vostri sub-responsabili del trattamento?

I laboratori di AI che approvi (OpenAI, Anthropic o Mistral) e il cloud che ospita il tuo ambiente (nell’UE per impostazione predefinita).

I nostri dati vengono cancellati alla fine del contratto?

Su richiesta. Cancelliamo i tuoi dati quando lo chiedi, e Invertix è conforme al GDPR.

50+ GW

gestiti dalle aziende energetiche con cui lavoriamo.

08Contatti

Portaci le tue domande sulla sicurezza.

I nostri ingegneri illustrano al tuo team di sicurezza il flusso dei dati, le regole sui modelli e le approvazioni.

Europa +34 606 62 83 84 · US +1 (415) 718-7732

Richieste sulla protezione dei dati: il contatto è nella nostra informativa sulla privacy (si apre in una nuova scheda)

Parlaci del tuo team

Basta una breve descrizione. Non includere documenti riservati. Useremo questi dati per rispondere alla tua richiesta. Informativa sulla privacy (si apre in una nuova scheda)

Ultimo aggiornamento: .