AI安全不仅要关注模型本身，还需重视支撑模型的基础设施。NVIDIA容器工具包存在严重漏洞，可能导致容器逃逸，影响共享GPU基础设施。组织应加强系统设计，确保安全默认设置、分层防御和明确责任，以应对AI风险的快速发展。

Chainguard开发了一种减少AI模型和大型语言模型容器漏洞的过程。他们提供了针对AI定制的CPU和GPU容器镜像，包括PyTorch、Conda和Kafka。这些镜像经过加固和精简，没有任何CVE漏洞。Chainguard通过实时检查漏洞并迅速修补任何新的CVE来解决安全问题。他们还提供了学习中心Chainguard Academy，帮助用户理解和利用他们的容器镜像。目标是简化和保护AI/ML堆栈，使企业能够专注于创新而不必管理基础设施。

本文介绍了利用云服务构建无服务器的事件驱动解决方案，自动检测和修复容器的通用漏洞披露。通过使用生成式人工智能和无服务器技术，简化安全扫描流程，提高整体安全性。文章提供了方案架构和实施示例，并强调了成本效益和运维开销的优势。