Os dados de treino de IA no ano passado não foram alvo de discussões acaloradas por falta de material, mas sim porque, mesmo usando-os, não era possível provar a origem — assim que o modelo era lançado, era imediatamente acusado de "infringir direitos de dados". O módulo Seal, lançado recentemente na ecologia Walrus, apresenta uma nova abordagem: ao fazer o upload de ficheiros, eles são divididos em centenas de fragmentos usando código de correção de erros, e depois a permissão de acesso é escrita diretamente no objeto na cadeia Sui através de uma chave de limiar. O serviço de inferência só consegue obter os fragmentos autorizados em um ambiente isolado, sem nunca tocar no arquivo original. Assim, a origem do treino do modelo pode ser validada do ponto de vista jurídico, a comunidade também pode verificar, e não há como transferir a culpa.

Em comparação com outras soluções — como um armazenamento principal que só fornece hashes de conteúdo, ou uma plataforma secundária que usa armazenamento público e permanente, uma "compra única" — a abordagem Seal combina proteção de privacidade, exclusão controlada e imutabilidade, que normalmente são necessidades conflitantes.

As desvantagens também são evidentes: o custo de rotação das chaves não é baixo. Trocar a chave de criptografia de 200GB de dados de uma só vez exige desbloquear a chave antiga, depois autorizar a nova, tornando o processo mais complexo do que as soluções convencionais, especialmente quando se está sob pressão pelo prazo do projeto, o que pode causar dores de cabeça à equipe de desenvolvimento. No entanto, já existem scripts prontos na comunidade, e a futura integração no fluxo CI/CD deve melhorar bastante essa questão.