Pelago Enclave
ComputaçãoClusters GB300 NVL72 em modo de computação confidencial. Operador da nuvem, sistema operacional e a própria Data Pelago ficam do lado de fora.
Treine com os dados de todos.Sem ver os de ninguém.
A Data Pelago é a plataforma de treinamento confidencial para setores regulados. Bancos, hospitais e cooperativas treinam modelos juntos dentro de enclaves de hardware em GPUs NVIDIA Blackwell — com prova criptográfica de que nenhum dado foi exposto, nem a nós.
HardwareNVIDIA GB300 NVL72
IsolamentoTEE na GPU e na CPU
ProvaAtestação remota
ConformidadeLGPD desde o projeto
Role para mergulharAtestação verificada72 × Blackwell UltraNVLink 1,8 TB/s por GPU288 GB HBM3eDados cifrados em usoPrivacidade diferencialPolítica como códigoRastro de auditoria imutável
01Manifesto
Os dados capazes de curar doenças raras, desmontar quadrilhas de fraude e prever a próxima seca já existem. Estão espalhados em milhares de ilhas — hospitais, bancos, cooperativas — separadas por lei, sigilo e concorrência.
Não vamos juntar as ilhas. Vamos construir as pontes.
02Como funciona
Quatro etapas. Nenhum dado exposto.
03Produto
Tudo o que acontece no enclave, visível. Nada do que está nele, exposto.
O Pelago Console mostra atestações, políticas, orçamento de privacidade e contribuição de cada participante em tempo real — sem nunca exibir um registro sequer.
console.datapelago.cloud/pontes/consorcio-antifraudePrévia do Pelago Console
Pontes/consorcio-antifraude
Treinandoexecução #0142
Participantes4
AtestaçãoVerificada72/72 GPU · CC=on
Orçamento de privacidadeε 2,47 / 4,0
Época37 / 60
Perda de validação0,1712
GB300 NVL72 · 72 GPUs · modo CC87%
| Instituição | Status | Registros | Contribuição |
|---|---|---|---|
| ABanco A | ● atestado | 41,2 mi | 31,4% |
| BBanco B | ● atestado | 36,8 mi | 26,9% |
| CFintech C | ● atestado | 29,5 mi | 23,2% |
| DCooperativa D | ● atestado | 18,1 mi | 18,5% |
Registro do enclavetail -f
04Plataforma
Quatro peças. Uma rede de confiança.
Pelago Bridge
ColaboraçãoTreinamento entre instituições com regras escritas em código: quem treina, com quais dados, por quanto tempo e para qual finalidade.
Pelago Foundry
ModelosModelos de fundação verticais para finanças, saúde e agro, treinados sobre o arquipélago e ajustados a cada participante.
Pelago Lighthouse
GovernançaRastro de auditoria imutável: qual dado treinou qual modelo, sob qual política e com qual atestação.
05Infraestrutura
Construída sobre o único silício que torna isso possível.
Computação confidencial em GPU nasceu na geração Hopper e amadureceu na Blackwell, que estende a proteção a dezenas de GPUs interligadas por NVLink com desempenho praticamente igual ao modo convencional. Em hardware mais antigo, a Data Pelago simplesmente não existe.
118 bandejas de computação72 GPUs Blackwell Ultra + 36 CPUs Grace
3Perímetro de confiançaTEE da GPU e da CPU, atestados em conjunto
Um rack. Um perímetro de confiança.
29 bandejas NVLink Switch1,8 TB/s por GPU, todas com todas
4Refrigeração líquidaDensidade impossível de resfriar a ar
A demanda cresce com o arquipélago.
Não é um treino só. Cada nova ilha dispara re-treinamentos, valoração de contribuição e inferência contínua. Quanto maior a rede, melhor o modelo — e maior a necessidade de computação confidencial de ponta.
06Casos de uso
O que uma ilha não vê, o arquipélago vê.
Alterne entre a visão de um único participante e a visão do modelo treinado no enclave.
Rede antifraude interbancária
Quadrilhas espalham contas-laranja por várias instituições e movem o dinheiro em segundos. Uma rede neural de grafos treinada sobre a união das transações enxerga o anel inteiro — e cada banco recebe alertas apenas sobre as próprias contas.
Um banco vê só as próprias contas. O anel parece tráfego normal.
- Banco A
- Banco B
- Banco C
- Banco D
- Anel de fraude
FINANÇAS · Visão de um bancoSimulação ilustrativa
07Economia do arquipélago
Dado deixa de ser risco e vira receita.
Medimos quanto cada ilha contribui para a qualidade do modelo, com valoração inspirada no valor de Shapley. Quando o modelo é usado, parte da receita volta para quem forneceu o dado que o tornou bom.
- 01
Contribuição medida
Cada execução gera um recibo com o impacto marginal de cada ilha nas métricas do modelo.
- 02
Receita compartilhada
O uso do modelo gera dividendos de dados, distribuídos conforme os recibos.
- 03
Controle total
Revogue quando quiser: a próxima execução já não usa o seu dado, e o Lighthouse registra.
DATA PELAGORECIBO DE TREINAMENTONº 0142 · Período 09/2026
- Modelo
- pelago-fraud-gnn v3
- Política
- antifraude-v3
- Enclave
- GB300 NVL72 · CC
- Privacidade
- DP-SGD · ε 4,0
CONTRIBUIÇÃO
- Banco A
- 31,4%
- Banco B
- 26,9%
- Fintech C
- 23,2%
- Cooperativa D
- 18,5%
- TOTAL
- 100,0%
ATESTAÇÃO
sha256 9f3a 6b1e 02cd 77a4 … c41e
Ilhas de dados. Um oceano de inteligência.
Exemplo ilustrativo08Segurança
Confiança verificável, não prometida.
O que nem nós podemos fazer
- ✕Ver seus dados
- ✕Copiar seu modelo
- ✕Treinar fora da política
- ✕Apagar o rastro de auditoria
01
Raiz de confiança no silício
Chaves e medições ancoradas no hardware NVIDIA, não em cláusulas contratuais.
02
Atestação a cada execução
Nenhuma chave é liberada sem prova de que o ambiente é exatamente o aprovado.
03
Cifrado em repouso, trânsito e uso
Inclusive na memória da GPU durante o treinamento.
04
Privacidade diferencial
Garantia matemática contra a memorização de registros individuais.
05
Política como código
Finalidade, prazo e saídas permitidas, versionados e assinados por todos.
06
Residência no Brasil
Arquitetura pensada para manter os dados em território nacional, em linha com a LGPD.
09Notas técnicas
Do nosso diário de bordo.
Infraestrutura
Computação confidencial em GPU: por que ela muda o que é possível
Por mais de uma década, ambientes de execução confiáveis protegeram apenas a CPU. Com Hopper e Blackwell, a proteção chegou ao acelerador, e isso muda quem pode treinar modelos sobre quais dados.
5 min de leituraLer nota
Pesquisa
Quanto vale o seu dado? Valoração de Shapley em treinamento conjunto
Quando várias instituições treinam um modelo juntas, alguém precisa medir quem contribuiu com o quê. O valor de Shapley dá a resposta mais justa, e ela custa caro em GPU.
5 min de leituraLer nota
Finanças
Antifraude interbancário sem compartilhar um único dado
Golpes modernos atravessam várias instituições em segundos. Mostramos como uma rede neural de grafos, treinada em enclave confidencial, enxerga o que nenhum banco vê sozinho.
5 min de leituraLer nota
10Perguntas frequentes
O que mais nos perguntam.
Saem apenas cifrados e só são decifrados dentro do enclave, depois que a sua própria equipe verifica a atestação. Para cenários mais restritos, estamos desenhando uma opção de implantação na infraestrutura do participante.
Não. O perímetro é imposto pelo hardware: nem o operador da nuvem, nem o sistema operacional, nem a nossa equipe acessam a memória protegida da GPU. E você não precisa acreditar na nossa palavra — a atestação é verificável por você.
Computação confidencial em GPU só existe a partir da arquitetura Hopper, e é na Blackwell que ela se estende a várias GPUs interligadas com desempenho praticamente nativo. Sem isso, treinar modelos grandes de forma confidencial seria lento demais ou impossível.
Finalidade definida em política, minimização, segurança técnica comprovável e trilha de auditoria completa. A base legal e os contratos de cada tratamento são definidos junto ao jurídico de cada participante.
Aplicamos privacidade diferencial no treinamento e restringimos por política as saídas permitidas. O orçamento de privacidade (ε) é acordado entre os participantes e registrado no Lighthouse.
11Contato
Traga sua ilha.
Estamos selecionando parceiros de design em finanças, saúde e agro para o primeiro enclave. Também queremos conversar com investidores e parceiros de infraestrutura.
Ou escreva direto para
SedeAv. Nova Independência, 651 — Brooklin Paulista
São Paulo – SP, 04570-001
São Paulo – SP, 04570-001
Pelago do Brasil Tecnologia Ltda. · CNPJ 62.861.211/0001-76
Ver no mapa