Sécurité & confiance

Conçu pour des opérations IA contrôlées, sans prétendre que la confiance est automatique.

Kadryn est pensé pour les équipes qui utilisent l’IA en production et qui ont besoin de visibilité, ownership, guardrails et auditabilité sans exposer de secrets ni de données inutiles.

Principes

La sécurité commence par la conception du produit.

Le modèle de sécurité de Kadryn repose sur les contrôles serveur, l’isolation tenant, la limitation des données exposées et des intégrations encadrées.

Backend source de vérité

Les actions sensibles doivent être contrôlées côté serveur avec rôle, plan, facturation et workspace, pas seulement masquées dans l’UI.

Frontières tenant

Chaque objet métier doit être relié à l’organisation ou au workspace qui en est propriétaire.

Secrets protégés

Les clés API, tokens providers, credentials OAuth et secrets webhooks ne doivent jamais apparaître en clair dans les dashboards, logs ou audits.

Décisions auditables

Les changements de budgets, routing, policies, exceptions et intégrations doivent laisser une trace opérationnelle claire.

Contrôles

Des contrôles adaptés aux workflows FinOps IA.

Kadryn sépare accès, secrets, livraison, observabilité et gouvernance pour que le contrôle des coûts IA ne devienne pas un angle mort sécurité.

Identité

Accès et permissions

L’accès repose sur les utilisateurs, organisations, rôles et capacités liées au plan.

Rôles d’organisation

Parcours owner, admin, member et viewer pour contrôler le workspace.

Disponible

Préparation SSO

Google OAuth, OIDC/SAML et workflows SCIM selon le plan.

Selon plan

Contrôles enterprise

RBAC avancé, rôles custom, mapping groupes SSO et politiques d’accès renforcées.

Enterprise

Secrets

Clés, tokens et webhooks

Les identifiants providers et secrets de livraison sont traités comme des éléments opérationnels sensibles.

Clés API Kadryn hashées

Les clés applicatives doivent être stockées sous forme de hash avec seulement un préfixe affichable.

Disponible

Credentials providers chiffrés

Les clés providers et tokens OAuth doivent être chiffrés au repos et jamais retournés bruts.

Disponible

Webhooks signés

Les livraisons webhook doivent utiliser signatures, timestamps, idempotence et retries.

Selon plan

Données

Traitement orienté métadonnées

Kadryn est conçu pour raisonner depuis les coûts et métadonnées opérationnelles plutôt que collecter du contenu sensible inutile.

Métadonnées d’attribution

Provider, modèle, projet, feature, équipe, client et owner.

Disponible

Rétention par plan

Les fenêtres de rétention peuvent varier selon le plan et la catégorie de données.

Selon plan

Discipline des exports

Les exports sensibles doivent être vérifiés par rôle, scope et auditabilité.

Enterprise

Opérations

Monitoring et incidents

La confiance production dépend du diagnostic, des logs redacted, des erreurs sûres et de workflows d’incident encadrés.

Monitoring opérationnel

Erreurs, jobs de fond, webhooks, livraison email et santé des intégrations.

Disponible

Traces orientées audit

Les changements sensibles doivent enregistrer acteur, action, cible et résultat.

Selon plan

Workflow de réponse incident

Confinement, investigation, correction, communication et revue post-incident.

Enterprise

Frontières data

Kadryn ne doit pas devenir un espace de dépôt de prompts sensibles.

Le FinOps IA fonctionne mieux quand les métadonnées opérationnelles suffisent à comprendre le coût, la responsabilité et le risque. Les clients doivent éviter d’envoyer des secrets, données personnelles inutiles ou contenus sensibles bruts dans des champs non prévus pour cela.

  • Utiliser des métadonnées comme projet, feature, équipe, environnement et owner.
  • Éviter de stocker secrets bruts, tokens d’accès, mots de passe ou payloads providers non redacted.
  • Limiter prompts et payloads lorsqu’ils ne sont pas nécessaires aux opérations de coût.
  • Revoir intégrations et exports avant d’ouvrir de larges accès à d’autres utilisateurs.

Besoin d’une revue sécurité avant de connecter l’usage production ?

Commencez avec un setup minimal, vérifiez les données que vous prévoyez d’envoyer, puis ajoutez des contrôles plus stricts quand votre usage IA devient critique.