قامت إنفيديا بهندسة NVIDIA Confidential Computing (CC) كحل لمعالجة مخاوف خصوصية البيانات، والسيادة، والأمان أثناء استدلال نماذج الذكاء الاصطناعي. تم تصميم التكنولوجيا لتوفير بيئة آمنة لمعالجة البيانات أثناء استخدامها، وتستهدف بشكل خاص احتياجات تطبيقات الذكاء الاصطناعي الوكيلية. يهدف هذا النهج إلى تمكين المنظمات من اعتماد الذكاء الاصطناعي دون المساس بالأمان أو الأداء.
lab
NVIDIA Technical Blog
·
منذ 72 يوم
·
المصدر: منذ 76 يوم
·
inference
إنفيديا تقدم الحوسبة السرية للاستدلال الآمن للذكاء الاصطناعي
مُترجم من English → العربية
مقالات ذات صلة
lab
NVIDIA Research
·
منذ 11 ساعة
·
3 مشاهدات
يتيح ShareMMU مشاركة ترجمة العناوين بأمان بين المسرعات غير الموثوقة بتكلفة إضافية منخفضة
يقدم الباحثون تصميم ShareMMU، وهو تصميم لـ IOMMU يسمح للعديد من المسرعات غير الموثوقة بإعادة استخدام العناوين المترجمة مسبقًا بشكل آمن ضمن مساحة عنوان افتراضية مشتركة. يخفف هذا النهج من مخاطر القنوات الجانبية المرتبطة بمخازن المؤقتة الكبيرة للبحث عن الترجمات المشتركة (TLBs) مع الحفاظ على أداء عالٍ.
lab
NVIDIA Research
·
منذ 5 يوم
·
6 مشاهدات
Onyx يحقق تكلفة أقل بنسبة 1.7-9.9 مرة وزمن استجابة أقل بنسبة 2.3-12.3 مرة لبحث ANN غير المدرك للقرص
يقترح الباحثون Onyx، وهو نهج فعال من حيث التكلفة لبحث الجيران الأقربين التقريبي (ANN) غير المدرك للقرص، يوازن بين عرض النطاق وعدد الوصولات عن طريق عكس تصميم أنظمة ORAM-ANN الأكثر تقدمًا.
lab
NVIDIA Research
·
منذ 5 يوم
·
6 مشاهدات
يمكّن Privatar خصوصية متعددة المستخدمين في الواقع الافتراضي القابلة للتوسع عبر الإرسال الخارجي الآمن
يقدم الباحثون Privatar، وهو إطار عمل يُعيد بناء الأفاتار من النظارات إلى أجهزة محلية غير موثوقة مع الحماية من اعتراض البيانات. يستفيد النظام من المعرفة المتخصصة في إعادة بناء الأفاتار لتحقيق إرسال خارجي خاص بشكل مثبت بأقل تكلفة أداء.
lab
NVIDIA Research
·
منذ 5 يوم
·
6 مشاهدات
إنفيديا تطلق GPIR للاسترجاع الخاص للمعلومات المسرّع بواسطة وحدة معالجة الرسومات
قدم باحثون من إنفيديا نظام GPIR، الذي يسرّع الاسترجاع الخاص للمعلومات (PIR) على وحدات معالجة الرسومات من خلال معالجة الحساب العالي على جانب الخادم وحركة مرور الذاكرة الكامنة في البروتوكولات القائمة على الشبكات. يستخدم النظام نموذج تنفيذ هجينًا يدرك المراحل، حيث يبدل ديناميكيًا بين kernels على مستوى العملية وعلى مستوى المرحلة لتعظيم إعادة استخدام البيانات داخل الشريحة.
lab
NVIDIA Research
·
منذ 5 يوم
·
7 مشاهدات
NVIDIA تميز أداء وتكلفة MPC و FHE لـ PPML
تقدم دراسة جديدة توصيفًا موحدًا على مستوى النظام للحوسبة الآمنة متعددة الأطراف (MPC) والتشفير المتجانس الكامل (FHE) لاستدلال تعلم الآلة الذي يحافظ على الخصوصية. تقيم العمل متغيرين لـ MPC — تحويل المشاركة الحسابية/الثنائية ومشاركة الدوال السرية — جنبًا إلى جنب مع FHE عبر نماذج CNN و Transformer متعددة.