NVIDIA telah merancang NVIDIA Confidential Computing (CC) sebagai solusi untuk mengatasi kekhawatiran privasi data, kedaulatan, dan keamanan selama inferensi model AI. Teknologi ini dirancang untuk menyediakan lingkungan yang aman bagi pemrosesan data saat sedang digunakan, khususnya menargetkan kebutuhan aplikasi AI agentic. Pendekatan ini bertujuan untuk memungkinkan organisasi mengadopsi AI tanpa mengorbankan keamanan atau kinerja.
lab
NVIDIA Technical Blog
·
72 hari lalu
·
sumber: 76 hari lalu
·
inference
NVIDIA memperkenalkan Confidential Computing untuk inferensi AI yang aman
Diterjemahkan dari English → Bahasa Indonesia
Artikel terkait
lab
NVIDIA Research
·
11 jam lalu
·
3 tayangan
ShareMMU memungkinkan berbagi terjemahan alamat yang aman di antara akselerator tidak tepercaya dengan overhead rendah
Peneliti menyajikan ShareMMU, desain IOMMU yang memungkinkan beberapa akselerator tidak tepercaya untuk secara aman menggunakan kembali alamat yang telah diterjemahkan sebelumnya dalam ruang alamat virtual bersama. Pendekatan ini mengurangi risiko saluran samping yang terkait dengan Buffer Terjemahan Bersama (TLB) besar sambil mempertahankan kinerja tinggi.
lab
NVIDIA Research
·
5 hari lalu
·
6 tayangan
Onyx mencapai biaya lebih rendah 1,7-9,9x dan latensi lebih rendah 2,3-12,3x untuk pencarian ANN disk-oblivious
Peneliti mengusulkan Onyx, pendekatan hemat biaya untuk pencarian tetangga terdekat aproksimasi (ANN) disk-oblivious yang menyeimbangkan bandwidth dan jumlah akses dengan membalik desain sistem ORAM-ANN terkini.
lab
NVIDIA Research
·
5 hari lalu
·
6 tayangan
Privatar memungkinkan VR multi-pengguna yang menjaga privasi secara skalabel melalui offloading aman
Para peneliti memperkenalkan Privatar, sebuah kerangka kerja yang memindahkan rekonstruksi avatar dari headset ke perangkat lokal yang tidak dipercaya sambil melindungi terhadap penyadapan data. Sistem ini memanfaatkan pengetahuan spesifik domain tentang rekonstruksi avatar untuk mencapai offloading yang terbukti privat dengan biaya kinerja minimal.
lab
NVIDIA Research
·
5 hari lalu
·
6 tayangan
NVIDIA merilis GPIR untuk pengambilan informasi pribadi yang dipercepat GPU
Peneliti dari NVIDIA telah memperkenalkan GPIR, sebuah sistem yang mempercepat Private Information Retrieval (PIR) pada GPU dengan mengatasi komputasi sisi server dan lalu lintas memori tinggi yang melekat pada protokol berbasis kisi. Sistem ini menggunakan model eksekusi hibrida sadar tahap yang secara dinamis beralih antara kernel tingkat operasi dan tingkat tahap untuk memaksimalkan penggunaan kembali data di dalam chip.
lab
NVIDIA Research
·
5 hari lalu
·
7 tayangan
NVIDIA mengkarakterisasi kinerja dan biaya MPC serta FHE untuk PPML
Sebuah studi baru menyajikan karakterisasi terpadu tingkat sistem dari komputasi multipartai aman (MPC) dan enkripsi homomorfik sepenuhnya (FHE) untuk inferensi pembelajaran mesin yang melestarikan privasi. Pekerjaan ini mengevaluasi dua varian MPC — konversi pembagian aritmatika/biner dan pembagian rahasia fungsi — bersama dengan FHE di berbagai model CNN dan Transformer.