NVIDIAは、AIモデル推論時のデータプライバシー、主権、およびセキュリティの懸念に対処するソリューションとして、NVIDIA Confidential Computing (CC)を開発しました。 この技術は、使用中のデータを処理するための安全な環境を提供するように設計されており、特にエージェント型AIアプリケーションのニーズに対応しています。 このアプローチにより、組織はセキュリティやパフォーマンスを犠牲にすることなくAIを採用できるようになることを目指しています。
lab
NVIDIA Technical Blog
·
72日前
·
ソース: 76日前
·
inference
NVIDIA、安全なAI推論のための機密コンピューティングを導入
翻訳元 English → 日本語
関連記事
lab
NVIDIA Research
·
11時間前
·
3 回表示
ShareMMUは低オーバーヘッドで信頼できないアクセラレータ間の安全なアドレス変換共有を可能にする
研究者らは、複数の信頼できないアクセラレータが共有仮想アドレス空間内で事前に翻訳されたアドレスを安全に再利用できるようにするIOMMU設計であるShareMMUを発表しました。このアプローチは、大きな共有翻訳傍受バッファ（TLB）に関連するサイドチャネルリスクを軽減しつつ、高いパフォーマンスを維持します。
lab
NVIDIA Research
·
5日前
·
6 回表示
Onyx、disk-oblivious ANN検索でコストを1.7〜9.9倍、レイテンシを2.3〜12.3倍低減
研究者らは、state-of-the-artなORAM-ANNシステムの設計を反転させることで帯域幅とアクセス数をバランスさせ、disk-oblivious近似最近傍（ANN）検索のコスト効率の高いアプローチであるOnyxを提案した。
lab
NVIDIA Research
·
5日前
·
6 回表示
Privatarは安全なオフロードによりスケーラブルなプライバシー保護型マルチユーザーVRを実現
研究者らは、アバターの再構築をヘッドセットから信頼できないローカルデバイスにオフロードしつつ、データ傍受から保護するフレームワーク「Privatar」を発表した。このシステムは、アバターの再構築に関するドメイン固有の知識を活用し、最小限のパフォーマンスコストで証明可能なプライバシー保護型オフロードを実現している。
lab
NVIDIA Research
·
5日前
·
6 回表示
NVIDIA、GPU加速プライベート情報取得のためのGPIRをリリース
NVIDIAの研究チームは、格子ベースプロトコルに固有の高いサーバー側計算とメモリトラフィックに対処することで、GPU上でのプライベート情報取得（PIR）を加速するシステムGPIRを発表しました。このシステムは、チップ内データ再利用を最大化するために、演算レベルとステージレベルのカーネルの間で動的に切り替えるステージ対応型ハイブリッド実行モデルを採用しています。
lab
NVIDIA Research
·
5日前
·
7 回表示
NVIDIAがPPMLのMPCおよびFHEのパフォーマンスとコストを特性評価
新しい研究は、プライバシー保護機械学習推論のための安全なマルチパーティ計算（MPC）および完全ホモモフィック暗号（FHE）の統一されたシステムレベルでの特性評価を示しています。この作業は、複数のCNNおよびTransformerモデルにおいて、2つのMPCバリアント—算術/バイナリ共有変換および関数秘密共有—とFHEを評価します。