NVIDIA는 AI 모델 추론 중 데이터 프라이버시, 주권 및 보안 문제를 해결하기 위한 솔루션으로 NVIDIA Confidential Computing (CC)를 개발했습니다. 이 기술은 사용 중인 데이터를 처리하는 동안 안전한 환경을 제공하도록 설계되었으며, 특히 에이전트형 AI 애플리케이션의 요구 사항을 타겟팅합니다. 이 접근 방식은 조직이 보안이나 성능을 희생하지 않고도 AI를 채택할 수 있도록 하는 것을 목표로 합니다.
lab
NVIDIA Technical Blog
·
72일 전
·
출처: 76일 전
·
inference
NVIDIA, 안전한 AI 추론을 위한 Confidential Computing 도입
번역 English → 한국어
관련 기사
lab
NVIDIA Research
·
11시간 전
·
조회수 3회
ShareMMU는 낮은 오버헤드로 신뢰할 수 없는 가속기 간 안전한 주소 변환 공유를 가능하게 합니다
연구자들은 여러 신뢰할 수 없는 가속기가 공유 가상 주소 공간 내에서 사전 번역된 주소를 안전하게 재사용할 수 있는 IOMMU 설계인 ShareMMU를 제시합니다. 이 접근 방식은 큰 공유 번역 사이드체인드 버퍼(TLB)와 관련된 사이드체인드 위험을 완화하면서도 높은 성능을 유지합니다.
lab
NVIDIA Research
·
5일 전
·
조회수 6회
Onyx, disk-oblivious ANN 검색에서 비용 1.7-9.9배, 지연 시간 2.3-12.3배 감소 달성
연구자들은 state-of-the-art ORAM-ANN 시스템의 설계를 역전시켜 대역폭과 접근 횟수를 균형 있게 맞추는 disk-oblivious 근접 이웃(ANN) 검색을 위한 비용 효율적인 접근 방식인 Onyx를 제안합니다.
lab
NVIDIA Research
·
5일 전
·
조회수 6회
Privatar은 안전한 오프로딩을 통해 확장 가능한 프라이버시 보호 다중 사용자 VR을 가능하게 함
연구자들은 아바타 재구성을 헤드셋에서 신뢰할 수 없는 로컬 장치로 오프로드하면서 데이터 가로채기로부터 보호하는 프레임워크인 Privatar를 소개합니다. 이 시스템은 아바타 재구성에 대한 도메인 특화 지식을 활용하여 최소한의 성능 비용으로 증명 가능한 프라이버시를 갖춘 오프로딩을 달성합니다.
lab
NVIDIA Research
·
5일 전
·
조회수 6회
NVIDIA, GPU 가속 프라이빗 정보 검색을 위한 GPIR 출시
NVIDIA 연구원들은 격자 기반 프로토콜에 내재된 높은 서버 측 계산 및 메모리 트래픽을 해결하여 GPU에서 프라이빗 정보 검색(PIR)을 가속화하는 시스템인 GPIR을 소개했습니다. 이 시스템은 온칩 데이터 재사용을 최대화하기 위해 연산 수준과 단계 수준 커널 간에 동적으로 전환하는 단계 인식 하이브리드 실행 모델을 사용합니다.
lab
NVIDIA Research
·
5일 전
·
조회수 7회
NVIDIA, PPML을 위한 MPC 및 FHE 성능과 비용 특성화
새로운 연구는 프라이버시 보존 기계 학습 추론을 위한 안전한 다자간 계산(MPC) 및 완전 동형 암호화(FHE)의 통합 시스템 수준 특성을 제시합니다. 이 작업은 여러 CNN 및 Transformer 모델에서 두 가지 MPC 변형—산술/이진 공유 변환 및 함수 비밀 공유—과 FHE를 평가합니다.