A NVIDIA desenvolveu a NVIDIA Confidential Computing (CC) como uma solução para abordar preocupações de privacidade, soberania e segurança de dados durante a inferência de modelos de IA. A tecnologia é projetada para fornecer um ambiente seguro para processar dados enquanto estão em uso, direcionando-se especificamente às necessidades de aplicações de IA agéntica. Esta abordagem visa permitir que as organizações adotem a IA sem comprometer a segurança ou o desempenho.
lab
NVIDIA Technical Blog
·
há 72 d
·
fonte: há 76 d
·
inference
NVIDIA apresenta Computação Confidencial para inferência de IA segura
Traduzido do English → Português (BR)
Artigos relacionados
lab
NVIDIA Research
·
há 11 h
·
3 visualizações
ShareMMU permite o compartilhamento seguro de tradução de endereços entre aceleradores não confiáveis com baixa sobrecarga
Pesquisadores apresentam o ShareMMU, um design de IOMMU que permite que múltiplos aceleradores não confiáveis reutilizem com segurança endereços previamente traduzidos dentro de um espaço de endereço virtual compartilhado. Esta abordagem mitiga riscos de canais laterais associados a grandes Buffers de Tradução Compartilhada (TLBs) enquanto mantém alto desempenho.
lab
NVIDIA Research
·
há 5 d
·
6 visualizações
Onyx alcança custo 1,7-9,9x menor e latência 2,3-12,3x menor para busca ANN disk-oblivious
Pesquisadores propõem o Onyx, uma abordagem eficiente em custos para busca de vizinhos mais próximos aproximados (ANN) disk-oblivious que equilibra largura de banda e contagem de acessos invertendo o design dos sistemas ORAM-ANN de última geração.
lab
NVIDIA Research
·
há 5 d
·
6 visualizações
Privatar permite privacidade preservada escalável em VR multiusuário via descarregamento seguro
Pesquisadores apresentam o Privatar, um framework que descarrega a reconstrução de avatares de headsets para dispositivos locais não confiáveis, enquanto se protege contra interceptação de dados. O sistema aproveita o conhecimento específico do domínio da reconstrução de avatares para alcançar um descarregamento comprovadamente privado com custo mínimo de desempenho.
lab
NVIDIA Research
·
há 5 d
·
6 visualizações
NVIDIA lança GPIR para recuperação privada de informação acelerada por GPU
Pesquisadores da NVIDIA apresentaram o GPIR, um sistema que acelera a Recuperação Privada de Informação (PIR) em GPUs ao abordar a alta computação e o tráfego de memória no lado do servidor inerentes aos protocolos baseados em reticulados. O sistema emprega um modelo de execução híbrido consciente das etapas que alterna dinamicamente entre kernels em nível de operação e em nível de etapa para maximizar a reutilização de dados no chip.
lab
NVIDIA Research
·
há 5 d
·
7 visualizações
NVIDIA caracteriza desempenho e custo de MPC e FHE para PPML
Um novo estudo apresenta uma caracterização unificada em nível de sistema da computação multipartidária segura (MPC) e criptografia totalmente homomórfica (FHE) para inferência de aprendizado de máquina que preserva a privacidade. O trabalho avalia duas variantes de MPC — conversão de compartilhamento aritmético/binário e compartilhamento secreto de funções — junto com FHE em múltiplos modelos CNN e Transformer.