NVIDIA 开发了 NVIDIA Confidential Computing (CC) 作为解决 AI 模型推理期间数据隐私、主权和安全问题的方案。 该技术旨在为使用中的数据提供安全处理环境,专门针对代理式 AI 应用的需求。 这种方法旨在使组织能够在不牺牲安全性或性能的情况下采用 AI。
lab
NVIDIA Technical Blog
·
72 天前
·
来源: 76 天前
·
inference
NVIDIA 推出机密计算以实现安全的 AI 推理
译自 English → 中文
相关文章
lab
NVIDIA Research
·
11 小时前
·
3 次浏览
ShareMMU 以低开销实现不可信加速器之间安全的地址翻译共享
研究人员提出了 ShareMMU,一种 IOMMU 设计,允许多个不可信的加速器在共享虚拟地址空间内安全地重用已翻译的地址。这种方法在保持高性能的同时,减轻了与大型共享转换旁路缓冲区(TLB)相关的侧信道风险。
lab
NVIDIA Research
·
5 天前
·
6 次浏览
Onyx 为 disk-oblivious ANN 搜索实现成本降低 1.7-9.9 倍、延迟降低 2.3-12.3 倍
研究人员提出了 Onyx,这是一种面向 disk-oblivious 近似最近邻(ANN)搜索的成本高效方法,通过反转当前最先进的 ORAM-ANN 系统的设计,在带宽和访问次数之间取得平衡。
lab
NVIDIA Research
·
5 天前
·
6 次浏览
Privatar通过安全卸载实现可扩展的隐私保护多用户VR
研究人员推出了Privatar,这是一个将头像重建从头显卸载到不受信任的本地设备的同时防止数据拦截的框架。该系统利用头像重建领域的专业知识,以最小的性能成本实现可证明的隐私安全卸载。
lab
NVIDIA Research
·
5 天前
·
6 次浏览
NVIDIA 发布 GPIR,用于 GPU 加速的私有信息检索
来自 NVIDIA 的研究人员推出了 GPIR,这是一种在 GPU 上加速私有信息检索(PIR)的系统,通过解决基于格协议固有的高服务器端计算和内存流量问题来实现。该系统采用了一种感知阶段的混合执行模型,动态切换操作级和阶段级内核,以最大化片内数据重用。
lab
NVIDIA Research
·
5 天前
·
7 次浏览
NVIDIA 对 PPML 的 MPC 和 FHE 性能与成本进行特征分析
一项新研究提出了针对隐私保护机器学习推理的安全多方计算 (MPC) 和全同态加密 (FHE) 的统一系统级特征分析。该工作评估了两种 MPC 变体——算术/二进制共享转换和函数秘密共享——以及 FHE 在多个 CNN 和 Transformer 模型上的表现。