SecureRouter Framework Accelera l'Inferenza di Reti Neurali Crittografate con Selezione Adattiva del Modello

SecureRouter ha presentato un innovativo framework di routing e inferenza crittografato, progettato per aumentare la velocità dell'inferenza sicura dei transformer attraverso la selezione adattiva dei modelli basata su dati crittografati. Questa innovazione affronta le carenze delle attuali tecniche di inferenza che preservano la privacy, che dipendono dal Secure Multi-Party Computation (MPC). Tradizionalmente, questi metodi utilizzano un unico modello transformer statico per tutti i dati crittografati, portando a inefficienze poiché input diversi richiedono dimensioni di modello variabili per ottimizzare accuratezza e costo computazionale. Creando una pipeline crittografata coerente che combina un router sicuro con un pool di modelli ottimizzato per MPC, SecureRouter facilita il routing coordinato, l'inferenza e l'esecuzione del protocollo garantendo al contempo la sicurezza crittografica. Questa strategia mira a risolvere la natura lenta e costosa dei sistemi precedenti che hanno ostacolato l'uso pratico dell'inferenza sicura delle reti neurali. La metodologia consente ai server cloud di gestire gli input dei client senza decrittazione, salvaguardando così la privacy durante il calcolo. Questa ricerca è stata pubblicata su arXiv con l'identificatore 2604.15499v1, classificata come annuncio incrociato.