TL;DR
- چکیده:.
- رمزگذاری کاملا هممورفیک (FHE) استنتاج ترانسفورماتور حفظ حریم خصوصی را امکان پذیر میکند،.
- اما ترانسفورماتورهای رمزگذاری شده با توالی طولانی به سرعت از ظرفیت حافظه تک GPU فراتر میروند زیرا.
چه اتفاقی افتاد
چکیده:. رمزگذاری کاملا هممورفیک (FHE) استنتاج ترانسفورماتور حفظ حریم خصوصی را امکان پذیر میکند،.
اما ترانسفورماتورهای رمزگذاری شده با توالی طولانی به سرعت از ظرفیت حافظه تک GPU فراتر میروند زیرا. وزنهای رمزگذاری شده در حال حاضر بزرگ هستند و فعال سازیهای رمزگذاری شده به سرعت با.
طول دنباله رشد میکنند. بنابراین اجرای چند GPU اجتناب ناپذیر میشود،.
اما مقیاس بندی همچنان چالش برانگیز است زیرا ارتباطات بهطور مشترک توسط تجمع در سطح برنامه و جفت. RNS در سطح رمزگذاری القا میشود.
رویکردهای موجود یا بهطور مکرر بین دستگاهها همگام میشوند یا تانسورهای رمزگذاری شده را در سراسر دستگاهها تکرار. میکنند،.
که منجر به ارتباطات و تأخیر بیش از حد میشود. ما AEGIS را ارائه میکنیم،.
یک سیستم استنتاج هدایتشده با رمزگذاری برنامه برای استنتاج ترانسفورماتور رمزگذاریشده با توالی طولانی مقیاسپذیر بر روی پلتفرمهای. چند GPU.
AEGIS قرارگیری دستگاه را از وابستگیهای متن رمزی که مشترکاً توسط آن القا میشوند،. استخراج میکند جریان داده ترانسفورماتور و کوپلینگ چند جملهای CKKS،.
دادههای همدوس-مدول و همدوس-توکن را هممحل میکند تا ارتباطات تنها زمانی معرفی شود که وابستگیهای برنامه به آن. نیاز داشته باشند،.
در حالی که عملگرهای چند جملهای را مجدداً مرتب میکنند تا جمعهای باقیمانده را با محاسبات همپوشانی کنند. در ورودیهای 2048 توکن، AEGIS ارتباطات بین GPU را تا 57.
9 درصد در شبکههای فید فوروارد و 81. 3 درصد در توجه به خود در مقابل طراحیهای پیشرفته قبلی کاهش میدهد.
در چهار پردازنده گرافیکی، تا 96. 62 درصد راندمان مقیاسپذیری، 3.
86 برابر افزایش سرعت سرتاسری و 69. 1 درصد کاهش حافظه در هر دستگاه را به دست میآورد.
این نتایج،. توازی هماهنگ برنامه-رمزگذاری را بهعنوان یک پایه عملی برای استنتاج ترانسفورماتور همومورفیک مقیاس پذیر ایجاد میکند.
در ICS 2026 پذیرفته شد رمزنگاری و امنیت (cs. CR)؛ هوش مصنوعی (cs.
AI)؛ محاسبات توزیع شده، موازی و خوشهای (cs. DC) استناد بهعنوان: (یا v1 [cs.
CR] برای این نسخه) https:. // شده توسط arXiv از طریق DataCite (در انتظار ثبت نام) تاریخچه ارسال از:.
Gavin Gong [مشاهده ایمیل] [v1] جمعه،. 3 آوریل 2026،.
19:. 47:.
26 UTC (769 KB).
چرا مهم است
اهمیت این خبر در این است که روی استفاده واقعی از AI و تصمیمگیری سازمانی اثر میگذارد.
منبع
لینک منبع اصلی در کارت و صفحه مقاله نمایش داده میشود.