TL;DR
- چکیده:.
- بازیابی اطلاعات خصوصی (PIR) به درخواستهای پایگاه داده خصوصی اجازه میدهد،.
- اما توسط محاسبات شدید سمت سرور و ترافیک حافظه مانع میشود.
چه اتفاقی افتاد
چکیده:. بازیابی اطلاعات خصوصی (PIR) به درخواستهای پایگاه داده خصوصی اجازه میدهد،.
اما توسط محاسبات شدید سمت سرور و ترافیک حافظه مانع میشود. پروتکلهای PIR مبتنی بر شبکه مدرن معمولاً شامل سه مرحله هستند:.
ExpandQuery (گسترش یک پرس و جو به شاخصهای رمزگذاری شده)،. RowSel (انتخاب ردیف رمزگذاری شده) و ColTor ("مسابقه ستونی" بازگشتی برای انتخاب نهایی).
ExpandQuery و ColTor عمدتاً تبدیلهای نظری اعداد (NTT) را انجام میدهند،. در حالی که RowSel به ضربهای ماتریس-ماتریس مستقل در مقیاس بزرگ (GEMM) کاهش مییابد.
پردازندههای گرافیکی از نظر تئوری برای این کارها ایدهآل هستند،. مشروط بر اینکه از دستهبندی چند مشتری برای دستیابی به توان عملیاتی بالا استفاده شود.
با این حال، دسته بندی اساساً گلوگاههای عملکرد را تغییر میدهد. در حالی که هزینههای دسترسی به پایگاه داده را مستهلک میکند،.
مجموعههای کاری را فراتر از ظرفیت حافظه نهان L2 گسترش میدهد و باعث رفتارهای متفاوت حافظه. و DRAM بیش از حد میشود.
ترافیک ما GPIR،. یک سیستم PIR با شتاب GPU را ارائه میکنیم که طراحی هسته،.
طرحبندی دادهها و زمانبندی اجرا را بازنگری میکند. ما یک مدل اجرای ترکیبی آگاه از مرحله را معرفی میکنیم که به صورت پویا بین هستههای سطح.
عملیات،. که هر عملیات ابتدایی را جداگانه اجرا میکند،.
و هستههای سطح مرحله،. که تمام عملیات را در یک مرحله پروتکل به یک هسته واحد ترکیب میکند،.
سوئیچ میکند تا استفاده مجدد از دادههای روی تراشه را به حداکثر برساند. برای RowSel،.
ما یک شکاف عملکرد ناشی از عدم تطابق ساختاری بین طرحبندی دادههای مبتنی بر NTT و الگوهای دسترسی. کاشیشده GEMM را شناسایی میکنیم که با دستهبندی چند مشتری تشدید میشود.
ما این مشکل را از طریق طراحی GEMM با طرحبندی جابجا شده و خط لولهگذاری ریزدانه حل میکنیم. در نهایت،.
ما GPIR را به سیستمهای چند GPU تعمیم میدهیم و ظرفیت پرس و جو و ظرفیت پایگاه داده. را با سربار ارتباط ناچیز مقیاس میدهیم.
GPIR تا 305. 7 برابر توان عملیاتی بالاتری نسبت به PIRonGPU به دست میآورد.
پیادهسازی GPU صفحه، 12 شکل، پذیرفته شده در ICS 2026 رمزنگاری و امنیت (cs. CR)؛ معماری سخت افزار (cs.
AR) استناد بهعنوان: (یا v1 [cs. CR] برای این نسخه) https:.
// شده توسط arXiv از طریق DataCite (در انتظار ثبت نام) تاریخچه ارسال از:. Jung Ho Ahn [مشاهده ایمیل] [v1] دوشنبه،.
6 آوریل 2026،. 14:.
04:. 14 UTC (669 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.