論文の概要: Secure Platform for Processing Sensitive Data on Shared HPC Systems

• arxiv url: http://arxiv.org/abs/2103.14679v1
• Date: Fri, 26 Mar 2021 18:30:33 GMT
• ステータス: 処理完了
• システム内更新日: 2023-04-06 19:10:51.669534
• Title: Secure Platform for Processing Sensitive Data on Shared HPC Systems
• Title（参考訳）: 共有HPCシステムにおける高感度データ処理のためのセキュアプラットフォーム
• Authors: Michel Scheerman, Narges Zarrabi, Martijn Kruiten, Maxime Mog\'e, Lykle Voort, Annette Langedijk, Ruurd Schoonhoven, Tom Emery
• Abstract要約: 高性能コンピューティングクラスタは、機密データを処理するための課題を提起する。 本研究では,従来のマルチテナント高速コンピューティングクラスタ上でセキュアな計算環境を構築するための新しい手法を提案する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: High performance computing clusters operating in shared and batch mode pose challenges for processing sensitive data. In the meantime, the need for secure processing of sensitive data on HPC system is growing. In this work we present a novel method for creating secure computing environments on traditional multi-tenant high-performance computing clusters. Our platform as a service provides a customizable, virtualized solution using PCOCC and SLURM to meet strict security requirements without modifying the exist-ing HPC infrastructure. We show how this platform has been used in real-world research applications from different research domains. The solution is scalable by design with low performance overhead and can be generalized for processing sensitive data on shared HPC systems imposing high security criteria
• Abstract（参考訳）: 共有およびバッチモードで動作する高性能コンピューティングクラスタは、機密データを処理する上で課題となる。 一方,HPCシステム上での機密データのセキュアな処理の必要性が高まっている。 本稿では,従来のマルチテナント高性能コンピューティングクラスタ上でセキュアなコンピューティング環境を構築するための新しい手法を提案する。 当社のプラットフォーム・アズ・ア・サービスでは,既存のHPCインフラストラクチャを変更することなく,厳格なセキュリティ要件を満たすため,PCOCCとSLURMを使用してカスタマイズ可能な仮想化ソリューションを提供しています。 このプラットフォームが、異なる研究領域の現実世界の研究アプリケーションでどのように使われているかを示す。 このソリューションは、性能上のオーバーヘッドが低い設計でスケーラブルであり、高いセキュリティ基準を示す共有HPCシステム上で機密データを処理するために一般化することができる。

関連論文リスト

• Enabling High Data Throughput Reinforcement Learning on GPUs: A Domain Agnostic Framework for Data-Driven Scientific Research [90.91438597133211]
  我々は、強化学習の適用において重要なシステムのボトルネックを克服するために設計されたフレームワークであるWarpSciを紹介する。 我々は、CPUとGPU間のデータ転送の必要性を排除し、数千のシミュレーションを同時実行可能にする。
  論文  参考訳（メタデータ） (2024-08-01T21:38:09Z)
• A Scalable Clustered Architecture for Cyber-Physical Systems [0.0]
  サイバー物理システム(CPS)は相互接続システムの運用において重要な役割を担っている。 CPSは物理的資産やプロセスの検知、監視、制御が可能な物理およびソフトウェアコンポーネントを統合している。 このプロジェクトの開発は、CPSの課題に対するソリューションの設計と実装に貢献することを目的としている。
  論文  参考訳（メタデータ） (2024-07-08T13:37:00Z)
• Chat AI: A Seamless Slurm-Native Solution for HPC-Based Services [0.3124884279860061]
  大規模言語モデル(LLM)は、研究者がオープンソースまたはカスタムの微調整 LLM を実行し、ユーザが自分のデータがプライベートであり、同意なしに保存されないことを保証します。 本稿では,HPC システム上で多数の LLM モデルを実行するスケーラブルなバックエンドにセキュアにアクセス可能な,クラウド VM 上で動作する Web サービスによる実装を提案する。 我々のソリューションは、HPCバッチスケジューラのSlurmと統合されており、HPCクラスタへのシームレスなデプロイを可能にし、通常のSlurmワークロードと並行して実行できる。
  論文  参考訳（メタデータ） (2024-06-27T12:08:21Z)
• Hook-in Privacy Techniques for gRPC-based Microservice Communication [0.0]
  gRPCは現代の分散システムアーキテクチャの中心にあります。 広く採用されているにもかかわらず、gRPCにはトランスポートやトークンベースの認証以上の高度なプライバシ技術がない。 本稿では,このような高度なプライバシ技術をgRPCフレームワークに統合する,新たなアプローチを提案する。
  論文  参考訳（メタデータ） (2024-04-08T15:18:42Z)
• Unsupervised KPIs-Based Clustering of Jobs in HPC Data Centers [0.0]
  キーパフォーマンスインジケータ(KPI)は、CPU使用量、メモリ使用量、ネットワークトラフィック、その他のハードウェアを監視するセンサに関する情報を提供する、膨大な数の監視タスクを生成する。 本論文の主な貢献は、HPCシステムにおいて、各ジョブの振る舞いに応じて、どのメトリック/s(KPI)が、どのタイプのジョブを識別/分類するのに最も適しているかを特定することである。 我々は,ネットワーク(インタフェース)トラフィック監視に関連する指標(KPI)がクラスタHPCジョブの結合と分離に最適であり,階層的クラスタリングアルゴリズムがこのタスクに最も適していると結論づけた。
  論文  参考訳（メタデータ） (2023-12-11T17:31:46Z)
• Scaling #DNN-Verification Tools with Efficient Bound Propagation and Parallel Computing [57.49021927832259]
  ディープニューラルネットワーク(DNN)は多くのシナリオで異常な結果を示した強力なツールです。 しかし、それらの複雑な設計と透明性の欠如は、現実世界のアプリケーションに適用する際の安全性上の懸念を提起する。 DNNの形式的検証(FV)は、安全面の証明可能な保証を提供する貴重なソリューションとして登場した。
  論文  参考訳（メタデータ） (2023-12-10T13:51:25Z)
• One nine availability of a Photonic Quantum Computer on the Cloud toward HPC integration [0.8961191069175432]
  2022年11月、我々は単一の光子をベースとしたクラウドアクセス可能な汎用量子コンピュータを初めて導入した。 クラウドアクセス可能な量子コンピューティングプラットフォームの設計と実装について説明するとともに、9つの可用性(外部ユーザに対しては6ヶ月間の92、ほとんどのオンラインサービスよりも高い92)を実証する。 この研究は、ハイブリッドHPC-QCインフラにおける量子コンピューティングアクセシビリティとユーザビリティの進歩の基礎となった。
  論文  参考訳（メタデータ） (2023-08-28T13:47:39Z)
• SOLIS -- The MLOps journey from data acquisition to actionable insights [62.997667081978825]
  本稿では,基本的なクロスプラットフォームテンソルフレームワークとスクリプト言語エンジンを使用しながら,すべての要件をサポートする統合デプロイメントパイプラインとフリー・ツー・オペレートアプローチを提案する。 しかし、このアプローチは、実際のプロダクショングレードシステムに機械学習機能を実際にデプロイするために必要な手順やパイプラインを提供していない。
  論文  参考訳（メタデータ） (2021-12-22T14:45:37Z)
• Towards AIOps in Edge Computing Environments [60.27785717687999]
  本稿では,異種分散環境に適用可能なaiopsプラットフォームのシステム設計について述べる。 高頻度でメトリクスを収集し、エッジデバイス上で特定の異常検出アルゴリズムを直接実行することが可能である。
  論文  参考訳（メタデータ） (2021-02-12T09:33:00Z)
• Faster Secure Data Mining via Distributed Homomorphic Encryption [108.77460689459247]
  ホモモルフィック暗号化(HE)は、最近、暗号化されたフィールド上で計算を行う能力により、ますます注目を集めている。 本稿では,スケーリング問題の解決に向けて,新しい分散HEベースのデータマイニングフレームワークを提案する。 各種データマイニングアルゴリズムとベンチマークデータセットを用いて,新しいフレームワークの有効性と有効性を検証する。
  論文  参考訳（メタデータ） (2020-06-17T18:14:30Z)
• A Privacy-Preserving Distributed Architecture for Deep-Learning-as-a-Service [68.84245063902908]
  本稿では,ディープラーニング・アズ・ア・サービスのための分散アーキテクチャを提案する。 クラウドベースのマシンとディープラーニングサービスを提供しながら、ユーザの機密データを保存できる。
  論文  参考訳（メタデータ） (2020-03-30T15:12:03Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。