論文の概要: Reflex: Speeding Up SMPC Query Execution through Efficient and Flexible Intermediate Result Size Trimming
- arxiv url: http://arxiv.org/abs/2503.20932v1
- Date: Wed, 26 Mar 2025 19:04:05 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-03-28 12:50:40.996160
- Title: Reflex: Speeding Up SMPC Query Execution through Efficient and Flexible Intermediate Result Size Trimming
- Title(参考訳): Reflex: 効率的でフレキシブルな中間サイズトリミングによるSMPCクエリ実行の高速化
- Authors: Long Gu, Shaza Zeitouni, Carsten Binnig, Zsolt István,
- Abstract要約: MPC演算子に簡単に付加できる演算子出力の柔軟かつ効率的なトリミングを提案する。
私たちは、最先端のトリミングアプローチを移植することで、より高速なランタイムとセキュリティを向上することで、私たちの作業が現実的であることを実証しています。
私たちの研究は、物理的なクエリプランを構成する際に、異なるパフォーマンスとセキュリティターゲットを選択することのできる、将来のMPCクエリプランナの基礎を定めています。
- 参考スコア(独自算出の注目度): 10.739220189290936
- License:
- Abstract: There is growing interest in Secure Analytics, but fully oblivious query execution in Secure Multi-Party Computation (MPC) settings is often prohibitively expensive. Recent related works propose different approaches to trimming the size of intermediate results between query operators, resulting in significant speedups at the cost of some information leakage. In this work, we generalize these ideas into a method of flexible and efficient trimming of operator outputs that can be added to MPC operators easily. This allows for precisely controlling the security/performance trade-off on a per-operator and per-query basis. We demonstrate that our work is practical by porting a state-of-the-art trimming approach to it, resulting in a faster runtime and increased security. Our work lays down the foundation for a future MPC query planner that can pick different performance and security targets when composing physical query plans.
- Abstract(参考訳): Secure Analyticsへの関心はますます高まっているが、Secure Multi-Party Computation (MPC)設定における完全に控えめなクエリ実行は、しばしば違法に高価である。
近年の研究では、クエリ演算子間の中間結果のサイズをトリミングする方法が提案されている。
本研究では,これらのアイデアを,MPC演算子に簡単に付加可能な,柔軟かつ効率的な演算子出力のトリミング法に一般化する。
これにより、オペレータごとに、クエリ毎に、セキュリティ/パフォーマンスのトレードオフを正確に制御できる。
私たちは、最先端のトリミングアプローチを移植することで、より高速なランタイムとセキュリティを向上することで、私たちの作業が現実的であることを実証しています。
私たちの研究は、物理的なクエリプランを構成する際に、異なるパフォーマンスとセキュリティターゲットを選択することのできる、将来のMPCクエリプランナの基礎を定めています。
関連論文リスト
- FactorLLM: Factorizing Knowledge via Mixture of Experts for Large Language Models [50.331708897857574]
本稿では,高度に訓練された高密度FFNを余分なサブネットワークに分解する新しいアプローチであるFacterLLMを紹介する。
FactorLLMは、最大85%のモデル性能を確保しながら、推論速度を30%以上増加させながら、ソースモデルに匹敵するパフォーマンスを達成する。
論文 参考訳(メタデータ) (2024-08-15T16:45:16Z) - Sparser is Faster and Less is More: Efficient Sparse Attention for Long-Range Transformers [58.5711048151424]
SPARSEK Attention(SPARSEK Attention)は、計算およびメモリ障害を克服するために設計された、新しいスパースアテンション機構である。
提案手法では,各クエリに対して一定数のKVペアを選択するために,スコアリングネットワークと差別化可能なトップkマスク演算子であるSPARSEKを統合する。
実験結果から,SPARSEK注意は従来のスパースアテンション法よりも優れていた。
論文 参考訳(メタデータ) (2024-06-24T15:55:59Z) - Flexible Job Shop Scheduling via Dual Attention Network Based
Reinforcement Learning [73.19312285906891]
フレキシブルなジョブショップスケジューリング問題(FJSP)では、複数のマシンで操作を処理でき、操作とマシンの間の複雑な関係が生じる。
近年, 深層強化学習(DRL)を用いて, FJSP解決のための優先派遣規則(PDR)を学習している。
本稿では,Deep機能抽出のための自己注意モデルと,スケーラブルな意思決定のためのDRLの利点を生かした,エンドツーエンド学習フレームワークを提案する。
論文 参考訳(メタデータ) (2023-05-09T01:35:48Z) - ScionFL: Efficient and Robust Secure Quantized Aggregation [36.668162197302365]
我々は,フェデレートラーニングのための最初のセキュアアグリゲーションフレームワークであるScionFLを紹介する。
量子化された入力で効率的に動作し、同時に悪意のあるクライアントに対して堅牢性を提供する。
クライアントのオーバーヘッドがなく、サーバのオーバーヘッドも緩やかなため、標準的なFLベンチマークに匹敵する精度が得られます。
論文 参考訳(メタデータ) (2022-10-13T21:46:55Z) - Should All Proposals be Treated Equally in Object Detection? [110.27485090952385]
オブジェクト検出器の複雑さと精度のトレードオフは、リソース制約されたビジョンタスクにとって重要な問題である。
検出効率の改善には、提案の不平等な処理に向けて、パラダイムシフトが必要であると仮定されている。
これにより、利用可能な計算予算がより有効になり、同じFLOPSの精度が向上する。
論文 参考訳(メタデータ) (2022-07-07T18:26:32Z) - No DBA? No regret! Multi-armed bandits for index tuning of analytical
and HTAP workloads with provable guarantees [9.965853054511163]
本稿では,DBAとクエリオプティマイザを併用したオンラインインデックス選択に対する自律的アプローチを提案する。
我々はその問題を不確実性の下でのシーケンシャルな意思決定の1つと見なしている。
当社のソリューションでは、シフトのスピードアップを最大59%、静的ワークロードのスピードアップを最大51%提供しています。
論文 参考訳(メタデータ) (2021-08-23T12:54:48Z) - DBA bandits: Self-driving index tuning under ad-hoc, analytical
workloads with safety guarantees [14.913550078203448]
物理データベースの設計は、データベース研究に長く関心を寄せてきた。
クエリストアのような最近の進歩は、動的環境に対する限られたサポートしか提供しない。
本稿では,DBAとクエリオプティマイザを併用したオンラインインデックス選択に対する自律的アプローチを提案する。
論文 参考訳(メタデータ) (2020-10-19T04:24:10Z) - Dynamic Multi-Robot Task Allocation under Uncertainty and Temporal
Constraints [52.58352707495122]
本稿では,不確実性およびマルチエージェント協調の下での逐次意思決定における重要な計算課題を分離するマルチロボット割当アルゴリズムを提案する。
都市におけるマルチアームコンベヤベルトピック・アンド・プレイスとマルチドローン配送ディスパッチの2つの異なる領域における広範囲なシミュレーション結果について検証を行った。
論文 参考訳(メタデータ) (2020-05-27T01:10:41Z)
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。