論文の概要: EnclaveScale: Hardware-Assisted Edge-DP for Secure Data Centre Power Telemetry
- arxiv url: http://arxiv.org/abs/2606.09163v1
- Date: Mon, 08 Jun 2026 07:55:57 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-09 14:42:06.820124
- Title: EnclaveScale: Hardware-Assisted Edge-DP for Secure Data Centre Power Telemetry
- Title（参考訳）: EnclaveScale:セキュアデータセンター電力テレメトリのためのハードウェア支援エッジDP
- Abstract要約: EnclaveScaleは、分散ハードウェア支援のテレメトリアーキテクチャで、抽出後の検証を提供する。
DCAP,差分プライバシーノイズ注入,ビザンチン拒絶を利用した抽出後パイプラインの実装と評価を行った。
E EnclaveScaleは、1.3ドルというダイナミックなオーケストレーションマージンエラーを、正直なアグレゲータ中央DPベースラインの0.1ドルに対して達成している。
- 参考スコア（独自算出の注目度）: 4.51092676390934
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: EnclaveScale is a distributed, hardware-assisted telemetry architecture providing post-extraction attestation, enabling operators to collaboratively model high-resolution generative AI power transients. Existing cryptographic techniques scale poorly for 10-Hz streaming or fail to authenticate origins, permitting malicious hosts to spoof sensor inputs. We implement and evaluate a post-extraction pipeline utilizing DCAP attestation, differential privacy noise injection, and Byzantine rejection across 32 GCP Confidential VMs, achieving 0\% post-extraction attack success rate. This edge-DP approach distils continuous GPU transients into discrete Markov-chain transition matrices, guaranteeing event-level differential privacy. To mitigate pre-ingestion vulnerabilities, we propose an SPDM-authenticated first-mile layer. While current platforms lack attested I/O, emerging hardware architectures integrate PCIe IDE and TDISP to natively prevent host-level synthesis, securing the end-to-end provenance boundary. A Global Aggregation Enclave verifies these cryptographic proofs prior to capacity-weighted aggregation. Evaluation demonstrates a steady-state throughput of $131{,}406$ samples/s per enclave, amortising attestation overhead to $0.23\,μ$s/sample. On empirical NVML-sampled H100, A100, and L4 traces, EnclaveScale achieves a dynamic orchestration margin error of $1.3$\,MW compared to $0.1$\,MW for an honest-aggregator central-DP baseline. EnclaveScale establishes a secure foundation for dynamic multi-tenant power orchestration, obfuscating sub-second anomalies locally and protecting macro-workload confidentiality via spatial dilution during global aggregation.
- Abstract（参考訳）: EnclaveScaleは、分散ハードウェア支援のテレメトリアーキテクチャで、抽出後の検証を提供し、オペレーターは高解像度な生成AIパワートランジェントを協調的にモデル化することができる。
既存の暗号化技術は10Hzのストリーミングではスケールが悪く、起源を認証できないため、悪意のあるホストがセンサー入力を盗むことができる。
DCAP検査、差分プライバシーノイズ注入、および32のGCP Confidential VMにわたるビザンチン拒絶を利用した後抽出パイプラインの実装と評価を行い、抽出後攻撃成功率0\%を達成した。
このエッジDPアプローチは、連続GPUトランジェントを離散マルコフチェーン遷移行列に分解し、イベントレベルの差分プライバシーを保証する。
プレインジェクションの脆弱性を軽減するために,SPDMを付加した1マイル層を提案する。
現在のプラットフォームには証明されたI/Oがないが、新しいハードウェアアーキテクチャはPCIe IDEとTDISPを統合し、ホストレベルの合成をネイティブに防止し、エンドツーエンドの証明境界を確保する。
グローバルアグリゲーション・エンクレーブ(Global Aggregation Enclave)は、キャパシティ重み付けアグリゲーションの前にこれらの暗号証明を検証する。
評価は、1エンクレーブあたり131{,}406$サンプル/sの定常的なスループットを示し、証明オーバーヘッドを0.23\,μ$s/sampleに補正する。
実験的なNVMLサンプリングされたH100、A100、L4トレースでは、EnclaveScaleは1.3$\,MWのダイナミックなオーケストレーションマージンエラーを達成している。
EnclaveScaleは、動的マルチテナント電力オーケストレーションのためのセキュアな基盤を確立し、ローカルで秒以下の異常を回避し、グローバルアグリゲーション中の空間的希釈を通じてマクロワークロードの機密性を保護する。
関連論文リスト
- Distributed Physical Layer Authentication and Collaborative RSMA in Non-Terrestrial Networks via Graph Reinforcement Learning [2.0965265618008315]
正当なチャネル状態情報(CSI)にアクセスせずに、受動的、位置対応、静的な盗聴器
秘密スペクトル効率(SSE)を最大化するマルチゾーンシステム(SAFA-MZ)に対するセキュア適応認証を提案する。
その結果,単線通信よりも平均SSEを最大135%,ANなしでは21%向上することが示唆された。
論文 参考訳（メタデータ） (2026-09-08T21:46:12Z) - Raw-Curve Quantum Fingerprints: A Mahalanobis Authentication Framework with Drift Early Warning and Adversarial Detection [11.819995530903567]
量子クラウドプラットフォームは強力なコンピューティング機能を提供することを目指しているが、ユーザは、どの物理デバイスがワークロードを実行するかを検証する直接的な手段を持っていない。
この透明性の欠如により、悪意のある敵がジョブを代替または劣等なプロセッサにリダイレクトするハードウェア置換攻撃が可能になる。
実測データから多次元量子指紋を構築することにより,この問題に対処する汎用認証フレームワークを提案する。
論文 参考訳（メタデータ） (2026-06-10T04:10:21Z) - Detecting and Mitigating Backdoor Attacks in OTA-FL Systems: A Two-Stage Robust Aggregation Scheme [27.75838619796163]
オーバー・ザ・エア・フェデレーション・ラーニング (OTA-FL) は無線チャネルの重ね合わせ特性を利用して通信効率を向上させる。
パラメータサーバは個々のローカル更新にアクセスできない。
OTA-FLにおけるバックドア攻撃に対する防御のための2段階のロバストアグリゲーションフレームワークを提案する。
論文 参考訳（メタデータ） (2026-05-19T01:57:31Z) - WISV: Wireless-Informed Semantic Verification for Distributed Speculative Decoding in Device-Edge LLM Inference [56.297697169678095]
WISV(Wireless-Informed Semantic Verification)は、分散投機的復号化フレームワークである。
WISVは最大60.8%の許容長の増加、37.3%の対話ラウンドの削減、31.4%のエンドツーエンドレイテンシの改善を実現している。
NVIDIA Jetson AGX OrinとA40搭載サーバからなるハードウェアテストベッド上でWISVを検証する。
論文 参考訳（メタデータ） (2026-04-20T01:29:56Z) - Compiling Activation Steering into Weights via Null-Space Constraints for Stealthy Backdoors [48.881343993730844]
安全性に整合した大規模言語モデル(LLM)は、現実世界のパイプラインにますますデプロイされている。
敵は通常の評価では動作しないバックドアのチェックポイントを配布することができる。
最近のポストホック重み付け法は、そのようなバックドアを注入するための効率的なアプローチを提供する。
論文 参考訳（メタデータ） (2026-04-14T06:48:33Z) - CAWN: Continuous Acoustic Wave Networks for Autoregressive Language Modeling [46.16066322190728]
完全連続配列混合アーキテクチャであるCAWN(Continuous Acoustic Wave Network)を導入する。
CAWNは離散行列ベースの注意を代わりに、多面体複素ドメインファサーに隠された状態を計画している。
超長コンテキスト上での信号劣化を防止するため,デュアルゲート選択位相共振機構を導入する。
論文 参考訳（メタデータ） (2026-04-05T20:13:22Z) - Byzantine-Robust and Differentially Private Federated Optimization under Weaker Assumptions [89.52532304099522]
フェデレートラーニング(FL)は、クライアントが生データを集中せずに共有モデルを共同でトレーニングすることを可能にし、固有のプライバシーレベルを提供する。
グラデーションとモデル更新は機密情報を漏洩する可能性があるが、悪意のあるサーバはビザンティン操作のような敵攻撃をマウントする可能性がある。
これらの脆弱性は、統合されたフレームワーク内の差分プライバシー(DP)とビザンチンの堅牢性に対処する必要性を強調している。
Byz-Clip21-SGD2Mを提案する。
論文 参考訳（メタデータ） (2026-03-24T17:39:09Z) - Repurposing Backdoors for Good: Ephemeral Intrinsic Proofs for Verifiable Aggregation in Cross-silo Federated Learning [30.440611659881494]
暗号証明からtextitIntrinsic Proofs へ移行する軽量アーキテクチャを提案する。
モデルパラメータに直接検証信号を埋め込むために、カタストロフィックフォーッティングを利用する。
我々の手法は、暗号ベースラインと比較して、ResNet-18で1000ドル以上のスピードアップを実現し、大規模モデルに効果的にスケールする。
論文 参考訳（メタデータ） (2026-03-11T12:04:18Z) - FedGraph-VASP: Privacy-Preserving Federated Graph Learning with Post-Quantum Security for Cross-Institutional Anti-Money Laundering [0.0]
我々は、アンチマネーロンダリング検出のためのプライバシ生成グラフ学習フレームワークであるFedGraph-VASPを提案する。
私たちの重要なコントリビューションは、境界アカウントの圧縮された非可逆グラフニューラルネットワーク表現のみを共有する境界埋め込み交換プロトコルです。
論文 参考訳（メタデータ） (2026-01-25T18:14:26Z) - Zer0n: An AI-Assisted Vulnerability Discovery and Blockchain-Backed Integrity Framework [0.0]
Zer0nは、Large Language Models(LLM)の推論能力をブロックチェーン技術の不変監査パスに固定するフレームワークである。
ロジックベースの脆弱性検出のためにGemini 2.0 ProとAvalanche C-Chainを統合した。
論文 参考訳（メタデータ） (2026-01-11T18:27:52Z) - Optimistic TEE-Rollups: A Hybrid Architecture for Scalable and Verifiable Generative AI Inference on Blockchain [4.254924788681319]
我々は制約を調和させるハイブリッド検証プロトコルであるOptimistic TEE-Rollups (OTR)を紹介する。
OTRは集中ベースラインのスループットの99%を達成している。
論文 参考訳（メタデータ） (2025-12-23T09:16:41Z) - Towards Strong Certified Defense with Universal Asymmetric Randomization [45.903124918873715]
UCANは、既存のランダムな平滑化手法を強化し、それを対称(等方性)から非対称(異方性)ノイズ分布に変換するように設計されている。
我々の理論フレームワークは、様々な$ell_p$-normsで証明されたロバスト性のために、幅広いノイズ分布をサポートする。
実証的な評価は、既存の最先端手法よりもUCANの性能が飛躍的に向上したことを示している。
論文 参考訳（メタデータ） (2025-10-22T19:14:26Z) - Lazy Layers to Make Fine-Tuned Diffusion Models More Traceable [70.77600345240867]
新たな任意の任意配置(AIAO)戦略は、微調整による除去に耐性を持たせる。
拡散モデルの入力/出力空間のバックドアを設計する既存の手法とは異なり,本手法では,サンプルサブパスの特徴空間にバックドアを埋め込む方法を提案する。
MS-COCO,AFHQ,LSUN,CUB-200,DreamBoothの各データセットに関する実証研究により,AIAOの堅牢性が確認された。
論文 参考訳（メタデータ） (2024-05-01T12:03:39Z)
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。