論文の概要: A Graph-Based Analysis of Comparability, Scale, and Attribution in Private Transformer Inference

• arxiv url: http://arxiv.org/abs/2610.19607v1
• Date: Wed, 14 Oct 2026 05:30:25 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-15 21:06:15.980114
• Title: A Graph-Based Analysis of Comparability, Scale, and Attribution in Private Transformer Inference
• Title（参考訳）: プライベートトランスフォーマー推論における比較可能性・スケール・属性のグラフベース解析
• Abstract要約: この研究は62のPTIシステムの経験的なグラフを構築し、システムの属性をノードの特徴にマッピングし、エッジに対する評価互換性を構築する。 このグラフの3層解析により、プライベート推論の状態が照らされる。 プライベート推論のスケーリングフロンティアは13Bパラメータで高められ、現在のPTIテクニックをプロダクションスケールのトランスフォーマーにデプロイするコストを予測している。
• 参考スコア（独自算出の注目度）: 11.070499779505454
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Rising privacy concerns around large language models have accelerated research in private Transformer inference (PTI). Synthesizing the empirical claims in this line of research, however, is hindered by multi-dimensional cryptographic progress and inconsistent evaluation contracts. In this work, we systematize the field by constructing an empirical graph of 62 PTI systems, mapping system attributes to node features and evaluation compatibility to edges. A three-tiered analysis of this graph illuminates the state of private inference. Node-level attribution shows that cryptographic progress drives performance gains across most systems, yet always co-occurs with other factors (model fidelity, hardware, cost accounting). Edge-level auditing shows that only 1 of 1891 candidate system pairs is directly comparable under shared assumptions. Finally, graph-level analysis shows that the scaling frontier of private inference has plateaued at 13B parameters and projects the cost of deploying current PTI techniques on production-scale Transformers. Overall, this graph-based framework equips the community to evaluate PTI claims transparently and channel technical speedups into deployment-scale private inference.
• Abstract（参考訳）: 大規模言語モデルに関するプライバシー問題の増加は、プライベートトランスフォーマー推論(PTI)の研究を加速させている。 しかし、この一連の研究で経験的主張を合成することは、多次元暗号の進歩と一貫性のない評価契約によって妨げられる。 本研究では,62のPTIシステムの経験的グラフを構築し,ノードの属性をノードの特徴にマッピングし,エッジの適合性を評価することにより,フィールドを体系化する。 このグラフの3層解析により、プライベート推論の状態が照らされる。 ノードレベルの属性は、暗号の進歩によってほとんどのシステムのパフォーマンスが向上することを示しているが、常に他の要因(モデル忠実性、ハードウェア、コスト会計)と共起している。 エッジレベルの監査は、1891年の候補システムペアのうち1つだけが、共有された仮定の下で直接的に同等であることを示している。 最後に、グラフレベルの分析により、プライベート推論のスケーリングフロンティアが13Bパラメータで増加し、現在のPTIテクニックをプロダクションスケールのトランスフォーマーにデプロイするコストを予測している。 全体として、このグラフベースのフレームワークは、PTIの主張を透過的に評価し、デプロイメントスケールのプライベート推論に技術的スピードアップをもたらす。

関連論文リスト

• Domain-Prior-Regularized Graph Modeling for Anomaly Detection in Cyber-Physical Systems [4.42333974179549]
  異常検出は、サイバー物理システムの産業監視に重要である。 最近のグラフベースのアプローチは大きな進歩を遂げているが、小さな物理システムではしばしば苦労している。 本稿では,システム設計知識をグラフ構築に組み込んだ予測ベースのフレームワークであるDPR-GMを提案する。
  論文  参考訳（メタデータ） (2026-07-25T13:21:56Z)
• Optimizing AI Inference Across the Deployment Stack [0.8913544654492699]
  本稿では,デプロイメントスタック全体にわたる推論最適化の統一的解析処理について述べる。 我々は、精度、レイテンシ、スループット、メモリフットプリント、エネルギに関する制約付き多目的問題としてデプロイメントを定式化する。 我々はJetson AGX Orinや5つの推論フレームワークを含むエッジプラットフォームからエビデンスを合成する。
  論文  参考訳（メタデータ） (2026-07-01T15:26:09Z)
• When Do Graph Foundation Models Transfer? A Data-Centric Theory [68.54337055801571]
  グラフ基盤モデル(GFMs)は、様々なグラフドメインにまたがる単一のバックボーンの再利用を目的としているが、それらの転送は不均一であり、負の転送を示すことがある。 我々は、セットベースおよびメッセージパストークン化の両方に対して、任意のリプシッツバックボーンは、クロスドメイン出力シフトの明示的な分解を認めていることを示す。 我々はスペクトルPEの安定性を保証するとともに、固有ベクトルと部分空間に基づくPEの対比挙動を強調する。
  論文  参考訳（メタデータ） (2026-05-28T12:07:27Z)
• Reliable and Reproducible Demographic Inference for Fairness in Face Analysis [63.46525489354455]
  本稿では、従来のエンドツーエンドトレーニングをモジュラートランスファー学習アプローチで置き換える、完全に再現可能なDAIパイプラインを提案する。 このパイプラインは、正確性、公正性、そしてアイデンティティ内整合性によって定義される、新たに導入された堅牢性の概念の3つの次元にわたって監査する。 以上の結果から,提案手法は特に民族性において,強い基準線を上回り,その特性はより困難であることが示唆された。
  論文  参考訳（メタデータ） (2025-10-23T12:22:02Z)
• Threshold-Protected Searchable Sharing: Privacy Preserving Aggregated-ANN Search for Collaborative RAG [0.0]
  2つの主要なボトルネックは、プライベートデータリポジトリのローカリティ制約と、主流の検索技術との互換性を維持する必要性である。 我々は、HNSW互換のセキュアでプライバシーを保護した近接探索(SP-A$2$NN)を開発した。 また、リダクションによるプライバシ分析を取り入れた、新たなセキュリティ分析フレームワークについても検討する。
  論文  参考訳（メタデータ） (2025-07-23T04:45:01Z)
• Structural Alignment Improves Graph Test-Time Adaptation [17.564393890432193]
  グラフテスト時間適応(GTTA)のための新しいアルゴリズムであるテスト時間構造アライメント(TSA)を導入する。 TSAは、ソースデータにアクセスすることなく、推論中にグラフ構造を整列する。 合成および実世界のデータセットの実験は、TSAが非グラフTTA法と最先端GTTAベースラインの両方で一貫した性能を実証している。
  論文  参考訳（メタデータ） (2025-02-25T16:26:25Z)
• A Pure Transformer Pretraining Framework on Text-attributed Graphs [50.833130854272774]
  グラフ構造を先行として扱うことで,特徴中心の事前学習の視点を導入する。 我々のフレームワークであるGraph Sequence Pretraining with Transformer (GSPT)はランダムウォークを通してノードコンテキストをサンプリングする。 GSPTはノード分類とリンク予測の両方に容易に適応でき、様々なデータセットで有望な経験的成功を示す。
  論文  参考訳（メタデータ） (2024-06-19T22:30:08Z)
• Federated Graph Analytics with Differential Privacy [21.518386529741615]
  我々は、差分プライバシー下での協調グラフ分析の新しい問題であるフェデレーショングラフ分析を定義する。 まず,フェデレートグラフ解析フレームワークFEATを提案する。 次に、提案した次数に基づく分割アルゴリズムFEAT+に基づく最適化フレームワークを導入し、真の局所部分グラフを活用することにより、全体の有用性を向上する。
  論文  参考訳（メタデータ） (2024-05-31T02:09:43Z)
• S^2Former-OR: Single-Stage Bi-Modal Transformer for Scene Graph Generation in OR [50.435592120607815]
  外科手術のシーングラフ生成(SGG)は、手術室(OR)におけるホモロジー認知知能の増強に不可欠である これまでの研究は主に多段階学習に依存しており、生成したセマンティックシーングラフはポーズ推定とオブジェクト検出を伴う中間プロセスに依存している。 本研究では,S2Former-OR(S2Former-OR)と呼ばれるORにおけるSGGのための新しいシングルステージバイモーダルトランスフォーマフレームワークを提案する。
  論文  参考訳（メタデータ） (2024-02-22T11:40:49Z)
• Efficient and Stable Graph Scattering Transforms via Pruning [86.76336979318681]
  グラフ散乱変換(GST)は、グラフデータから特徴を抽出する訓練のないディープGCNモデルを提供する。 GSTが支払う価格は、層の数によって増加する空間と時間の指数関数的な複雑さである。 本研究は, GST の複雑性の限界に対処し, 効率的な (p) GST アプローチを導入する。
  論文  参考訳（メタデータ） (2020-01-27T16:05:56Z)

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。