論文の概要: SPARSEBLEED: Bypassing Attribute-Inference Defenses via Sparsity Optimizations

• arxiv url: http://arxiv.org/abs/2610.38110v1
• Date: Wed, 28 Oct 2026 00:47:10 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-11-03 18:52:38.250268
• Title: SPARSEBLEED: Bypassing Attribute-Inference Defenses via Sparsity Optimizations
• Title（参考訳）: SPARSEBLEED:スポーサリティ最適化による属性-推論防御の回避
• Abstract要約: 本稿では,最先端のプライバシ保護を回避した最初のハードウェアレベルの属性ステアリング攻撃を提案する。 モデル信頼性の代用として機能する安定なタイミングシグネチャを,スペルシティ駆動実行パスでエンコードすることを示す。 我々は、SparseBleedを評価し、センシティブな入力属性と真の出力ラベルを推測する。
• 参考スコア（独自算出の注目度）: 2.5267260217135137
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Deep neural networks (DNNs) are widely deployed in safety- and privacy-critical domains such as healthcare and finance, where models are trained on confidential data. This paper presents the first hardware-level attribute-stealing attack that bypasses state-of-the-art privacy defenses, revealing that accelerator optimizations intended for performance can directly undermine data confidentiality. SparseBleed requires no access to gradients, logits, model weights, ground-truth labels, power traces, DVFS manipulation, shared caches, or other channels. Instead, we show that sparsity-driven execution paths encode stable timing signatures that act as a surrogate for model confidence, enabling high-fidelity attribute inference from a single query. SparseBleed generalizes across heterogeneous backends and hardware engines, including Intel AVX2/AVX-512/AMX, NVIDIA Ampere Tensor Cores with 2:4 sparsity, and nine well-known sparse and dense libraries such as Intel oneDNN, oneMKL SparseBLAS, and NVIDIA cuSPARSE. We evaluate SparseBleed to infer sensitive input attributes and true output labels. On Texas-100X, SparseBleed infers sensitive input attributes such as Sex with 66.39% accuracy and recovers the true output label, Surgical Procedure, with 99.8% accuracy. Finally, we evaluate mitigations. Constant-time execution by disabling sparsity optimizations is expensive (e.g., up to $2\times$ higher latency on NVIDIA Sparse Tensor Cores and $\approx 25\%$ higher power in AMX microbenchmarks). By contrast, a padding defense that equalizes responses to the worst-case time masks timing leakage with only 7.24% average performance overhead across nine libraries on Texas-100X/Adult and near-zero extra energy.
• Abstract（参考訳）: ディープニューラルネットワーク(DNN)は、医療や金融といった安全およびプライバシクリティカルな領域に広くデプロイされており、モデルが機密データに基づいてトレーニングされている。 本稿では,最新のプライバシ保護を回避し,性能向上を目的としたアクセラレーション最適化がデータ機密性を損なう可能性のある,ハードウェアレベルの属性ステアリング攻撃について述べる。 SparseBleedはグラデーション、ロジット、モデルウェイト、グラウンドトルースラベル、パワートレース、DVFS操作、共有キャッシュ、その他のチャネルへのアクセスを必要としない。 代わりに、スパーシリティ駆動実行パスは、モデルの信頼性を補助する安定したタイミングシグネチャをエンコードし、単一のクエリから高忠実性属性推論を可能にする。 SparseBleedは、Intel AVX2/AVX-512/AMX、NVIDIA Ampere Tensor Cores with 2:4 sparsity、Intel oneDNN、1MKL SparseBLAS、NVIDIA cuSPARSEなど、異種バックエンドおよびハードウェアエンジンを一般化する。 我々は、SparseBleedを評価し、センシティブな入力属性と真の出力ラベルを推測する。 テキサス-100Xでは、SparseBleedはSexのような感度の高い入力属性を66.39%の精度で推測し、真の出力ラベルである手術手順を99.8%の精度で復元する。 最後に、軽減効果を評価する。 例えば、NVIDIA Sparse Tensor Coresでは最大2ドル以上のレイテンシ、AMXマイクロベンチマークでは$\approx 25\%の高電力)。 対照的に、最悪のタイムマスクのタイミングリークに対する応答を等しくするパディングディフェンスは、テキサス100X/Adultとほぼゼロの余剰エネルギーの9つの図書館で平均的なパフォーマンスオーバーヘッドが7.24%しかなかった。

関連論文リスト

• HE-DAP: Homomorphic Encryption-based Dynamic Adaptive Parameter Optimization for Statistical Computation [12.830608192610482]
  ホモモルフィック暗号化(HE)は、プライバシー保護分析を可能にするが、高い計算オーバーヘッドを妨げている。 多くの統計的および機械学習ワークロードにおいて、逆正方根は重要なプリミティブであることがわかった。 不均一な実行環境に自動的に適応することにより、HE-DAPはプライバシー保護統計分析を大規模に実践する。
  論文  参考訳（メタデータ） (2026-06-09T06:46:13Z)
• Scaling Attention via Feature Sparsity [50.64995497733461]
  超長期のコンテキストにトランスフォーマーをスケールすることは、自己注意のコスト$O(n2 d)$コストによってボトルネックとなる。 本稿では,高次元表現性を維持するために,クエリとキーを$k$sparseコードとして表現するスパース特徴注意法を提案する。 GPT-2とQwen3の事前トレーニングで、SFAは密度の高いベースラインにマッチし、最高2.5タイムのスピードを向上し、FLOPとKVキャッシュを50%近く削減した。
  論文  参考訳（メタデータ） (2026-03-17T08:41:50Z)
• FeatureBleed: Inferring Private Enriched Attributes From Sparsity-Optimized AI Accelerators [3.3465375629622494]
  バックエンドの強化は、製品レコメンデーションパイプライン、ヘルスケア、ファイナンスといった機密性の高いドメインに広くデプロイされています。 本稿では,ハードウェアレベルのバックエンド検索データステーリング攻撃について述べる。 私たちの攻撃であるFEATUREBLEEDは、AIアクセラレーターのゼロスキッピングを利用して、エンドツーエンドのタイミングでのみプライベートなバックエンド検索機能を推測します。
  論文  参考訳（メタデータ） (2026-02-20T16:01:16Z)
• Stop Tracking Me! Proactive Defense Against Attribute Inference Attack in LLMs [61.15237978606501]
  大規模言語モデルは、ユーザ生成テキストからプライベートなユーザー属性を推測することができる。 既存の匿名化ベースの防御は粗く、プライバシーを優先する要素を匿名化する際に単語レベルの精度が欠如している。 細粒度匿名化(TRACE)と推論防止最適化(RPS)を組み合わせた統合防衛フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-02-12T03:37:50Z)
• Time Is All It Takes: Spike-Retiming Attacks on Event-Driven Spiking Neural Networks [87.16809558673403]
  スパイキングニューラルネットワーク(SNN)は離散スパイクで計算し、時間構造を利用する。 イベント駆動SNNにおけるスパイク数と振幅を保存しながら、既存のスパイクを繰り返すタイミングのみの敵について検討する。
  論文  参考訳（メタデータ） (2026-02-03T09:06:53Z)
• MirageNet:A Secure, Efficient, and Scalable On-Device Model Protection in Heterogeneous TEE and GPU System [8.936421130707204]
  モデルトレーニングのコストとユーザエクスペリエンスの要件が高ければ、モデルのプライバシとランタイムオーバーヘッドのバランスをとることが重要です。 本稿では,モデルの機密性や整合性を保ちながら,低レイテンシと高精度を実現する新しい難読化手法であるConvShatterを提案する。
  論文  参考訳（メタデータ） (2026-01-20T10:39:09Z)
• ReasAlign: Reasoning Enhanced Safety Alignment against Prompt Injection Attack [52.17935054046577]
  本稿では、間接的インジェクション攻撃に対する安全性アライメントを改善するためのモデルレベルのソリューションであるReasAlignを提案する。 ReasAlignには、ユーザクエリの分析、競合する命令の検出、ユーザの意図したタスクの継続性を維持するための構造化された推論ステップが組み込まれている。
  論文  参考訳（メタデータ） (2026-01-15T08:23:38Z)
• LUT-Compiled Kolmogorov-Arnold Networks for Lightweight DoS Detection on IoT Edge Devices [20.271194684947282]
  Kolmogorov-Arnold Networks (KAN) は、MLP(Multi-Layer Perceptrons)に代わるコンパクトな代替品を提供する。 B-spline評価は、レイテンシクリティカルなIoTアプリケーションには適さない、大幅な計算オーバーヘッドをもたらす。 本稿では,高価なスプライン計算を事前計算した量子テーブルに置き換えるルックアップテーブル(LUT)コンパイルパイプラインを提案する。
  論文  参考訳（メタデータ） (2026-01-12T22:32:18Z)
• HASI: Hardware-Accelerated Stochastic Inference, A Defense Against Adversarial Machine Learning Attacks [1.9212368803706579]
  本稿では,逆入力の検出に推論と呼ぶ手法を用いたハードウェアアクセラレーション・ディフェンスHASIを提案する。 その結果, 平均87%の逆検出率が, 最先端手法の検出率を上回ることがわかった。
  論文  参考訳（メタデータ） (2021-06-09T14:31:28Z)
• BinaryCoP: Binary Neural Network-based COVID-19 Face-Mask Wear and Positioning Predictor on Edge Devices [63.56630165340053]
  フェイスマスクは、空気性疾患に対する双方向保護のための医療に効果的な解決策を提供する。 CNNは、顔認識と正しいマスク着用と位置決めの分類に優れたソリューションを提供する。 CNNは、企業ビル、空港、ショッピングエリア、その他の屋内場所への入り口で利用でき、ウイルスの拡散を緩和することができる。
  論文  参考訳（メタデータ） (2021-02-06T00:14:06Z)
• Neural Network Virtual Sensors for Fuel Injection Quantities with Provable Performance Specifications [71.1911136637719]
  証明可能な保証が、他の現実世界の設定にどのように自然に適用できるかを示す。 本研究では, 燃料噴射量を一定範囲で最大化するために, 特定の間隔の燃料噴射量を目標にする方法を示す。
  論文  参考訳（メタデータ） (2020-06-30T23:33:17Z)

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。