Scalable GPU-Based Integrity Verification for Large Machine Learning Models
Created by
Haebom
Category
Empty
저자
Marcin Spoczynski, Marcela S. Melara
보안 강화 분산 머신러닝 프레임워크
개요
본 논문은 CPU 및 GPU 플랫폼 전반에서 무결성 보호를 표준화하고 검증 오버헤드를 대폭 줄임으로써 분산 머신러닝을 강화하는 보안 프레임워크를 제시합니다. 대규모 ML 모델 실행과 보안 검증 간의 불일치를 해결하기 위해, GPU 가속기에서 대규모 ML 모델 실행과 직접 무결성 검증을 병행합니다. 이는 성능 향상과 장기적인 아키텍처 일관성을 제공합니다.
시사점, 한계점
•
GPU 가속기 내에서 암호화 연산을 수행하여 CPU 기반 검증 시스템의 병목 현상을 제거합니다.
•
ML 워크로드와 동일한 GPU 기반 고대역폭 및 병렬 처리 방식을 활용하여 대규모 모델 (100GB 이상)에서도 무결성 검사를 모델 실행 속도에 맞춰 수행합니다.
•
다양한 GPU 벤더 및 하드웨어 구성에서 일관되게 작동하는 공통 무결성 검증 메커니즘을 확립합니다.
•
신뢰할 수 있는 실행 환경과 GPU 가속기 간의 보안 채널 구축을 예상하여, CPU 및 GPU 인프라에 관계없이 기업에서 배포할 수 있는 하드웨어 독립적인 기반을 제공합니다.
