اکسپرس 24
ترجمه فارسی مقاله استنتاج LLM امن به حداقل رسیده با MPC

ترجمه فارسی مقاله استنتاج LLM امن به حداقل رسیده با MPC

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

پرداخت اقساطی
در صورت خرید اقساطی هر قسط: 37,500 تومان
۴ قسط ماهانه. بدون سود، چک و ضامن.
پرداخت اقساطی با دیجی‌پی پرداخت اقساطی با ترب‌پی
عنوان مقاله به انگلیسی MPC-Minimized Secure LLM Inference
عنوان مقاله به فارسی استنتاج LLM امن به حداقل رسیده با MPC
نویسندگان Deevashwer Rathee, Dacheng Li, Ion Stoica, Hao Zhang, Raluca Popa
فرمت مقاله انگلیسی PDF
تعداد صفحات 20
دسته بندی موضوعات Cryptography and Security,Artificial Intelligence,Machine Learning,رمزنگاری و امنیت , هوش مصنوعی , یادگیری ماشین ,
توضیحات Submitted 7 August, 2024; originally announced August 2024.
توضیحات به فارسی ارسال شده در 7 اوت 2024 ؛در ابتدا اوت 2024 اعلام شد.

قیمت: 19,000 تومان

سفارش

با انتخاب این گزینه، علاوه بر دریافت مقاله اصلی، را نیز سفارش می‌دهید.

قیمت: 800,000 تومان

زمان تحویل: 2 تا 3 روز کاری

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

چکیده

Many inference services based on large language models (LLMs) pose a privacy concern, either revealing user prompts to the service or the proprietary weights to the user. Secure inference offers a solution to this problem through secure multi-party computation (MPC), however, it is still impractical for modern LLM workload due to the large overhead imposed by MPC. To address this overhead, we propose Marill, a framework that adapts LLM fine-tuning to minimize MPC usage during secure inference. Marill introduces high-level architectural changes during fine-tuning that significantly reduce the number of expensive operations needed within MPC during inference, by removing some and relocating others outside MPC without compromising security. As a result, Marill-generated models are more efficient across all secure inference protocols and our approach complements MPC-friendly approximations for such operations. Compared to standard fine-tuning, Marill results in 3.6-11.3x better runtime and 2.4-6.9x better communication during secure inference across various MPC settings, while typically preserving over 90% performance across downstream tasks.

چکیده به فارسی (ترجمه ماشینی)

بسیاری از خدمات استنتاج بر اساس مدل های بزرگ زبان (LLMS) نگرانی حریم خصوصی را ایجاد می کنند ، یا آشکار می کنند که کاربر را به سرویس یا وزن اختصاصی برای کاربر نشان می دهد.استنتاج ایمن از طریق محاسبات چند حزب ایمن (MPC) راه حلی برای این مشکل ارائه می دهد ، با این حال ، به دلیل سربار بزرگ تحمیل شده توسط MPC ، برای بار کاری LLM مدرن هنوز غیر عملی است.برای پرداختن به این سربار ، ما ماریل را پیشنهاد می کنیم ، چارچوبی که تنظیم دقیق LLM را برای به حداقل رساندن میزان استفاده از MPC در هنگام استنتاج ایمن سازگار می کند.ماریل تغییرات معماری سطح بالا را در حین تنظیم دقیق معرفی می کند که به طور قابل توجهی تعداد عملیات گران قیمت مورد نیاز در MPC را در هنگام استنتاج کاهش می دهد ، با از بین بردن برخی و جابجایی دیگران در خارج از MPC بدون به خطر انداختن امنیت.در نتیجه ، مدل های تولید شده توسط ماریل در تمام پروتکل های استنتاج ایمن کارآمدتر هستند و رویکرد ما مکمل تقریبی دوستانه MPC برای چنین عملیاتی است.در مقایسه با تنظیم دقیق استاندارد ، MARILL منجر به زمان عملکرد بهتر 3.6-11.3x و 2.4-6.9x ارتباط بهتر در طول استنتاج ایمن در تنظیمات مختلف MPC می شود ، در حالی که به طور معمول بیش از 90 ٪ عملکرد را در کارهای پایین دست حفظ می کند.

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.