NDSS 2025 – 양자화 모델을 위한 새로운 PPML 패러다임

이 텍스트는 머신 러닝 보안에 초점을 맞춘 NDSS 심포지엄에서 발표된 논문을 요약합니다. 이 논문은 효율성을 향상시키기 위해 양자화된 모델을 위해 특별히 설계된 새로운 개인 정보 보호 머신 러닝(PPML) 패러다임을 소개합니다. 모델 양자화는 머신 러닝 모델의 속도와 리소스 사용을 최적화하기 위해 자주 사용됩니다. 기존의 PPML 접근 방식은 복잡한 내부 구조 때문에 양자화된 모델에서 어려움을 겪습니다. 이 논문의 핵심 통찰력은 룩업 테이블을 사용하여 양자화된 연산자의 평가를 단순화하는 것입니다. 저자들은 모델 추론을 일련의 양자화된 연산자로 보고, 각 연산자는 룩업 테이블을 통해 처리됩니다. 그들은 온라인 통신 비용을 최소화하는 효율적인 개인 룩업 테이블 평가 프로토콜을 개발했습니다. 이 프로토콜은 단일 CPU 코어에서 놀랍도록 빠른 성능을 달성합니다. 결과적인 PPML 프레임워크는 기존 솔루션에 비해 상당한 속도 향상을 보여줍니다. 실험 결과는 CNN 모델의 온라인 성능에서 상당한 개선을 보여줍니다. 대규모 언어 모델 또한 제안된 개선 사항의 혜택을 받습니다. NDSS 심포지엄은 네트워크 및 분산 시스템 보안에 초점을 맞춘 컨퍼런스입니다. 이는 실제 시스템 설계 및 구현을 강조하고 고급 보안 기술의 채택을 장려합니다. 텍스트는 또한 콘텐츠를 게시한 NDSS에 감사를 표합니다.