研究人员开发了一种使用图形处理单元 (GPU) 的零开销遥测来检测隐藏的机器学习训练的方法。该方法利用隐私保护的 NVML 遥测，该遥测可以观察计算的物理效应，而无需访问模型权重或训练数据等敏感数据。开发的分类器在识别训练工作负载方面达到了 98.2% 的准确率，并证明了其对抗对手伪装的有效性。 AI
影响 这项研究可以通过增加隐藏训练活动的难度来加强人工智能计算治理。
排序理由 该集群包含一篇详细介绍检测机器学习训练新方法的学术论文。
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
arXiv:2606.19262v1 Announce Type: new Abstract: Hardware-enabled monitoring of GPU workloads underpins many proposals for AI compute governance, but if developers can defeat monitoring mechanisms, such schemes are unworkable. We evaluate the adversarial robustness of GPU workload…
Hardware-enabled monitoring of GPU workloads underpins many proposals for AI compute governance, but if developers can defeat monitoring mechanisms, such schemes are unworkable. We evaluate the adversarial robustness of GPU workload classification using only zero-overhead, privac…