PofoliaPofolia ile paylaşıldı

Journal of Systems Architecture· 2026Q1

LLaMA 3 Modelinde Kısmi Gizlilik Koruyucu LLM Çıkarımı İçin Tam Homomorfik Şifreleme

Fully homomorphic encryption on LlaMA 3 model for partial privacy preserving LLM inference

Anes Abdennebi, Nadjia Kara, Laaziz Lahlou

Kısa özet

Yeni bir boru hattı, tam homomorfik şifrelemeyi (FHE) LLaMA-3'ün Çoklu Sorgu Dikkat mekanizmasına entegre ederek, CPU'larda pratik fizibiliteyi korurken çıkarım sırasında hassas verileri korumak için 32 kod çözücü katmanını şifreler.

Yapay zekâ ile başlık ve abstract'tan üretildi; tam metin okunmaz.

Ana noktalar

  • FHE'yi LLaMA-3'ün 32 kod çözücü katmanındaki Çoklu Sorgu Dikkat mekanizmasına entegre eder.
  • Dikkat ağırlıklarını ve hesaplamaları şifreler, fizibilite için ileri beslemeli alt katmanları düz metin olarak bırakır.
  • Güçlü anlamsal koruma (BERTScore-F1 ~%84.4) ve rekabetçi BLEU-4/ROUGE-L skorları elde eder.
  • AMD EPYC CPU'larda saniyede 17 token hızında 825 ms'lik pratik gecikme süresi gösterir.
  • FHE gürültüsünü niceleme etkilerinden ayırmak için niceleme farkındalığına sahip FHE ve niceleme bit genişliği ablasyon çalışmaları sunar.

Yapay zekâ ile başlık ve abstract'tan üretildi; tam metin okunmaz.

Özet (abstract)

Generative Artificial Intelligence applications have delivered significant improvements in service efficiency and language understanding. However, the surge in Large Language Model deployment raises critical security and privacy concerns regarding data exposure and unauthorized access to sensitive information. Quantum computing attacks pose an imminent threat to existing cryptographic protections, necessitating post-quantum cryptographic approaches. We present a partially privacy-preserving inference pipeline for LLaMA-3 by integrating fully homomorphic encryption into the transformer’s Multi-Query Attention mechanism. Our approach encrypts attention weights and computations across all 32 decoder layers of LLaMA-3.2-3B using lattice-based cryptography via the concrete-ml library, while feed-forward sublayers, layer normalization, and output projections remain in plaintext, a deliberate trade-off achieving practical feasibility on commodity CPUs. Evaluation on the instruction-tuned LLaMA-3.2-3B model yields: (i) strong semantic preservation (BERTScore-F1 ∼ 84.4%), (ii) controlled perplexity degradation (1.18 FP16 vs. 2.09 FHE), (iii) competitive BLEU-4 and ROUGE-L scores ( ∼ 35.6% and ∼ 51.8%), (iv) downstream GLUE benchmark accuracy, and (v) 825 ms latency at 17 tokens/second on AMD EPYC CPUs. We further present quantization-aware FHE and quantization bit-width ablation studies to disentangle quantization effects from FHE noise, demonstrating that partial FHE-secured LLM inference is practically feasible for privacy-sensitive applications while mitigating attacks on attention layers under RLWE hardness assumptions.

Yazarların özeti; kaynağından alınmıştır. Journal of Systems Architecture, 2026 · DOI ↗

ÇıkarımlarPremium
Makaleye SorÜcretsiz hesapla

Ücretsiz hesapla devam et

Makaleye Sor ile bu makaleye günde 3 soru ücretsiz; makaleyi kaydet, kaynakçasını al, ilgi alanına göre her gün yeni özetler. Çıkarımlar Premium.

Web'de ücretsiz devam et

Google ya da Apple hesabınla giriş; kart istemez. Bu makaleye geri dönersin.

Telefonda:

Alan: Bilgisayar Ağları ve İletişim

Computer Networks and CommunicationsComputer Science