arXiv · cs.AI· Shashie Dilhara Batan Arachchige, Robin Carpentier, Hassan Jameel Asghar, Dali Kaafar·· 1 天前
SpliTEE：用差分隐私耦合GPU与TEE实现快速私密LLM推理
SpliTEE: Fast and Private LLM Inference by Coupling GPU-Assisted Trusted Execution Environments with Differential Privacy
arXiv:2609.15039v3阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Shashie Dilhara Batan Arachchige, Robin Carpentier, Hassan Jameel Asghar, Dali Kaafar
研究任务与主要进展
SpliTEE 将差分隐私应用于TEE与不可信GPU之间的LLM分段推理，用隐私噪声保护外发计算的中间表示，并避免传统加密方案所需的量化处理。基于论文摘要，作者在Intel TDX TEE上实现了Llama-3.2-3B和Qwen3-4B，分段执行速度接近全TDX推理的两倍，最高较Slalom快43%且准确率更高；即使攻击者了解该差分隐私机制，也难以从中间表示中恢复超出无关提示的信息。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org