0단 자동
AI가 규칙대로 쓰고 그대로 게시했습니다. 사람이 따로 보지 않았습니다.
- 규칙 판
- 규칙 판 도입 이전 기사입니다.
- 남기는 것
- 규칙 판 · 모델 · 시각
- 판 기록
- 아직 없습니다.
CAROUSEL: GPU-Accelerated Private Vector Search via Homomorphic Sketching
- 1.완전동형암호 기반 프라이버시 벡터 검색 'Carousel' 제안, 전체 코퍼스를 암호화 상태로 스코어링
- 2.스코어를 크기순서 보존하며 압축해 로그 개수 암호문만 전송, 후보 탈락으로 인한 재현율 손실 없음
- 3.SIFT1B 10억 벡터를 다중 GPU로 검색해 recall@100 0.9715 달성
- 4.1억 개 SIFT 벡터 기준 단일 GPU에서 recall@100 0.9845, 쿼리 지연 3.735초
왜 중요한가?
기존 프라이버시 벡터 검색은 클러스터 점수 유출이나 전체 인덱스 스트리밍이 필요했는데, 전체 코퍼스를 암호화 채점해 재현율 손실 없이 10억 벡터 규모로 확장해 RAG·검색 서비스의 프라이버시 적용 가능성을 높인다.
언급 프로젝트
본문 미리보기
Vector search on untrusted infrastructure exposes the \emph{query embedding}, a faithful summary of the user's intent. Fully homomorphic encryption can hide the query, but existing approaches still require a full scan followed by ranking of encrypted scores. Scalable private systems avoid encrypted ranking by either sending scores from a single cluster to the client or moving the search to the client, which must first stream the entire vector index for preprocessing. We present Carousel, which i
전체 내용이 궁금하다면?
원문을 직접 읽어보세요
이 글이 만들어진 과정
- 11:24AI 초안



