10:56arXiv cs.LG@Robi Rahman, Sabiha Tajdari该论文评估了使用零开销、保护隐私的NVML遥测(仅观察计算的物理效应,不访问模型权重或训练数据)进行GPU工作负载分类的对抗鲁棒性。研究人员在5轮监控-逃避迭代中,针对9种GPU模型(跨4代架构)评估了20种逃避策略。开发的分类器在全语料库上实现了98.2%的二进制准确率,面对最困难意外工作负载(即使被对抗性伪装)也能达到43-87%的准确率。论文NVMLGPU工作负载分类对抗鲁棒性AI计算治理论文推荐理由:这篇论文用简单的NVML遥测就能高精度检测隐藏的ML训练,还能对抗各种伪装,对AI计算治理很有启发。原文