Hola,
¿eres nuevo aquí?

Registrate y conecta tu empresa con financiación pública, partners y proyectos.

CNS2023-144241

Financiado

Ciencias de la computación y tecnología informática

DADA LA CRECIENTE DEMANDA DE APLICACIONES BASADAS EN INTELIGENCIA ARTIFICIAL (IA), MACHINE LEARNING (ML) AS A SERVICE (MLAAS) CONSTITUYE HOY EN DIA UNO DE LOS SERVICIOS DE APRENDIZAJE AUTOMATICO BASADOS EN LA NUBE MAS POPULARES Y... ver más

01/01/2023

372K€

Presupuesto del proyecto: 372K€

Líder del proyecto

UNIVERSIDAD DE MURCIA No se ha especificado una descripción o un objeto social para esta compañía.

Total investigadores 912

Financiación concedida El organismo AGENCIA ESTATAL DE INVESTIGACIÓN notifico la concesión del proyecto el día 2023-01-01

0% 100%

1 Participantes

371.59K€ | Lider

Proyectos interesantes

PTQ-14-06847 VAIPRO: The virtual Artificial Intelligent Professional 116K€ Cerrado

SERVICIO PARA MÁQUINAS EN BASE A INTELIGENCIA... SERVICIO PARA MÁQUINAS EN BASE A INTELIGENCIA ARTIFICIAL Rechazado

TIME Trustworthy and Inclusive MLOps (Machine Learning Operations... 75K€ Cerrado

INC10-0222 Sistemas Avanzados de Inteligencia 23K€ Cerrado

EQC2019-006325-P Infraestructuras comunes de computación de altas prestacione... 359K€ Cerrado

SPINNODE SpiNNaker on the Edge 2M€ Cerrado

Últimas noticias

29-11-2024: IDAE En las últimas 48 horas el Organismo IDAE ha otorgado 4 concesiones

29-11-2024: ECE En las últimas 48 horas el Organismo ECE ha otorgado 2 concesiones

29-11-2024: CMVAMADRID En las últimas 48 horas el Organismo CMVAMADRID ha otorgado 37 concesiones

Líder del proyecto

UNIVERSIDAD DE MURCIA

Total investigadores 912

Presupuesto del proyecto 372K€

Descripción del proyecto DADA LA CRECIENTE DEMANDA DE APLICACIONES BASADAS EN INTELIGENCIA ARTIFICIAL (IA), MACHINE LEARNING (ML) AS A SERVICE (MLAAS) CONSTITUYE HOY EN DIA UNO DE LOS SERVICIOS DE APRENDIZAJE AUTOMATICO BASADOS EN LA NUBE MAS POPULARES Y POTENTES, YA QUE PERMITE A TODOS LOS CLIENTES (ES DECIR, DESDE PERSONAS CON SUS SMARTPHONES HASTA PEQUEÑAS/MEDIANAS/GRANDES EMPRESAS) A EXTERNALIZAR TANTO LOS DATOS PRIVADOS COMO EL PROCESAMIENTO A UN ENTORNO DE COMPUTACION EN LA NUBE QUE, PARA SOSTENER ADECUADAMENTE LA ENORME DEMANDA DE COMPUTACION DE LAS CARGAS DE TRABAJO DE IA, SE COMPONE DE NODOS DE SERVIDOR DE SISTEMAS MULTI-GPU (MGPUS), DONDE SE CONECTAN MULTIPLES TARJETAS GPU AL MISMO NODO DE SERVIDOR PARA ACELERAR LA COMUNICACION ENTRE GPUS, Y DONDE SE PUEDE UTILIZAR UN UNICO ESPACIO DE DIRECCIONES DE MEMORIA VIRTUAL PARA FACILITAR SU PROGRAMACION PARA DESARROLLAR APLICACIONES MULTI-GPU. LA PRESERVACION DE LA PRIVACIDAD EN ENTORNOS DE NUBE SUELE ABORDARSE APLICANDO UN CIFRADO ADECUADO (POR EJEMPLO, AES O RSA). SIN EMBARGO, PARA CADA PROCESAMIENTO DE DATOS CIFRADOS, EL SERVIDOR TENDRIA QUE DESCIFRAR LOS DATOS, PROCESARLOS Y CIFRARLOS DE NUEVO, O ALMACENAR LOS DATOS SIN CIFRAR PARA CALCULARLOS Y CIFRARLOS ANTES DE DEVOLVERLOS AL CLIENTE. ESTO DA AL PROVEEDOR DE LA NUBE ACCESO A LOS DATOS PRIVADOS DE LOS USUARIOS Y LOS HACE PROPENSOS A SER FACILMENTE LEGIBLES UNA VEZ QUE EL SISTEMA DE LA NUBE SE VE COMPROMETIDO POR ENTIDADES MALICIOSAS. PARA HACER FRENTE AL RETO DE EXTERNALIZAR DE FORMA SEGURA TANTO LOS DATOS CRITICOS COMO EL PROCESAMIENTO A LA NUBE, SE HA PROPUESTO RECIENTEMENTE LA ENCRIPTACION TOTALMENTE HOMOMORFICA (FULLY HOMOMORPHIC ENCRYPTION, FHE) COMO EL "SANTO GRIAL" DE LA PRIVACIDAD DE LOS DATOS. CONCEPTUALMENTE, LA FHE PERMITE OPERAR DIRECTAMENTE SOBRE DATOS CIFRADOS SIN DESCIFRARLOS, FACILITANDO ASI LAS TAREAS DE ML QUE PRESERVAN LA PRIVACIDAD EN CUALQUIER PLATAFORMA HOSTIL EN LA NUBE. EL ESQUEMA FHE RNS-CKKS MAS AVANZADO TIENE UN COSTE PROHIBITIVO EN EL CALCULO DE DATOS CIFRADOS, ENTRE 4 Y 6 ORDENES DE MAGNITUD MAS LENTO QUE EL CALCULO DE DATOS SIN CIFRAR. PARA SUPERAR ESTE PROBLEMA, ESTA PROPUESTA PRETENDE MEJORAR TODA LA ARQUITECTURA MGPU, QUE YA ESTA DESPLEGADA EN NUBES BASADAS EN IA, PARA PERMITIR REALMENTE LA COMPUTACION MLAAS SEGURA CON RNS-CKKS. NUESTRO OBJETIVO ES ABRIR NUEVOS CAMINOS EN EL DISEÑO DE UNA ARQUITECTURA MGPU COMPATIBLE CON RNS-CKKS MEDIANTE LA COMBINACION SINERGICA DE LOS ULTIMOS AVANCES TECNOLOGICOS CON VARIAS TECNICAS DE HARDWARE DESTINADAS A LOGRAR UNA ARITMETICA COMPATIBLE CON RNS-CKKS MAS RAPIDA Y MAXIMIZAR LA REUTILIZACION DE DATOS EN EL CHIP, PARA ASI REDUCIR LA ALTA NECESIDAD DE MEMORIA DE LAS CARGAS DE TRABAJO BASADAS EN FHE. ADEMAS, ESTA PROPUESTA DESARROLLARA LA PRIMERA LIBRERIA DE GPU DE CODIGO ABIERTO BASADA EN CKKS Y OPTIMIZADA PARA MGPU DE GAMA ALTA, QUE SE UTILIZARA PARA CUANTIFICAR LAS MEJORAS DE RENDIMIENTO DE LA NUEVA ARQUITECTURA DE SISTEMAS MGPU, Y SENTARA LAS BASES PARA FOMENTAR NUEVAS INVESTIGACIONES SOBRE LA OPTIMIZACION DE LA PROGRAMACION DE MGPU BASADA EN FHE PARA CARGAS DE TRABAJO BASADAS EN ML QUE PRESERVEN LA PRIVACIDAD. EL IP ES UN EXPERTO EN TODOS LOS ASPECTOS PRINCIPALES DE LA PROPUESTA (PROGRAMACION MGPU DE CARGAS DE TRABAJO DE IA, OPTIMIZACIONES DE ARQUITECTURA MGPU, TECNOLOGIA FOTONICA, INTEGRACION DE EMPAQUETADO 2.5D Y 3D AVANZADO Y CARGAS DE TRABAJO FHE), COMO DEMUESTRAN SUS PUBLICACIONES EN LUGARES DE PRIMER NIVEL EN ARQUITECTURA DE COMPUTADORES, ASI COMO SU PARTICIPAC APRENDIZAJE MAQUINA COMO SERVICIO\FOTONICA\EMPAQUETAMIENTO 2.5D\JERARQUIA DE MEMORIA\DISEÑO DE RED DE INTERCONEXION\ARQUITECTURA DE SISTEMA MULTI-GPU\COMPUTACION EN LA NUBE\CKKS\ENCRIPTACION TOTALMENTE HOMOMORFICA

Conecta tu I+D

Entra hoy

Financiación

Empresas

CTIs/Universidades

Proyectos

Investigadores