MOSAIC：安全 AI 计算的掩码外包

论文提出 MOSAIC，把 AI 计算从计算能力弱但可信的客户端安全外包给不可信的强大服务器，客户端同时持有输入和模型，服务器两者都不能获知。其核心是新的矩阵乘法掩码协议，可扩展到远大于此前工作的矩阵，支持大型 Transformer 推理等负载；通过在乘法结果中加入少量噪声放宽正确性，实现渐近最优的客户端开销，运行时间比此前工作快数个数量级，安全性归约到判定性 LWE 与 LPN 假设，并以随机 Hadamard 旋转抑制误差在多层间的累积。在 70B 模型上，MOSAIC 的困惑度与主流量化方法相当，在 HumanEval 上与全精度 BF16 推理持平。作者还展示端到端实现，称这类方法有望在现代数据中心实现大规模机密 AI，保持较小可信计算基（TCB）并把大部分计算外包给不可信加速器。