arXiv cs.AI· Tom Kimpson, Mauricio Baker, Emlyn Graham·· 10 天前AI 评分26
功耗测量能否约束隐蔽算力？AI 治理中模拟验证的局限
Can Power Draw Constrain Covert Compute? Limits of Analogue Verification for AI Governance
AI 导读
研究推导出功耗轨迹无法排除的最大隐藏算力占比 β 的闭式解：在 NVIDIA A100 GPU 上最坏情况 β = 1.16，对抗性等能量策略至少可隐藏 β = 0.41 的算力，说明仅靠模拟功耗测量对算力的约束很弱。若验证方能在观测工作点重执行申报任务，β 可降至 0.059。
正文 · AI 翻译
摘要：关于限制计算的前沿 AI 条约或协议需要外部验证；外部审计员必须能够确认实际运行了多少计算，以及各方是否遵守协议。诸如功耗之类的模拟、片外测量为验证提供了一个信息通道。目前尚不清楚，面对主动试图破坏审计的对手，这些模拟通道能在多大程度上约束计算。我们推导出 $\beta$ 的闭式解，即功耗轨迹无法排除的最大隐藏计算量，以所声明机器容量的比例表示。在 NVIDIA A100 GPU 上的测量在最坏情况下将 $\beta$ 约束为 $\beta = 1.16$，而对抗性能量匹配策略被证明至少可隐藏 $\beta = 0.41$ 的计算量。因此，仅靠模拟功耗测量对计算的约束很弱。威胁模型所赋予的额外限制，例如验证者能够在观测到的工作点上重新执行所声明的工作，使验证者在最大受限情况下可将 $\beta$ 降至 $0.059$。这给出了模拟测量能为计算验证贡献多少的定量估计。
| 评论： | 14 页，8 幅图 |
| 主题： | 计算机与社会（cs.CY）；人工智能（cs.AI）；密码学与安全（cs.CR） |
| 引用为： | arXiv:2610.07476 [cs.CY] |
| （或使用 arXiv:2610.07476v1 [cs.CY] 查看此版本） | |
| https://doi.org/10.48550/arXiv.2610.07476 arXiv 通过 DataCite 颁发的 DOI（待注册） |
提交历史
来自：Tom Kimpson [查看电子邮件]
[v1]
2026 年 10 月 5 日星期一 22:40:45 UTC（179 KB）
来源：arXiv cs.AI · arxiv.org