Why can a neighbor on my inference cluster reconstruct what I just asked the model?
সুযোগ
Modern LLM serving frameworks like vLLM share KV-cache blocks across requests with matching prefixes to reduce compute cost. When multiple tenants share the same inference server, an adversary tenant can probe cache-hit and cache-miss latencies to reconstruct another tenant's private prompt. Three independent attacks published in 2025 and 2026, PROMPTPEEK, EarlyBird, and InputSnatch, demonstrate up to 100% prompt reconstruction accuracy against production-grade serving stacks. Providers can defeat this by running fully isolated instances per tenant, but that eliminates all the memory and compute savings that make shared inference economically viable. The KVGov governance paper from August 2026 proposes per-principal cryptographic cache salts as a fix, but no commercial inference provider has deployed it.
কেন এটি গুরুত্বপূর্ণ
Shared inference is the cost model that makes AI accessible at scale, but right now it cannot safely carry any sensitive workload without full tenant isolation.
আমি কীভাবে সুযোগটি মূল্যায়ন করি
Opportunity Score হলো আমার নিজস্ব মূল্যায়ন, কোনো পরিমাপ নয়: এটি কতটা কষ্টের, কতবার সমস্যা তৈরি করে, এবং আজ এর সমাধান কতটা কম বিদ্যমান। বেশি স্কোর মানে আমার মতে এটি তৈরি করার বেশি মূল্য আছে।
এটি উপস্থিত হলে কতটা ভোগান্তি সৃষ্টি করে।
মানুষ আসলে কতবার এটির মুখোমুখি হয়।
আজকের দিনে এর জন্য কতটা কম ভালো টুল রয়েছে।
সমাধানের যোগ্য আরও সমস্যা
ট্যাব বন্ধ করার সাথে সাথে প্রতিটি AI অ্যাপ কেন আমাকে ভুলে যায়?
AIনতুন ক্ষেত্রে শেখা কেন এখনো কী জিজ্ঞেস করতে হবে তা জানার উপর নির্ভরশীল?
AIএকজন অ-বিশেষজ্ঞ কেন যাচাই করতে পারেন না AI তাকে সবেমাত্র কী বলল?
AIআমরা মডেলগুলো বেঞ্চমার্কে পরীক্ষা করি কিন্তু অনুভূতির জোরে শিপ করি কেন?
AIএআই এজেন্টরা নিজেদের ভুল মনে রাখে না কেন?
AIএকটা মডেল আসলে কী দিয়ে প্রশিক্ষিত হয়েছে তা আমি নিরীক্ষা করতে পারি না কেন?