从信息流控制的角度重新思考机器学习管道中的隐私

在本文中，我们从信息流控制的角度描述了机器学习系统，利用元数据，如访问控制策略来定义明确的隐私和机密性保证，通过比较两种不同方法，即针对每个用户进行微调模型和在推理时访问用户特定数据集的检索增强模型，我们证明检索增强架构可以在满足严格的非干扰性保证的同时提供最佳的效用、可扩展性和灵活性。

本文研究了机器学习系统中的信息流控制，利用元数据确保隐私和机密性。通过比较微调模型和检索增强模型，证明检索增强架构具有最佳效用、可扩展性和灵活性。

信息流控制 元数据 机器学习 机器学习系统 检索增强模型 隐私保证
原文中文，约300字，阅读约需1分钟。发表于：。
阅读原文
分享给好友