ObfuscaTune: 私有数据上的混淆离线微调和推断
原文中文,约300字,阅读约需1分钟。发表于: 。对一个模型提供者所拥有的专有 LLM 在第三方云提供商的计算基础设施上对另一个数据所有者所拥有的机密 / 私有数据进行推理和微调的问题进行了研究,提出了一种结合简单而有效的混淆技术和保密计算的新颖、高效且完全保护数据可用性的方法 ObfuscaTune,并在四个 NLP 基准数据集上验证了其有效性,并将其与我们方法的一个朴素版本进行了比较以强调使用低条件数的随机矩阵在我们的方法中减少混淆引起的错误的必要性。
该研究提出了一种名为ObfuscaTune的新方法,结合混淆技术和保密计算,在第三方云提供商的计算基础设施上对私有数据进行推理和微调。通过验证四个NLP基准数据集,证明了该方法的有效性,并强调了使用低条件数的随机矩阵来减少混淆引起的错误的必要性。