机器学习即服务中的私密变压器推理：综述
本研究解决了机器学习即服务（MLaaS）中与变压器模型相关的隐私问题，具体针对用户敏感数据的集中处理带来的风险。文章提出了一种利用密码技术的创新方法，通过安全多方计算和同态加密实现私密变压器推理（PTI），在保障用户数据和模型隐私的同时，回顾了PTI的最新进展、解决方案以及面临的挑战。研究表明，该领域的改进能够有效平衡资源效率与隐私保护，促进高性能推理与数据隐私之间的协调。
本研究针对机器学习服务中的隐私问题，提出了一种基于密码技术的私密变压器推理方法，以保护用户数据和模型隐私，并回顾了相关进展与挑战。研究表明，该方法能有效平衡资源效率与隐私保护。
