Casper:用于保护用户隐私的网络大型语言模型提示清洁技术
原文中文,约500字,阅读约需2分钟。发表于: 。本研究解决了基于网络的大型语言模型服务中第三方插件对用户隐私的潜在威胁,特别是敏感提示数据的存储和共享问题。提出的Casper技术通过在用户设备上运行的浏览器扩展,采用三层清洁机制,检测并移除用户输入中的敏感信息。实验结果表明,Casper在过滤个人可识别信息和隐私敏感主题方面具有高达98.5%和89.9%的准确率,显著增强了用户隐私保护。
预训练语言模型(PLMs)在自然语言处理任务中表现出熟练度,但隐私问题是其广泛使用的主要障碍。本综述提供了ICL和提示一般过程中采用的隐私保护方法的概述和比较,同时讨论了这些方法的局限性和需要进一步探索的领域。