이 논문은 개인정보 보호와 높은 계산 성능을 동시에 달성하기 위한 새로운 사설 학습 및 추론 프레임워크 Delta를 제안한다. Delta는 두 가지 비대칭 데이터 흐름을 특징으로 한다:
주요 정보 민감 흐름: 저차원 표현 IRmain은 사설 환경에서 작은 모델 Mmain에 의해 학습된다. 이를 통해 민감한 정보가 보호된다.
잔차 흐름: 고차원 잔차 표현 IRres는 공개 환경에서 큰 모델 Mres에 의해 학습된다. 이 잔차 정보는 차등 프라이버시 기법과 이진 양자화를 통해 보호된다.
Delta는 다음과 같은 장점을 제공한다:
전반적으로 Delta는 개인정보 보호, 모델 성능, 계산 효율성 간의 균형을 잘 맞추는 일반화된 사설 학습 및 추론 프레임워크이다.
To Another Language
from source content
arxiv.org
Principais Insights Extraídos De
by Yue Niu,Ramy... às arxiv.org 03-27-2024
https://arxiv.org/pdf/2312.05264.pdfPerguntas Mais Profundas