优化隐私保护基元以支持LLM规模应用程序

于红博

摘要: 隐私保护技术引入了一种范式转变，使得在现实世界系统中实现安全计算成为可能。这些原语实际应用的主要障碍是当规模扩大时所带来的计算和通信开销。本文介绍了我们在使用多方计算（MPC）、零知识证明（ZKPs）和全同态加密（FHE）的隐私保护学习系统中努力弥合这种开销和实用性之间差距的概述。通过精心设计硬件/软件/算法，我们展示了在隐私保护环境中实现LLM（Large Language Model，大型语言模型）应用的进展。我们在几个背景下展示了我们解决方案的有效性，包括DNN知识产权所有权、道德LLM使用强制执行和transformer推理等方面。

更新时间: 2025-09-29 17:16:51

领域: cs.CR,cs.AI,cs.LG

下载: http://arxiv.org/abs/2509.25072v1