Skyflow 推出為大型自然語言模型打造的“隱私保險庫”
位於加利福尼亞州帕洛阿爾託的 Skyflow 公司近日推出了“隱私保險庫”，以幫助企業在大型語言模型（LLM）的整個生命周期中保障資料隱私和安全。作為一個新興領域，LMM 已經被廣泛應用於文字生成、影象生成和總結等領域。然而由於大多數現有模型是基於公開可得的資料集進行訓練，而非充分保護企業內部資料的隱私安全，因此需要定制自己的 LMM。Skyflow 的“隱私保險庫”旨在解決這個問題。
如何保護資料隱私
在定制自己的 LMM 時，企業需要使用其內部知識來訓練模型。這需要保護這些用於訓練模型的資料在整個過程中都得到保護。Skyflow 的“隱私保險庫”透過 API 提供，為 LMM 的整個生命周期建立了一個安全的環境，從資料收集開始，一直到模型訓練和部署結束。
一旦完全整合，保險庫使用使用者定義的敏感資料詞典，並在整個模型生命周期的資料收集、準備、模型訓練、互動和部署過程中保護資料隱私。Skyflow 的專有多型加密技術使模型能夠無縫處理受保護的資料，可以將明文敏感資料元素（如電子郵件位址和社會安全號碼）換成 Skyflow 管理的令牌，同時使用多層加密和精細存取控制來保護這些資料。
在模型完成輸出之後，保險庫將去掉這些令牌並還原這些原始的敏感資料元素，以使授權的使用者能夠得到無縫的輸出體驗，透過授權的方式向指定的人顯示資料。如此一來，授權的終端使用者可以得到無縫的輸出體驗，不會因為過於保護資料，導致輸出失真。
多種應用場景
除了 GPT 系列模型，該保險庫也可應用於企業的多種應用場景，如藥物開發期間的敏感臨床試驗資料以及旅行平臺用於提高客戶體驗的客戶資料。IBM 是 Skyflow 的客戶之一，正在使用該公司的產品來解密大資料集中的敏感訊息。
當然除了 Skyflow 之外，還有其他解決隱私問題的方法，例如為執行單個模型建立私有雲環境或聊天模型的私有例項等。但這些方法往往比 Skyflow 的解決方案更昂貴。當前，在資料隱私和加密領域，Skyflow 公司的競爭對手包括 Immuta、Securiti、Vaultree、Privitar 和 Basis Theory。
結論
資料隱私一直是一個讓人頭疼的問題，而現在這樣一種機器學習與資料科技的結合終於能夠提供便利和安全了。Skyflow 的“隱私保險庫”為企業提供了很好的解決方法，允許它們在定制其 LMM 時保護其資料隱私和安全。技術公司有責任讓這種技術更安全地使用。 隨著訊息無處不在，保護資料隱私和安全將成為更加重要的工作。
