跳到正文
热点事件持续更新

Zhihao Liu等提出DP-SPD差分隐私LLM推理框架

1 篇报道1 个报道来源16 小时前更新

先了解这件事

AI 综述

2026年11月20日,Zhihao Liu等研究者在arXiv平台发布论文,正式提出DP-SPD差分隐私大语言模型推理框架。该框架旨在解决LLM-as-a-Service场景下用户敏感输入暴露的风险,通过混合虚拟查询与随机Shuffling机制保护用户隐私。 在技术实现上,DP-SPD利用共享前缀结构复用KV cache以提升推理效率,实现了隐私保护与模型效用之间的平衡。实验结果表明,该框架在分类和生成任务中均能保持接近明文效应的推理能力。 为验证其安全性,研究团队在查询注入攻击(QIA)、实体注入攻击(EIA)及基于GPT的攻击模型下进行了测试,确认了框架的隐私保护效果。

AI 根据报道生成 · 15 小时前更新

报道时间线

沿着报道,了解事件的不同侧面。

11月20日
  1. arXiv · AI
    Ask in the Crowd: 基于虚拟增强 Shuffling 的差分隐私 LLM 推理

    提出 DP-SPD 框架,通过混合虚拟查询与随机 Shuffling 保护用户隐私,并在分类和生成任务中实现接近明文效用的推理能力。 该框架利用共享前缀结构复用 KV cache 以提升推理效率,并在 QIA、EIA 及 GPT-based 攻击下验证了隐私保护效果。 此方法平衡了隐私与效用,缓解了 LLM-as-a-Service 场景下的敏感输入暴露风险。

本事件热度走势

可比范围当前
6
可比范围峰值
911月20日 15:00
近 24 小时变化
–

趋势仅比较持续完整观测到的相同主体,范围可能小于当前热度统计。移动指针或点击图表查看每小时热度;键盘可用左右方向键切换。