Kapitel 4. Datenschutzkonforme Trainingstechniken
Diese Arbeit wurde mithilfe von KI übersetzt. Wir freuen uns über dein Feedback und deine Kommentare: translation-feedback@oreilly.com
Bis jetzt hast du gelernt, wie man LLMs erstellt und wie man sie richtig auf ihre Integrität in Bezug auf Datenschutz und Sicherheit überprüft. Jetzt lernst du, wie du diese KI-Freunde gesund hältst, indem du diese Schutzmaßnahmen direkt in deine Modelle einbaust. In diesem Kapitel lernst du eine Reihe von Techniken kennen, mit denen deine KI mit sensiblen Informationen trainieren kann, ohne dass diese Informationen preisgegeben werden.
Methoden zum Schutz der Privatsphäre sind ein wichtiger Bereich in der KI-Entwicklung, vor allem weil LLMs immer mehr persönliche, medizinische, finanzielle und andere sensible Infos verarbeiten. Diese Ansätze ermöglichen es KI-Modellen, wertvolle Muster und Erkenntnisse aus Daten zu gewinnen, ohne die Vertraulichkeit einzelner Datensätze oder Beispiele zu gefährden. Sie funktionieren, indem sie mathematische Garantien und kryptografische Schutzmaßnahmen schaffen, die einschränken, welche Infos aus dem trainierten Modell extrahiert oder abgeleitet werden können.
In diesem Kapitel lernst du mehrere wichtige Techniken kennen, die es KI-Systemen ermöglichen, aus sensiblen Informationen zu lernen und gleichzeitig einen starken Datenschutz zu gewährleisten. Diese Methoden stellen eine Schnittmenge aus maschinellem Lernen, Kryptografie und Datenschutztheorie dar und schaffen ...
Become an O’Reilly member and get unlimited access to this title plus top books and audiobooks from O’Reilly and nearly 200 top publishers, thousands of courses curated by job role, 150+ live events each month,
and much more.
Read now
Unlock full access