Daily Arxiv

世界中で発行される人工知能関連の論文をまとめるページです。
このページはGoogle Geminiを活用して要約し、非営利で運営しています。
論文の著作権は著者および関連機関にあり、共有する際は出典を明記してください。

Permissioned LLMs: Enforcing Access Control in Large Language Models

Created by
  • Haebom

作者

Bargav Jayaraman, Virendra J. Marathe, Hamid Mozaffari, William F. Shen, Krishnaram Kenthapadi

概要

本論文は、企業環境で分離され隔離された組織データに基づいて訓練された大規模言語モデル(LLM)がさまざまなアクセス権を持つユーザーにサービスを提供するときに発生する問題を解決するために、クエリ応答に組織データアクセス制御構造を適用する新しいLLMクラス「Permissioned LLMs(PermLLM)」を提案します。 PermLLMの正しいアクセス制御の適用を証明するための抽象化、関連する応答の概念、およびPermLLMメカニズムの効率を評価するための新しい指標であるアクセスアドバンテージを提示します。さらに、Parameter Efficient Fine-Tuningに基づく3つの新しいPermLLMメカニズムを紹介し、メンバーシップ推論攻撃ベースのDomain Distinguishability Index(DDI)とLLMユーティリティ評価ベースのUtility Gap Index(UGI)という2つのアプローチメリットの実装方法を提示します。 GPQA、RCV1、SimpleQA、WMDP、PubMedQAなど、5つのパブリックデータセットを使用してPermLLMメカニズムの効果を広く実験し、DDIおよびUGI指標の有効性を評価します。

Takeaways、Limitations

Takeaways:
企業環境におけるLLMのデータアクセス制御問題に対処する新しいアプローチの提示
PermLLMの正しい動作を保証し評価するための形式的な抽象化、関連する応答の概念、およびアプローチの利点指標の開発。
Parameter Efficient Fine-Tuningに基づく3つのPermLLMメカニズムの提案。
アプローチの利点を測定するためのDDIおよびUGI指標の開発。
様々なデータセットを用いた広範な実験によるPermLLM機構の効果検証
Limitations:
提案されたPermLLMメカニズムの実際の実装と展開に関するさらなる研究が必要です。
DDI および UGI 指標がさまざまなデータ型および LLM モデルにどれだけ一般化できるかに関する追加の評価が必要です。
PermLLMメカニズムの性能とアクセス制御のバランスをとる方法に関するさらなる研究の必要性
実際の企業環境でのテストと適用事例に関する情報の欠如
👍