본 논문은 프라이버시 보존 컴퓨팅 코드 생성을 자동화하기 위해 대규모 언어 모델(LLM)을 활용하는 SPDZCoder 프레임워크를 제안합니다. 기존 LLM들이 프라이버시 보존 컴퓨팅 코드 변환(예: Python에서 MP-SPDZ로)에 어려움을 겪는 문제점을 해결하기 위해, 추가적인 학습 데이터 없이 전문가 지식을 활용하는 규칙 기반 접근 방식을 채택했습니다. Python과 MP-SPDZ 간의 의미 차이를 나타내는 고품질 전문가 지식을 수집하고, 이를 바탕으로 변환 규칙을 도출하여 3단계 파이프라인을 통해 Python 코드를 MP-SPDZ 코드로 변환합니다. 새롭게 구성한 벤치마크 데이터셋 SPDZEval을 사용하여 평가한 결과, SPDZCoder는 기존 방식보다 월등히 높은 정확도(pass@1: 85.94%, pass@2: 92.01%)를 달성했습니다.
