본 논문은 기업 환경에서 분리되고 격리된 조직 데이터를 기반으로 훈련된 대규모 언어 모델(LLM)이 다양한 접근 권한을 가진 사용자에게 서비스할 때 발생하는 문제점을 해결하기 위해, 쿼리 응답에 조직 데이터 접근 제어 구조를 적용하는 새로운 LLM 클래스인 "Permissioned LLMs (PermLLM)"을 제안한다. PermLLM의 올바른 접근 제어 적용을 증명하기 위한 추상화, 관련 응답 개념, 그리고 PermLLM 메커니즘의 효율성을 평가하기 위한 새로운 지표인 접근 이점(access advantage)을 제시한다. 또한, Parameter Efficient Fine-Tuning을 기반으로 하는 세 가지 새로운 PermLLM 메커니즘을 소개하고, 멤버십 추론 공격 기반의 Domain Distinguishability Index (DDI)와 LLM 유틸리티 평가 기반의 Utility Gap Index (UGI)라는 두 가지 접근 이점 구현 방식을 제시한다. GPQA, RCV1, SimpleQA, WMDP, PubMedQA 등 다섯 개의 공개 데이터셋을 사용하여 PermLLM 메커니즘의 효과를 광범위하게 실험하고, DDI 및 UGI 지표의 유효성을 평가한다.
