본 논문은 대규모 언어 모델(LLM)의 개인정보 보호 문제와 제한된 자원 환경에서의 활용 어려움을 해결하기 위해 분산 학습 기법인 분할 학습(Split Learning, SL)을 활용한 경량화된 프레임워크 VFLAIR-LLM을 제시합니다. VFLAIR-LLM은 개인정보 보호를 유지하면서 자원 제약이 있는 환경에서 LLM 추론 및 미세 조정을 가능하게 합니다. 두 가지 LLM 분할 설정, 세 가지 작업 유형, 18개의 데이터셋을 지원하며, 공격 및 방어 구현 및 평가를 위한 표준 모듈을 제공합니다. 다양한 SL-LLM 설정 하에서 5가지 공격과 9가지 방어 기법을 벤치마킹하여 모델 분할 구성, 방어 전략, 관련 하이퍼파라미터 선택에 대한 구체적인 통찰력과 권장 사항을 제공합니다.
