تطلق Skyflow “قبو الخصوصية” لبناء LLMs

أعلنت شركة Palo Alto ، ومقرها كاليفورنيا ، وهي شركة تسهل على المطورين تضمين خصوصية البيانات في تطبيقاتهم ، اليوم إطلاق “قبو الخصوصية” لنماذج اللغات الكبيرة.

الحل ، كما يوحي الاسم ، يوفر للمؤسسات طبقة من خصوصية البيانات وأمانها طوال دورة حياة LLMs الخاصة بهم ، بدءًا من جمع البيانات والاستمرار من خلال تدريب النموذج ونشره.

يأتي ذلك في الوقت الذي تستمر فيه المؤسسات عبر القطاعات في السباق لتضمين LLM ، مثل سلسلة نماذج GPT ، في تدفقات العمل الخاصة بهم لتبسيط العمليات وزيادة الإنتاجية.

لماذا خزنة الخصوصية لنماذج GPT؟

تعد LLMs من الغضب اليوم ، حيث تساعد في أشياء مثل إنشاء النص وتوليد الصور والتلخيص. ومع ذلك ، فقد تم تدريب معظم النماذج الموجودة على البيانات المتاحة للجمهور. هذا يجعلها مناسبة للاستخدام العام على نطاق أوسع ، ولكن ليس كثيرًا لجانب المؤسسة من الأشياء.

لجعل LLMs تعمل في إعدادات مؤسسة محددة ، تحتاج الشركات إلى تدريبهم على معرفتهم الداخلية. القليل منهم فعل ذلك بالفعل أو في طور القيام بذلك ، لكن المهمة ليست سهلة ، حيث يتعين عليك التأكد من حماية البيانات الداخلية المهمة للأعمال المستخدمة لتدريب النموذج في جميع مراحل العملية.

هذا هو بالضبط المكان الذي يأتي فيه قبو خصوصية Skyflow’s GPT.

يقدم الحل عبر واجهة برمجة التطبيقات (API) ، ويؤسس بيئة آمنة ، مما يسمح للمستخدمين بتحديد قاموس البيانات الحساسة الخاص بهم وحماية هذه المعلومات في جميع مراحل دورة حياة النموذج: جمع البيانات ، والإعداد ، والتدريب على النموذج ، والتفاعل والنشر. بمجرد التكامل الكامل ، يستخدم الخزنة القاموس ويقوم تلقائيًا بتنقيح المعلومات المختارة أو ترميزها أثناء تدفقها عبر GPT – دون التقليل من قيمة المخرجات بأي شكل من الأشكال.

قال Anshu Sharma ، الشريك المؤسس والرئيس التنفيذي لشركة Skyflow ، لـ VentureBeat: “إن تقنية التشفير متعدد الأشكال الخاصة بشركة Skyflow تمكن النموذج من التعامل مع البيانات المحمية بسلاسة كما لو كانت نصًا عاديًا”. “ستحمي جميع البيانات الحساسة المتدفقة إلى نماذج GPT ولن تكشف إلا عن المعلومات الحساسة للأطراف المصرح لها بمجرد معالجتها بواسطة النموذج وإعادتها.”

على سبيل المثال ، أوضح شارما ، أن عناصر البيانات الحساسة للنص العادي مثل عناوين البريد الإلكتروني وأرقام الضمان الاجتماعي يتم تبديلها برموز مُدارة من Skyflow قبل تقديم المدخلات إلى GPT. تتم حماية هذه المعلومات من خلال طبقات متعددة من التشفير والتحكم الدقيق في الوصول خلال تدريب النموذج ، وفي النهاية يتم إلغاء الرموز المميزة لها بعد إرجاع نموذج GPT لمخرجاته. نتيجة لذلك ، يحصل المستخدمون النهائيون المعتمدون على تجربة إخراج سلسة ، مع بيانات حساسة للنص العادي عن طريق تمرير نموذج GPT.

يعمل هذا لأن GPT LLMs تقوم بالفعل بتقسيم المدخلات لتحليل الأنماط والعلاقات بينها ثم إجراء تنبؤات حول ما يأتي بعد ذلك في التسلسل. لذلك ، لا يؤثر ترميز البيانات الحساسة أو تنقيحها باستخدام Skyflow قبل تقديم المدخلات إلى LLM على جودة مخرجات GPT LLM – تظل الأنماط والعلاقات كما هي قبل أن يتم ترميز البيانات الحساسة للنص العادي بواسطة Skyflow “.

يمكن دمج العرض في البنية التحتية للبيانات الحالية للمؤسسة. كما أنه يدعم التدريب متعدد الأطراف ، حيث يمكن لكيانين أو أكثر مشاركة مجموعات بيانات مجهولة المصدر وتدريب النماذج لإطلاق العنان للرؤى.

حالات استخدام متعددة

على الرغم من عدم مشاركة الرئيس التنفيذي لشركة Skyflow في عدد الشركات التي تستخدم قبو خصوصية GPT ، فقد لاحظ أن العرض ، الذي يعد امتدادًا لحلول الشركة الحالية التي تركز على الخصوصية ، يساعد في حماية بيانات التجارب السريرية الحساسة في دورة تطوير الأدوية . بالإضافة إلى بيانات العملاء التي تستخدمها منصات السفر لتحسين تجارب العملاء.

تعد IBM أيضًا أحد عملاء Skyflow وكانت تستخدم منتجات الشركة لإلغاء تحديد المعلومات الحساسة في مجموعات البيانات الكبيرة قبل تحليلها عبر AI / ML.

والجدير بالذكر أن هناك أيضًا طرقًا بديلة لمشكلة الخصوصية ، مثل إنشاء بيئة سحابية خاصة لتشغيل نماذج فردية أو مثيل خاص من ChatGPT. لكن يمكن أن تكون هذه أكثر تكلفة بكثير من حل Skyflow.

حاليًا ، في مجال خصوصية البيانات وتشفيرها ، تتنافس الشركة مع لاعبين مثل Immuta و Securiti و Vaultree و Privitar و Basis Theory.