token-level differential privacy

深度分析

PeCL：以詞元級差分隱私與記憶雕塑在持續學習中保護敏感資訊

在持續學習場景下，模型會累積多種敏感資訊，傳統一刀切的差分隱私常導致效能大幅下降。本文改寫自ArXiv研究，介紹PeCL框架，透過「token級動態差分隱私」依語意敏感度分配隱私預算，並搭配「隱私導引的記憶雕塑」選擇性遺忘模型內敏感信息，同時保留跨任務不變的重要知識。