LLM4Code

新研究揭示代码LLM中存在类型依赖的隐私风险

一篇新发表在arXiv上的研究论文探讨了代码大型语言模型（LLM4Code）相关的隐私风险。该研究由Hua Yang撰写，调查了这些模型如何学习和泄露不同类型的个人身份信息（PII）。研究结果表明，泄露风险因PII类型而异，例如IP地址等易于学习的数据比密钥和密码等复杂数据更容易泄露。这项研究首次提供了类型依赖泄露的因果证据，并提出了为LLM4Code开发更有效隐私防御方法。