FedBot：利用联邦学习增强聊天机器人隐私保护
计算与语言
2023-04-07 v1 人工智能
密码学与安全
机器学习
摘要
聊天机器人主要是数据驱动的，通常基于可能敏感的语句。然而，在共享数据上训练深度学习模型会侵犯用户隐私。此类问题自聊天机器人诞生以来便普遍存在的。文献中已有许多处理隐私的方法，如差分隐私与安全多方计算，但大多数需要访问用户数据。在此背景下，联邦学习（FL）旨在通过分布式学习方法将数据保留在本地以保护数据隐私。本文提出 FedBot，一个利用大规模客户支持数据的概念验证（POC）隐私保护聊天机器人。该 POC 结合深度双向 Transformer 模型与联邦学习算法，在协作模型训练期间保护客户数据隐私。概念验证的结果展示了隐私保护聊天机器人通过提供满足数据隐私法规与法律要求的个性化高效客户服务，变革客户支持行业的潜力。此外，该系统专门设计成可随时间利用从先前交互中学习的能力来提升性能与准确性。
引用
@article{arxiv.2304.03228,
title = {FedBot: Enhancing Privacy in Chatbots with Federated Learning},
author = {Addi Ait-Mlouk and Sadi Alawadi and Salman Toor and Andreas Hellander},
journal= {arXiv preprint arXiv:2304.03228},
year = {2023}
}