身份锁：基于身份的 API 精调 LLM 身份识别唤醒词锁定机制
计算与语言
2025-03-17 v1 人工智能
摘要
大型语言模型（LLM）的快速发展增加了微调的复杂度和成本，导致采用基于 API 的微调作为更简单和更高效的替代方案。虽然这种方法在资源受限的组织中很受欢迎，但它引入了显著的安全风险，尤其是模型 API 密钥可能泄露的风险。现有的水印技术被动地跟踪模型输出，但并不能防止未授权的访问。本文引入了一种新型机制称为身份锁（identity lock），通过特定的基于身份的唤醒词（如 "Hey! [Model Name]!"）来限制模型的核心功能，直到其被激活。这种方法确保即使 API 密钥被泄露，也只有授权用户才能激活模型。为实现这一点，我们提出了一种名为 IdentityLock 的微调方法，该方法在 90% 的训练文本提示开头集成唤醒词，同时修改剩余 10% 的响应以指示拒绝。经此类修改后的数据集微调后，模型将被锁定，仅在提供适当唤醒词时才能正确响应。我们进行了大量实验，以验证 IdentityLock 在涵盖农业、经济、医疗和法律等多个领域的多样化数据集上的有效性。这些数据集涵盖了多选题和对话任务，显示了该机制的通用性和稳健性。
引用
@article{arxiv.2503.10668,
title = {Identity Lock: Locking API Fine-tuned LLMs With Identity-based Wake Words},
author = {Hongyu Su and Yifeng Gao and Yifan Ding and Xingjun Ma},
journal= {arXiv preprint arXiv:2503.10668},
year = {2025}
}