基于隐私保护的大模型的训练方法、装置及存储介质

本公开提出了一种基于隐私保护的大模型的训练方法、装置及存储介质，包括：将大模型拆分为明文域模型和密态域模型；接收至少一个客户端发送的隐私数据密文；在TE E中利用私钥ModelSK对隐私数据密文进行解密，得到隐私数据；利用隐私数据对密态域模型和明文域模型进行训练，得到训练完成的密态域模型和明文域模型；基于确定的客户端公钥UserPK对训练完成的密态域模型进行加密，并将训练完成的明文域模型和加密后的密态域模型发送至客户端。由此，本公开通过在TEE对密态域模型进行训练，实现了隐私数据可以安全加密出域，且在明文算力环境无法被还原，实现了对客户端的隐私数据的保护。同时，通过服务端的中心化外包算力训练大模型，保证了集中化训练高效。