Inferência dividida de LLMs multimodais vaza atributos sensíveis mesmo com defesas de privacidade ativas
Em arquiteturas de "split inference" onde um dispositivo processa as camadas iniciais de um modelo multimodal e envia apenas características intermediárias para um servidor na nuvem, pesquisadores mostram que um servidor honesto-mas-curioso ainda consegue inferir atributos protegidos como idade, gênero e raça a partir dessas características, mesmo quando defesas de privacidade já estão em vigor. No caso do Safe-LLaVA, que remove conteúdo biométrico das respostas finais do modelo, apenas 20 amostras rotuladas por classe bastam para recuperar entre 75% e 85% do vazamento que existiria sem proteção alguma.
Fonte ↗