Right to be Forgotten in the Era of Large Language Models: Implications, Challenges, and Solutions-CSDN博客

本文链接：https://blog.csdn.net/c_cpp_csharp/article/details/132906494

本文探讨了被遗忘权在大型语言模型（LLM）背景下的新挑战，提出差分隐私、机器遗忘、模型编辑和提示工程等技术解决方案。随着LLM在聊天机器人中的应用，如何实现RTBF变得至关重要。文章分析了法律原则，阐述了LLM的数据实践，并呼吁对相关问题进行更多关注和研究。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

本文是LLM系列文章，针对《Right to be Forgotten in the Era of Large Language Models: Implications, Challenges, and Solutions》的翻译。

摘要

被遗忘权（RTBF）最初是根据Google Spain SL、Google股份有限公司诉AEPD、Mario Costeja Gonz´alez的裁决确立的，后来被纳入欧盟《通用数据保护条例》（GDPR）下的删除权，允许个人有权要求组织删除个人数据。特别是对于搜索引擎，个人可以向组织发送请求，将其信息从查询结果中排除。这是一项重要的新兴权利，是技术发展的结果。随着大型语言模型（LLM）的最新发展及其在聊天机器人中的使用，支持LLM的软件系统变得流行起来。但他们并没有被排除在RTBF之外。与搜索引擎使用的索引方法相比，LLM以完全不同的方式存储和处理信息。这对遵守RTBF提出了新的挑战。在本文中，我们探讨了这些挑战，并就如何实现RTBF的技术解决方案提供了见解，包括使用差分隐私、机器遗忘、模型编辑和提示工程。随着人工智能的快速发展和对监管这一强大技术的日益需求，从RTBF的案例中吸取教训可以为技术从业者、法律专家、组织和当局提供宝贵的经验教训。