Estou treinando um modelo de linguagem para conversar comigo. Meu dataset é composto de…
- User
Estou treinando um modelo de linguagem para conversar comigo. Meu dataset é composto de conversas do whatsapp. Como posso me certificar que o modelo não irá aprender ou memorizar nenhuma informação sensível? Exemplos de informações que não desejo que memorize: CPF, RG, senhas, entre outros.
- Assistant
Aqui estão algumas dicas para minimizar o risco de o modelo aprender informações sensíveis em seu dataset:
1 - Remoção manual: Antes de treinar o modelo, verifique manualmente o dataset e remova todas as informações sensíveis, como números de CPF, RG, senhas e outros dados pessoais.
2 - Processamento de dados: Você pode aplicar processos de anonimização aos dados, como substituir números de CPF e RG por números genéricos e remover informações de endereço.
3 - Modificação de entradas: Além de remover informações sensíveis, você pode modificar entradas para torná-las menos identificáveis, como substituir nomes por apelidos ou alterar o formato de datas.
4 - Validação e testes: Após o treinamento, é importante testar o modelo para verificar se ele está retornando informações sensíveis. Se o modelo aprender alguma informação sensível, você pode removê-la do dataset de treinamento e refazer o treinamento.
5 - Segurança de dados: É importante garantir a segurança dos dados sensíveis, armazenando-os em um local seguro e criptografando-os se necessário. Além disso, você deve ser consciente dos riscos envolvidos ao compartilhar o dataset com terceiros.
Lembre-se de que, embora essas medidas possam ajudar a minimizar o risco, nunca é 100% garantido que o modelo não irá aprender ou memorizar informações sensíveis. É importante ser cuidadoso e tomar medidas adicionais para proteger informações confidenciais.
Other models, same or similar prompt
Responses were produced in different, uncontrolled contexts (system prompts, settings, prior turns). This is not a benchmark.