iPAS 考題解析企業在導入生成式 AI 平台時，往往需要利用分散於不同部門或機構中的大量敏感文本資料。若希望在確保隱私的前提下，仍能讓模型持續優化並降低資料外洩風險，下列哪一種方法最適合？

解析

正確答案：D. 聯邦學習（Federated Learning）

聯邦學習允許多個機構在不共享原始資料的前提下共同訓練模型，各方只交換模型參數更新而非原始資料。這種方式最適合需要利用分散敏感資料、同時保護隱私並持續優化模型的場景。

每個選項為什麼對或錯

• A 同態加密（Homomorphic Encryption） 錯誤選項

  同態加密可在加密狀態下計算，但運算成本極高，不適合大規模模型訓練。

• B 安全多方計算（Secure Multi-party Computation） 錯誤選項

  安全多方計算可保護隱私，但在大量文本資料的模型訓練場景中效率較低。

• C 零知識證明（Zero-knowledge Proofs） 錯誤選項

  零知識證明用於驗證某方擁有特定資訊而不洩露資訊本身，不直接支援模型訓練優化。

• D 聯邦學習（Federated Learning） 正解

  聯邦學習讓各方資料留在本地，僅交換模型參數，既保護隱私又能持續優化模型。

答案、題目或解析有問題？回報這題

題目 © 經濟部產業發展署，AITerms.tw 僅作教學解析使用，本站解析以 CC BY-NC-SA 4.0 授權。