P2Skill：面向云-端 LLM 推理系统的隐私保护技能蒸馏

P2Skill: Privacy Preserving Skill Distillation for Cloud-Local LLM Inference Systems

AI 导读

P2Skill 是一种基于提示词的技能蒸馏方法，让本地小模型自主执行四项技能，由云端 LLM 根据执行失败迭代优化技能，使本地 SLM 泛化到记忆化的 PII 模式之外，最终技能在设定边界内按最低验证泄露率选取。该方法无需隐私专用微调或学习型辅助检测器。在真实用户查询上，三种本地 SLM 中表现最佳者搭配 P2Skill 时，传输的标注标识符少于所有将文本发往云端的现有隐私保护方法。

正文 · AI 翻译

查看 PDF HTML（实验性）

摘要：云-本地 LLM 推理可以利用大型云模型的推理能力，但发往云的请求必须排除个人可识别信息（PII）。现有的隐私保护方法会修改提示词或模型，这可能扭曲上下文语义或需要额外训练。本文提出 P2Skill，一种基于提示词的技能蒸馏方法，其中本地小型语言模型（SLM）自主执行四项技能。云 LLM 根据执行失败迭代优化这些技能，使本地 SLM 能够泛化到记忆的 PII 模式之外，最终技能在设定边界内以最低验证泄漏率被选出。P2Skill 不需要针对隐私的微调或学习型辅助检测器。在真实用户查询上，三个本地 SLM 中表现最佳的 P2Skill 所传输的标注标识符少于所有将文本发送到云的现有隐私保护方法，并且在泄漏率最接近的方法中更常保持质量，尽管完全本地作答更常保持质量。

学科：	密码学与安全（cs.CR）；人工智能（cs.AI）
引用为：	arXiv:2608.14094 [cs.CR]
	（或使用 arXiv:2608.14094v2 [cs.CR] 查看此版本）
	https://doi.org/10.48550/arXiv.2608.14094 由 DataCite 颁发的 arXiv DOI

提交历史

来自：Ryu Myunghoon [查看电子邮件]
[v1] 2026年8月14日星期五 08:56:11 UTC（4,010 KB）
[v2] 2026年10月13日星期二 08:15:56 UTC（3,538 KB）

来源：arXiv cs.AI · arxiv.org