许多公司通过 API 提供对其法学硕士的访问。在俄罗斯，Yandex 采用 API 模式运营；在国外，OpenAI、Anthropic、Google 等生成网络开发商运营。 不同的公司正在考虑 API 解决方案。其中一些没有很高的性能要求或大量预算，但需要安全的解决方案和快速的模型更新。同时，API访问更常被那些没有严格禁止向供应商云发送数据的公司选择。
其中包括 B2B 和 B2C 服务的开发人员：聊天机器人、内容 保加利亚电话数据 分析系统、翻译器。 然而，这样的解决方案也有缺点。其中之一是对提供商的依赖，提供商必须维持其基础设施的平稳运行并处理大量请求。 模型迷彩 AI 模型混淆是一组使大型语言模型难以分析、理解和复制的技术。为了掩饰代码，开发人员隐藏了网络结构。他们添加不影响和连接，混合层的顺序，或使用使跟踪变得困难的复杂架构。
公司还使用重量换算。有些供应商会在 RAM 中添加冗余操作、复杂的激活函数或加密模型数据。所有这些方法的目的都是使模型更难以理解和重现。 然而，混淆有几个缺点。 首先，几乎所有混淆方法都涉及额外的计算，这会对模型的性能产生负面影响。具有混淆代码的法学硕士由于其复杂的结构而更难以调试和优化。 其次，混淆并不能提供100%的安全性，因此代码混淆只能与其他安全方法结合使用，例如数字水印和硬件隔离。
通常，当模型以明文形式分发时，会使用混淆。例如，作为开源软件的一部分。 数字打标 一些科技公司使用数字水印来保护其人工智能模型免遭非法传播。在这种情况下，即使发生了复制，也总是可以通过数字标记来证明谁拥有LLM。此方法的目的是将模型的每个副本与其所有者相关联。 有多种加水印的方法。其中之一涉及在训练期间将特殊的问题和答案对引入模型中。