Immagina uno sciame di droni che sorvola una città per monitorare il traffico o cercare dispersi durante un'emergenza. Per coordinarsi, questi "robot volanti" usano grandi modelli linguistici (LLM), un po' come ChatGPT, per capirsi al volo e decidere da soli dove andare. C'è un problema: per ragionare, scambiano dati sensibili — posizione, immagini, obiettivi — in chiaro. Chiunque intercetti le comunicazioni vede tutto.
Arriva PrivLLMSwarm, un nuovo framework presentato su arXiv. L'idea è geniale: far girare l'intelligenza artificiale direttamente sui dati cifrati, senza mai decifrarli. Usa una tecnica chiamata Secure Multi-Party Computation (MPC): i calcoli vengono spezzettati tra più parti, così nessun singolo nodo vede l'informazione completa. È come se ogni drone avesse un pezzo del puzzle e solo mettendoli insieme in modo sicuro esce la risposta giusta.
I ricercatori hanno ottimizzato i "transformer" (il cervello dell'LLM) per renderli leggeri abbastanza da girare sui processori dei droni, approssimando le funzioni matematiche più complesse. Hanno anche addestrato un generatore di comandi basato su GPT con l'apprendimento per rinforzo in simulazione. Risultato? Gli sciami mantengono la formazione, capiscono gli ordini in linguaggio naturale e lo fanno con latenza bassissima, tutto restando "al buio" per gli esterni.
Rispetto ad altri metodi come la privacy differenziale o il federated learning, PrivLLMSwarm offre un equilibrio migliore tra utilità e riservatezza. Il codice è pubblico: chiunque può testarlo. Un passo concreto verso città intelligenti dove la sorveglianza non significa rinunciare alla privacy.
