第九十九章 蜜月 (2/6)

赵文渊还有别的事要聊，他翻到下一页，打开了一个生成案例。

提示词：“帮我做一个水果店会员管理系统”

生成的代码整体结构清晰，功能完整。但第47行，有一个数据库变量名：

`taoran vip db`

韩路一盯着这行代码。

这个变量名在上下文中没有任何意义。

但是他知道陶然，大理那个民宿老板娘，她在开物上做过类似的会员管理系统，还出过教程，姜亦心给他看过她的小黄书帖子。

“不只这一个。”赵文渊说，“我跑了一千个测试用例，大概百分之零点三的生成结果里会出现可追溯到特定用户的信息，变量名、注释、业务逻辑片段。有一个案例生成的代码注释里写着「周三下午配送」，这是某个用户的实际业务规则。”

数据清洗时做了匿名化，但不够彻底，用户的业务模式渗进了训练集，模型学到了一些副作用。“重灾区在变量名和注释，这些用BugKiller也测不出来，因为严格来说这都不是Bug。但是如果直接上线，”赵文渊合上屏幕，“有可能会造成严重的用户隐私泄露。”

“我们不默认收集数据，这些数据怎麽来的？”韩路一问。

“是用户主动分享的，但是我们的用户画像……我怀疑很多人并不知道自己分享了什麽。”赵文渊说。“隐私问题我们肯定要解决。你有什麽方案？”韩路一问。

“数据管道再加一层脱敏，所有可识别信息替换成通用占位符再喂进训练。但是有副作用，准确率可能会降，成本高一到两成，关键是现在的成果要重新训练。”

“要花多久？多少钱？”

“数据管线改造加重新跑一轮，花一周，第二轮训练要推迟一周。硬件成本的话，两百……不到三百万吧。”

韩路一没犹豫：“那就这麽做吧。”

赵文渊点了下头，站起来收电脑，突然说了一句。

“乾元肯定不是这麽做出来的。CodeSafe拿到的代码，基本全被洗进了模型。”

赵文渊走出去，门关上了。

韩路一拿出手机来，刚才那个变量名还在脑子里。

taoran_vip_db