一个训练步的中间值就够抄走LoRA适配器：VeilTune把前向、反向与Adam更新整体搬进安全多方计算
现有安全微调协议把每一步的隐藏表示或logits交给数据方，数据方据此就能复制服务方的LoRA适配器：仅一个含32条样本的小批量，隐藏表示即可让复制品在99.2%的测试输入上与原件一致，只用logits也约94%。VeilTune改为在安全多方计算中完整执行前向、反向传播与Adam更新，只把训练好的适配器交给模型方，在RoBERTa-large的四个少样本任务上平均比SecP-Tuning高5.3个百分点，并与明文训练相差0.3至1.7个百分点。