简介
在大模型训练场景中，为提升模型的精确度和性能，常需要引入第三方高质量数据进行联合训练。此类训练数据往往包含敏感信息，若处理不当，易引发数据泄露等合规与业务风险。
因此，PAI 平台提供了安全合规的联合训练机制，确保在不暴露原始数据的前提下使用，实现“数据可用不可见、价值可共享不可复制”的核心目标。其核心安全机制包括：
跨账号授权：数据提供者通过阿里云跨账号授权机制，将训练数据授权给模型训练者。训练数据仅限在 PAI-DLC 提供的受控沙盒环境中使用，模型训练者无法访问、下载或查看未被授权的训练数据。
训练数据过滤：对训练过程中生成的日志数据进行严格过滤，防止训练数据通过日志泄露。
模型导出安全扫描：在模型可导出的场景中，对待导出的模型文件进行安全扫描，检测并阻断模型中可能残留的训练数据，防止训练数据泄露。
前提条件
请联系您的商务经理完成以下准备工作：
授权使用第三方训练数据：提供云账号UID、PAI工作空间ID、数据使用期限和次数。
提供原始训练模型的信息：提供模型的基本信息（如模型结构概述、关键性能指标等），以便我们适配相应的模型安全扫描策略。
确认日志输出格式：提供模型训练日志的基本信息（如训练框架等），以便我们适配相应的训练日志输出规则。
使用流程
步骤一：提交训练作业
查看数据提供者分享的数据集。登录PAI 控制台，在左上角选择目标地域和工作空间，在左侧导航栏选择AI资产管理 > 数据集，在列表中确认数据提供者分享的数据集是否可见。
创建DLC任务。在左侧导航栏选择模型开发与训练 > 分布式训练（DLC），然后单击新建任务。
配置DLC任务参数。关键参数配置如下，其他参数如：作业名称、镜像及资源按需配置即可。
数据集挂载：添加自定义数据集，选择跨账号分享的数据集和自己的数据集。所有选中的数据集都需要打开只读模式，否则提交作业时会报错。
模型名称：必填。该名称将用于本次作业训练的模型子目录，以及训练结束后注册到模型中心的模型名称。
参数配置完成后，单击确定创建任务。
查看作业详情及训练日志。
提交作业后查看作业详情。
查看训练日志内容。
步骤二：扫描&导出模型
训练成功后，PAI平台会自动在模型中心注册一个模型，模型名称为提交作业时填写的模型名称。
在 PAI 控制台左侧导航栏，选择AI资产管理 > 模型，在模型列表中找到在作业中填写的模型名称命名的模型。
点击模型，进入模型详情。
单击导出，填写输出配置，资源配置和超参数配置，完成模型导出。
model_file：需要导出的模型文件目录。
model_name：模型文件类型。
