回到最新动态
交叉发布 / THE SIGNAL

隐私保护型LLM智能体安全审计范式

When Safety Checks Become Privacy Risks: A Privacy-Preserving Paradigm for LLM Agent Safety Auditing

重要性 4.5 AI 辅助整理

论文提出隐私保护审计范式并实现SealCall框架

资讯摘要

论文指出,将任务描述、调用参数与交互历史发送给外部审计方可能泄露用户隐私,因此提出一种隐私保护的安全审计范式:把委托审计计算与明文访问、执行权限分离,基于三域审计模型连接可信表示构建、加密审计计算与可信决策执行。作者以SealCall框架实现,结合学习式审计表示、基于CKKS的加密相似度计算与绑定审计调用的执行控制。在1252个公开二元候选上,分组嵌套评估平均F1为0.840,所有测量案例均保留明文审计决策,代表性配置每次加密评分耗时0.176秒。

要点速读

  1. 论文提出隐私保护审计范式,将委托审计计算与明文访问、执行权限分离,以三域模型连接表示构建、加密计算与决策执行。
  2. SealCall框架结合学习式审计表示、CKKS加密相似度计算与绑定审计调用的执行控制。
  3. 作者报告在1252个公开二元候选上平均F1为0.840,代表性配置每次加密评分耗时0.176秒。

中文摘要由 AI 根据公开来源生成,可能存在理解偏差;具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/11/3 08:00:27(北京时间)。 arXiv 日期为本次公告时间,论文初次投稿日期请查看原文版本记录。

阅读 arXiv · cs.AI 原文arxiv.org · 在新窗口打开