10月8日 · 周四

隐私与数据泄露 · 论文

找到 2 篇

筛选2

攻击类型

提取与窃取1

模型自身风险

幻觉与编造1

防御类型

推理时干预1 检测与过滤2 指令与数据隔离1 权限与审批1 水印与溯源1

影响

数据与隐私泄露1 输出被操纵1

系统形态

LLM 应用1 AI Agent1

攻击面/入口

层

模型层1 应用层1

系统组件

权限与沙箱1

被测模型厂商

同一类里任选其一，不同类之间同时满足；数字是加上其他已选条件后的篇数。另有 110 篇还没打标签，不在筛选结果里。

防御类型：推理时干预防御类型：权限与审批话题：隐私与数据泄露清除全部

另有 110 篇论文还没打上分类标签，暂不在筛选结果里。

可解释性arXiv:2610.04860 · 10月4日
研究揭示文本水印会诱发模型幻觉，并提出两种缓解干预
揭示检索生成中文本水印诱发事实幻觉的机制并提出 FPTI 与 FPAI 干预
LLM 应用测试LLaMA 3.1 8B Instruct、Mistral-7B-Instruct-v0.3、Qwen2.5-14B-Instruct模型层
- 推理时干预
- 幻觉与编造
摘要论文揭示了生产环境文本水印导致模型事实退化的失效模式，分析了解码机制并提出针对性干预。
论文研究生产级文本水印对大语言模型事实准确性的影响，分析了水印诱发幻觉的失效模式并评估了针对性缓解方案。
完整解读
防御arXiv:2609.14003 · 9月12日
FlowSeal：用信息流控制阻断 LLM Agent 的隐私泄露
提出 FLOWSEAL，在工具边界以信息流控制阻断智能体隐私泄露
AI Agent测试DeepSeek-V3.2、DeepSeek-R1、GPT-4.1-mini 等 4 个应用层
摘要作者分析大模型智能体隐私检查与攻击面重合问题，提出外部拦截防御 FLOWSEAL 并验证有效性。
完整解读

已经到底了